摘 要: 通過分析SCI Web版對智能優(yōu)化算法文獻的收錄情況,統(tǒng)計分析了2001~2010年間SCI收錄的有關智能優(yōu)化算法論文的情況,。從時間分布,、國家分布、作者機構分布等方面進行統(tǒng)計,,分析智能優(yōu)化算法研究的現(xiàn)狀和發(fā)展趨勢,。
關鍵詞: 智能優(yōu)化算法; SCI論文,; 文獻計量
近年來,,隨著社會經(jīng)濟和科技日新月異的發(fā)展,生產(chǎn)的急劇擴大與全球化,,各種企業(yè),、組織規(guī)模迅速增長,優(yōu)化問題的日趨復雜,,一些新穎的智能優(yōu)化算法,,如人工神經(jīng)網(wǎng)絡、混沌,、遺傳算法,、模擬退火、禁忌搜索及其混合優(yōu)化策略等,,通過模擬或揭示某些自然現(xiàn)象和過程而得到發(fā)展,,其思想和內(nèi)容涉及數(shù)學,、物理學、生物進化,、人工智能,、神經(jīng)科學和統(tǒng)計力學等方面,為解決復雜優(yōu)化問題提供了新的思路和手段[1],。本文從2001~2010年SCI(Science Citation Index)收錄的相關論文情況,,分析智能優(yōu)化算法領域的研究動態(tài),從時間分布,、國家分布、作者機構分布,,被引頻次等多個方面進行統(tǒng)計,,分析智能優(yōu)化算法研究的分布現(xiàn)狀和發(fā)展,為相關方向研究者提供參考,。
1 SCI收錄論文分析
1.1 數(shù)據(jù)來源
由于科學引文索引SCI數(shù)據(jù)庫收錄的文獻能覆蓋全世界最重要和最有影響力的科技期刊, 而且能提供文獻間的引證關系,,所以運用其分析SCI Web版對智能優(yōu)化算法文獻的收錄情況。以 “((ant colony) or (genetic algorithm) or (particle swarm) or (neural network) or (artificial immune) or (simulated annealing ) or (tabu search) or (greedy randomized adaptive)) and optimization or (heuristic algorithms) or (intelligent optimization )”為主題檢索,。檢索時間范圍限定為2001年至2010年,。檢索到文獻33,232篇,運用文獻計量學方法對文獻的時間分布,、期刊分布,、作者機構分布、被引頻次統(tǒng)計等多方面進行分析探討,。
1.2 年代及國家/地區(qū)分布
某領域期刊論文在時間上的分布從一定程度上反映了該領域?qū)W術研究的理論水平和發(fā)展速度,。表1為近10年SCI收錄的關于智能優(yōu)化算法論文的分布情況。
從表1可以看出,,研究智能優(yōu)化算法的論文數(shù)量從2001~2010年之間,,雖然在2007年有所回落,但整體呈穩(wěn)步快速上升趨勢,。2008年以前,,美國始終占據(jù)發(fā)文量首位,而2008年之后,,中國成為該領域研究最活躍的國家,,中國在該領域的研究已經(jīng)獲得世界范圍內(nèi)的認可。智能優(yōu)化算法論文被SCI 收錄的國家/地區(qū)近100個,每年還在不斷增加,,其中中國和美國是研究智能優(yōu)化算法的主干力量,。
1.3 期刊以及學科類別分布
經(jīng)統(tǒng)計,檢索得到的33 232篇論文分布在2 074種文獻上,。其中期刊文獻32 669篇,,會議文章5 491篇,,顯而易見,智能優(yōu)化算法相關文章還是以期刊作為主要發(fā)表載體,。
表2列出了發(fā)文量前10的期刊,,可以看出智能優(yōu)化算法相關論文主要發(fā)表在以計算機科學、運籌學,、人工智能以及制造技術為中心的期刊上,,這也與檢索得出的學科類別分布結果相吻合,很多論文是跨學科涉及多個領域的,,其中工程,、計算機科學、運籌學,、數(shù)學以及自動控制系統(tǒng)是與智能優(yōu)化算法最密切相關的領域,。
