特刊：群智能及其在组合优化中的应用

链接：

群体智能（SI）是自然或人工的分散、自组织系统的集体行为。在SI中，个人具有简单的结构，其功能是单一的。然而，由许多个人组成的这种系统显示出涌现的现象，并可以解决几个仅由个人无法解决的现实世界难题。

组合优化是与运筹学、算法理论和计算复杂性理论相关的数学优化的子集。它在几个领域都有重要的应用，包括人工智能、机器学习、数学、拍卖理论和软件工程。

本期由中国海洋大学王改革教授，东芬兰大学高晓智教授，匹兹堡大学Amir H. Alavi教授三位客座编辑组建了“Swarm Intelligence and Applications in Combinatorial Optimization” 特刊。

本期特刊精选了9篇文章，汇集了群智能及其在组合优化应用方面的最新进展，希望能为相关领域学者提供新的思路和参考，欢迎阅读。

精选文章01

Dendritic Cell Algorithm with Grouping Genetic Algorithm for Input Signal Generation

基于分组遗传算法的树突状细胞输入信号生成算法

Dan Zhang, Yiwen Liang, Hongbin Dong

10.32604/cmes.2023.022864

图：Graphical Abstract

导读：

本研究将分组遗传算法（GGA）与DCA相结合，提出了一种新的DCA版本GGA-DCA，用于在搜索过程中完成特征选择和信号分类。GGA-DCA旨在自动搜索没有专业知识的最佳特征分组方案。

精选文章02

Survey on Task Scheduling Optimization Strategy under Multi-Cloud Environment

多云环境下任务调度优化策略综述

Qiqi Zhang, Shaojin Geng, Xingjuan Cai

10.32604/cmes.2023.022287

图：Graphical Abstract

导读：

本文综述了多云环境下任务调度的概念、类型、目标、优势、挑战和研究现状。对现有相关文献中提出的任务调度策略进行了分析、讨论和总结，包括研究动机、优化算法和相关目标。

精选文章03

A Scheme Library-Based Ant Colony Optimization with 2-Opt Local Search for Dynamic Traveling Salesman Problem

基于方案库的蚁群优化与动态旅行商问题的2-Opt局部搜索

Chuan Wang, Ruoyu Zhu, Yi Jiang, Weili Liu, Sang-Woon Jeon, Lin Sun, Hua Wang

10.32604/cmes.2022.022807

图：DTSP分类示例

导读：

本文提出了一种基于方案库的蚁群优化（ACO）和两优化（2-opt）策略，以有效地解决DTSP。为了评估具有2-opt的ACO的性能，作者设计了两个具有挑战性的DTSP案例，最多有200个和1379个节点，并将它们与其他ACO和遗传算法进行了比较。实验结果表明，具有2-opt的ACO可以有效地解决DTSP。

精选文章04

Three-Stages Hyperspectral Image Compression Sensing with Band Selection

带波段选择的三级高光谱图像压缩传感

Jingbo Zhang, Yanjun Zhang, Xingjuan Cai, Liping Xie

10.32604/cmes.2022.020426

图：频带选择流程图

导读：

压缩感知（CS）作为一种高效的数据传输方法，在图像、视频和文本等数据传输领域取得了巨大的成功。本文提出了一种三阶段高光谱图像压缩感知算法（three-stage HSICS），以获得HSI的带内和带间特征，从而提高HSI的重建精度。

精选文章05

Disease Recognition of Apple Leaf Using Lightweight Multi-Scale Network with ECANet

基于ECANet的轻量级多尺度网络的苹果叶片病害识别

Helong Yu, Xianhe Cheng, Ziqing Li, Qi Cai, Chunguang Bi

10.32604/cmes.2022.020263

图：ResNet18结构

导读：

本文提出了考虑颗粒破碎的离散单元法（DEM）模拟颗粒材料的密排粘结颗粒模型。为了解决自然环境中苹果病害识别困难和深度学习识别网络应用率低的问题，提出了一种用于苹果病害识别的轻量级ResNet模型。

精选文章06

An Improved Gorilla Troops Optimizer Based on Lens Opposition-Based Learning and Adaptive β-Hill Climbing for Global Optimization

基于镜头对向学习和自适应β-Hill全局优化的改进大猩猩部队优化器

Yaning Xiao, Xue Sun, Yanling Guo, Sanping Li, Yapeng Zhang, Yangwei Wang

10.32604/cmes.2022.019198

图：IGTO算法流程图

导读：

大猩猩部队优化器（GTO）是一种新开发的元启发式算法，灵感来自大猩猩的集体生活方式和社交智能。与其他元启发式相似，当要解决的优化问题变得更加复杂和灵活时，GTO的收敛精度和稳定性将恶化。为了克服这些缺陷并获得更好的性能，本文提出了一种改进的大猩猩部队优化器（IGTO）。

精选文章07

Strengthened Initialization of Adaptive Cross-Generation Differential Evolution

自适应跨代差分进化的强化初始化

Wei Wan, Gaige Wang, Junyu Dong

10.32604/cmes.2021.017987

图：30次独立运行中IGD值的方框图

导读：

自适应跨代差分进化（ACGDE）是最近引入的用于解决多目标问题的算法，与其他进化算法（EA）相比具有显著的性能。本文提出了一个增强版本，即SIACGDE。与前一代相比，它采用了强化的初始化策略和优化的参数。这些改进使得交叉世代突变的方向更加清晰，搜索能力更加高效。

精选文章08

A Chaos Sparrow Search Algorithm with Logarithmic Spiral and Adaptive Step for Engineering Problems

工程问题的对数螺旋自适应步长混沌稀疏搜索算法

Andi Tang, Huan Zhou, Tong Han, Lei Xie

10.32604/cmes.2021.017310

图：两个搜索模型

导读：

麻雀搜索算法（SSA）是一种新提出的基于麻雀觅食原理的元启发式优化算法。与其他元启发式算法类似，SSA也存在收敛速度慢、难以跳出局部最优等问题。为了克服这些缺点，本文提出了一种基于对数螺旋策略和自适应步长策略的混沌麻雀搜索算法。

精选文章09

A Step-Based Deep Learning Approach for Network Intrusion Detection

一种基于步骤的网络入侵检测深度学习方法

Yanyan Zhang, Xiangjin Ran

10.32604/cmes.2021.016866

图：FDL-IDM的典型结构

导读：

本文提出了一种基于GoogLeNet Inception和深度卷积神经网络（CNN）模型的两步网络入侵检测方法。该方法使用GoogLeNet初始模型来识别网络包的二进制问题。随后，提取分组的原始数据的特征和流量特征。

CMES 期刊介绍

主编：Shaofan Li， Loc Vu-Quoc

主要刊发计算材料、计算力学、计算物理、计算生物学、计算化学等领域的计算机建模和仿真的最新学术成果。