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(guān)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(gòu)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(guān)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(fù)雜,，一些新穎的智能優(yōu)化算法,，如人工神經(jīng)網(wǎng)絡(luò)、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(xué)、物理學(xué),、生物進化,、人工智能、神經(jīng)科學(xué)和統(tǒng)計力學(xué)等方面,，為解決復(fù)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(guān)論文情況，分析智能優(yōu)化算法領(lǐng)域的研究動態(tài),，從時間分布,、國家分布、作者機構(gòu)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(guān)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(xué)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(guān)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(xué)方法對文獻的時間分布、期刊分布,、作者機構(gòu)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(lǐng)域期刊論文在時間上的分布從一定程度上反映了該領(lǐng)域?qū)W術(shù)研究的理論水平和發(fā)展速度,。表1為近10年SCI收錄的關(guān)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(lǐng)域研究最活躍的國家,，中國在該領(lǐng)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(xué)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(guān)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(guān)論文主要發(fā)表在以計算機科學(xué)、運籌學(xué),、人工智能以及制造技術(shù)為中心的期刊上,，這也與檢索得出的學(xué)科類別分布結(jié)果相吻合，很多論文是跨學(xué)科涉及多個領(lǐng)域的,，其中工程,、計算機科學(xué),、運籌學(xué)、數(shù)學(xué)以及自動控制系統(tǒng)是與智能優(yōu)化算法最密切相關(guān)的領(lǐng)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(fù)雜組合優(yōu)化問題尤其是NP問題。生產(chǎn)生活很多領(lǐng)域都會遇到復(fù)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(yù)算,、空間計算、證券組合分析以及通信,、運輸網(wǎng)絡(luò)設(shè)計,、超大規(guī)模集成電路設(shè)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(yīng)用到生物信息學(xué),、智能數(shù)據(jù)挖掘與知識發(fā)現(xiàn)等新興領(lǐng)域。實際需求帶動了智能優(yōu)化算法的迅猛發(fā)展,，使其應(yīng)用范圍也越來越廣,。
1.4 研究機構(gòu)分布
     筆者統(tǒng)計了2001~2010年10年間智能優(yōu)化算法領(lǐng)域機構(gòu)發(fā)表論文情況，發(fā)文總量排名如下：1.印度理工學(xué)院（634）,，2.新加坡國立大學(xué)(393),3.香港理工大學(xué)（358）,，4.中科院（303），5.新加坡南洋理工大學(xué)（292）,。從發(fā)文機構(gòu)每年論文數(shù)量來看,，近10年發(fā)文數(shù)量前五的機構(gòu)中，大學(xué)占了很大比例,，這說明大學(xué)已是智能優(yōu)化算法國際研究領(lǐng)域中產(chǎn)生成果的主力軍,。其中印度理工學(xué)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(lǐng)域研究重點機構(gòu),。而我國的清華大學(xué),、中科院、香港理工大學(xué)等幾所機構(gòu)也均是智能優(yōu)化算法研究領(lǐng)域的核心機構(gòu),。還可發(fā)現(xiàn)亞洲研究結(jié)構(gòu)相對集中,，而美國在智能優(yōu)化算法領(lǐng)域雖然發(fā)文量大，但發(fā)文機構(gòu)比較分散,，在機構(gòu)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(xué)者學(xué)術(shù)水平的指標之一,。表3分析了前5位SCI收錄有關(guān)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(gòu)，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(gòu)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(gòu)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(gòu)發(fā)表文章的權(quán)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(lǐng)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(lǐng)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(xué)術(shù)水平處于領(lǐng)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(lǐng)域有較高的影響力和權(quán)威性,。
　　表4統(tǒng)計了10年來該領(lǐng)域多個國家/地區(qū)相對突出的研究機構(gòu)，其中印度理工學(xué)院處于領(lǐng)先地位,，統(tǒng)計發(fā)現(xiàn)該機構(gòu)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(xué)的較高篇均被引頻次說明了該校在智能優(yōu)化算法領(lǐng)域也有著舉足輕重的地位,。其中來源于清華大學(xué)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(lǐng)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(guān)于遺傳算法方面的研究,。伊利諾斯大學(xué),、新加坡國立大學(xué)分別是美國和新加坡在智能優(yōu)化算法領(lǐng)域發(fā)揮重要研究作用的機構(gòu)。
2 結(jié)論
　　以智能優(yōu)化算法領(lǐng)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(jié)出智能優(yōu)化算法領(lǐng)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(lǐng)域研究的主力軍,，又以亞洲研究機構(gòu)分布最為密集,，多個大學(xué)和研究院所均是該領(lǐng)域重要研究機構(gòu)。其中以印度理工學(xué)院最為突出,發(fā)文量和被引頻次均占據(jù)所有研究機構(gòu)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(yīng)用領(lǐng)域上，文獻所屬學(xué)科類別涉及多個領(lǐng)域,，以工程,、計算機科學(xué)、運籌學(xué),、數(shù)學(xué)以及自動控制系統(tǒng)為重點,，廣泛應(yīng)用于交通運輸、通信網(wǎng)絡(luò)設(shè)計,、工程優(yōu)化設(shè)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(lǐng)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(fù)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(lǐng)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(xué)和香港理工大學(xué)等科研院所是我國在智能優(yōu)化算法領(lǐng)域的重點研究機構(gòu)，發(fā)文量數(shù)量多,、篇均被引頻次較高,。從本文統(tǒng)計結(jié)果來看，也可發(fā)現(xiàn)我國在智能優(yōu)化算法研究領(lǐng)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(lǐng)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(xué)術(shù)發(fā)展方向，突破學(xué)術(shù)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(yīng)用[M].北京：清華大學(xué)出版社,2003.
[2] 周雅蘭,智能優(yōu)化算法的混合策略分析,、設(shè)計和建模[J]. 計算機應(yīng)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.