這一現(xiàn)象與智能優(yōu)化算法所能解決的問題是緊密聯(lián)系的,智能優(yōu)化算法能在可接受時間內(nèi)解決復雜組合優(yōu)化問題尤其是NP問題,。生產(chǎn)生活很多領域都會遇到復雜的組合優(yōu)化問題的求解,,包括如資源分配、生產(chǎn)安排,、資金預算,、空間計算、證券組合分析以及通信,、運輸網(wǎng)絡設計,、超大規(guī)模集成電路設計等[2]。在統(tǒng)計過程中發(fā)現(xiàn),,智能優(yōu)化算法近年來還被應用到生物信息學,、智能數(shù)據(jù)挖掘與知識發(fā)現(xiàn)等新興領域。實際需求帶動了智能優(yōu)化算法的迅猛發(fā)展,,使其應用范圍也越來越廣,。
1.4 研究機構分布
筆者統(tǒng)計了2001~2010年10年間智能優(yōu)化算法領域機構發(fā)表論文情況,發(fā)文總量排名如下:1.印度理工學院(634),,2.新加坡國立大學(393),3.香港理工大學(358),,4.中科院(303),5.新加坡南洋理工大學(292),。從發(fā)文機構每年論文數(shù)量來看,,近10年發(fā)文數(shù)量前五的機構中,大學占了很大比例,,這說明大學已是智能優(yōu)化算法國際研究領域中產(chǎn)生成果的主力軍,。其中印度理工學院在統(tǒng)計的10年中7年都占據(jù)發(fā)文量榜首,可見該校是智能優(yōu)化算法領域研究重點機構。而我國的清華大學,、中科院,、香港理工大學等幾所機構也均是智能優(yōu)化算法研究領域的核心機構。還可發(fā)現(xiàn)亞洲研究結構相對集中,,而美國在智能優(yōu)化算法領域雖然發(fā)文量大,,但發(fā)文機構比較分散,在機構統(tǒng)計中所占比例偏低,。
1.5 被引頻次統(tǒng)計
被引頻次說明了一篇文章的質(zhì)量和影響力高低,,也成為評定學者學術水平的指標之一。表3分析了前5位SCI收錄有關智能優(yōu)化算法的論文國家/地區(qū)的被引頻次情況,,表4給出了筆者挑選出各國家/地區(qū)具有代表性的五所發(fā)文量,、被引頻次均高的發(fā)文機構,列出了被引頻次情況,。以上被引頻次統(tǒng)計截止于2011年11月23日SCI Web版收錄的文章,。
表3、表4中的被引頻次是指國家/地區(qū),、機構在2001~2010年間發(fā)表的文章總數(shù),在2011年11月23日之前,平均每年被引次數(shù),,這個指標顯示了該國家/地區(qū)以及機構發(fā)表文章被引的總體情況。而篇均被引頻次是指總被引次數(shù)除以總發(fā)文數(shù)量,,這個指標顯示了一個國家/地區(qū)和機構發(fā)表文章的權威性以及重要程度,。
從表3可以了解到我國在智能優(yōu)化算法領域發(fā)文數(shù)量高,但被引頻次和篇均被引頻次都偏低,,這說明我國在智能優(yōu)化算法領域的研究還需進一步深入和提高,,以發(fā)文量取勝還不足以證明整體學術水平處于領先地位。而美英兩國的篇均被引頻次最高,,尤其美國發(fā)文量最大,,篇均被引頻次較高,顯示了美英兩國的研究成果在該領域有較高的影響力和權威性,。
表4統(tǒng)計了10年來該領域多個國家/地區(qū)相對突出的研究機構,,其中印度理工學院處于領先地位,統(tǒng)計發(fā)現(xiàn)該機構作者Deb K,、Pratap A,、Agarwal S等,發(fā)表于“IEEE Transactions on Evolutionary Computation”期刊,,題目為“A fast and elitist multiobjective genetic algorithm: NSGA-II.” [3]的文章被引頻次高達2738次,,排在被引文章首位。表4中清華大學的較高篇均被引頻次說明了該校在智能優(yōu)化算法領域也有著舉足輕重的地位。其中來源于清華大學的“Expected value of fuzzy variable and fuzzy expected value models”一文,,發(fā)表于“IEEE Transactions on Fuzzy Systems”[4]期刊,,被引頻次490次,是中國在智能優(yōu)化算法領域被引頻次最高的文章,。筆者統(tǒng)計的這兩篇排名首位的文章均是關于遺傳算法方面的研究,。伊利諾斯大學、新加坡國立大學分別是美國和新加坡在智能優(yōu)化算法領域發(fā)揮重要研究作用的機構,。
2 結論
以智能優(yōu)化算法領域最近十年間發(fā)表在SCI的文獻為統(tǒng)計依據(jù),,通過對研究論文的統(tǒng)計分析,總結出智能優(yōu)化算法領域的文獻呈現(xiàn)出以下特點:
(1)分布集中,,2001~2010年十年以來, 美國,、中國、臺灣,、印度和英國對智能優(yōu)化算法的研究成果最多,。其中以美國和中國作為智能優(yōu)化算法領域研究的主力軍,又以亞洲研究機構分布最為密集,,多個大學和研究院所均是該領域重要研究機構。其中以印度理工學院最為突出,發(fā)文量和被引頻次均占據(jù)所有研究機構統(tǒng)計量首位,。
(2)范圍廣泛,,主要體現(xiàn)在智能優(yōu)化算法的應用領域上,文獻所屬學科類別涉及多個領域,,以工程,、計算機科學、運籌學,、數(shù)學以及自動控制系統(tǒng)為重點,廣泛應用于交通運輸,、通信網(wǎng)絡設計、工程優(yōu)化設計等生產(chǎn)生活中,。
(3)發(fā)展趨勢良好,,通過對2001~2010年的文獻數(shù)量和年代分布的分析表明,,智能優(yōu)化算法領域的論文數(shù)量增長迅速,,并且保持穩(wěn)定的增長勢頭。隨著社會經(jīng)濟和科技日新月異的發(fā)展,,生產(chǎn)的急劇擴大與全球化,,各種企業(yè)、組織規(guī)模迅速增長,,優(yōu)化問題日趨復雜,,從研究內(nèi)容上看,這10年來智能優(yōu)化算法得到了長足的發(fā)展和完善,。從初期僅靠單一的智能優(yōu)化算法解決問題并針對算法參數(shù)論證試驗以求提高算法性能,到目前著重強調(diào)混合策略的開發(fā)(如遺傳算法和變鄰域搜索的混合,;粒子群算法和人工免疫算法的混合,;遺傳算法和禁忌搜索算法的混合等),克服單一算法的不足來解決各種大規(guī)模難解的組合優(yōu)化問題[5],。
我國在智能優(yōu)化算法領域的發(fā)展有目共睹,,在2001~2010年中,我國被SCI收錄論文共5 297篇,,占同期論文數(shù)量15.94%,,被收錄論文數(shù)量的增長速度最快,平均年增長率達到45.4%,。從2009年開始成為被SCI收錄論文數(shù)量最多的國家,。中科院、清華大學和香港理工大學等科研院所是我國在智能優(yōu)化算法領域的重點研究機構,,發(fā)文量數(shù)量多,、篇均被引頻次較高。從本文統(tǒng)計結果來看,,也可發(fā)現(xiàn)我國在智能優(yōu)化算法研究領域尚存在一些不足之處,被引頻次和篇均被引頻次較低,,說明我國研究者在對新領域的開拓,、研究方法的創(chuàng)新以及算法模型的突破性改進等多方面還需進一步努力。在這種情況下,,如何選擇學術發(fā)展方向,,突破學術研究瓶頸是一個重大挑戰(zhàn)[6]。
參考文獻
[1] 王凌,智能優(yōu)化算法及其應用[M].北京:清華大學出版社,2003.
[2] 周雅蘭,智能優(yōu)化算法的混合策略分析,、設計和建模[J]. 計算機應用研究. 2010,27(12): 4424-4426.
[3] DEB K, PRATAP A, AGARWALL S, et al. A fast and elitist multiobjective genetic algorithm: NSGA-II[J]. IEEE Transactions on Evolutionary Computation, 2002,6,(2):182-197.
[4] LIU B D,, LIU Y K. Expected value of fuzzy variable and fuzzy expected value models[J]. 2002,10(4):445-450.
[5] KIM K J,, CHO S B. A comprehensive overview of the applications of artificial life[J]. Artificial Life, 2006,12(1):153-182.
[6] RAJKUMAR R,SRICHAND H, ROBERTO T. Recent advances in engineering design optimisation: Challenges and future trends[J]. CIRP Annals-Manufacturing Technology, 2008,57(2):697-715.