特刊：群智能及其在組合優化中的應用
連結：https://www.techscience.com/CMES/special_detail/combinatorial-optimization
群體智能（SI）是自然或人工的分散、自組織系統的集體行為。在SI中，個人具有簡單的結構，其功能是單一的。然而，由許多個人組成的這種系統顯示出湧現的現象，并可以解決幾個僅由個人無法解決的現實世界難題。
組合優化是與運籌學、算法理論和計算複雜性理論相關的數學優化的子集。它在幾個領域都有重要的應用，包括人工智能、機器學習、數學、拍賣理論和軟體工程。
本期由中國海洋大學王改革教授，東芬蘭大學高曉智教授，匹茲堡大學Amir H. Alavi教授三位客座編輯組建了“Swarm Intelligence and Applications in Combinatorial Optimization” 特刊。
本期特刊精選了9篇文章，彙集了群智能及其在組合優化應用方面的最新進展，希望能為相關領域學者提供新的思路和參考，歡迎閱讀。
精選文章01
Dendritic Cell Algorithm with Grouping Genetic Algorithm for Input Signal Generation
基于分組遺傳算法的樹突狀細胞輸入信号生成算法
Dan Zhang, Yiwen Liang, Hongbin Dong
10.32604/cmes.2023.022864
圖：Graphical Abstract
導讀：
本研究将分組遺傳算法（GGA）與DCA相結合，提出了一種新的DCA版本GGA-DCA，用于在搜尋過程中完成特征選擇和信号分類。GGA-DCA旨在自動搜尋沒有專業知識的最佳特征分組方案。
精選文章02
Survey on Task Scheduling Optimization Strategy under Multi-Cloud Environment
多雲環境下任務排程優化政策綜述
Qiqi Zhang, Shaojin Geng, Xingjuan Cai
10.32604/cmes.2023.022287
圖：Graphical Abstract
導讀：
本文綜述了多雲環境下任務排程的概念、類型、目标、優勢、挑戰和研究現狀。對現有相關文獻中提出的任務排程政策進行了分析、讨論和總結，包括研究動機、優化算法和相關目标。
精選文章03
A Scheme Library-Based Ant Colony Optimization with 2-Opt Local Search for Dynamic Traveling Salesman Problem
基于方案庫的蟻群優化與動态旅行商問題的2-Opt局部搜尋
Chuan Wang, Ruoyu Zhu, Yi Jiang, Weili Liu, Sang-Woon Jeon, Lin Sun, Hua Wang
10.32604/cmes.2022.022807
圖：DTSP分類示例
導讀：
本文提出了一種基于方案庫的蟻群優化（ACO）和兩優化（2-opt）政策，以有效地解決DTSP。為了評估具有2-opt的ACO的性能，作者設計了兩個具有挑戰性的DTSP案例，最多有200個和1379個節點，并将它們與其他ACO和遺傳算法進行了比較。實驗結果表明，具有2-opt的ACO可以有效地解決DTSP。
精選文章04
Three-Stages Hyperspectral Image Compression Sensing with Band Selection
帶波段選擇的三級高光譜圖像壓縮傳感
Jingbo Zhang, Yanjun Zhang, Xingjuan Cai, Liping Xie
10.32604/cmes.2022.020426
圖：頻帶選擇流程圖
導讀：
壓縮感覺（CS）作為一種高效的資料傳輸方法，在圖像、視訊和文本等資料傳輸領域取得了巨大的成功。本文提出了一種三階段高光譜圖像壓縮感覺算法（three-stage HSICS），以獲得HSI的帶内和帶間特征，進而提高HSI的重建精度。
精選文章05
Disease Recognition of Apple Leaf Using Lightweight Multi-Scale Network with ECANet
基于ECANet的輕量級多尺度網絡的蘋果葉片病害識别
Helong Yu, Xianhe Cheng, Ziqing Li, Qi Cai, Chunguang Bi
10.32604/cmes.2022.020263
圖：ResNet18結構
導讀：
本文提出了考慮顆粒破碎的離散單元法（DEM）模拟顆粒材料的密排粘結顆粒模型。為了解決自然環境中蘋果病害識别困難和深度學習識别網絡應用率低的問題，提出了一種用于蘋果病害識别的輕量級ResNet模型。
精選文章06
An Improved Gorilla Troops Optimizer Based on Lens Opposition-Based Learning and Adaptive β-Hill Climbing for Global Optimization
基于鏡頭對向學習和自适應β-Hill全局優化的改進大猩猩部隊優化器
Yaning Xiao, Xue Sun, Yanling Guo, Sanping Li, Yapeng Zhang, Yangwei Wang
10.32604/cmes.2022.019198
圖：IGTO算法流程圖
導讀：
大猩猩部隊優化器（GTO）是一種新開發的元啟發式算法，靈感來自大猩猩的集體生活方式和社交智能。與其他元啟發式相似，當要解決的優化問題變得更加複雜和靈活時，GTO的收斂精度和穩定性将惡化。為了克服這些缺陷并獲得更好的性能，本文提出了一種改進的大猩猩部隊優化器（IGTO）。
精選文章07
Strengthened Initialization of Adaptive Cross-Generation Differential Evolution
自适應跨代差分進化的強化初始化
Wei Wan, Gaige Wang, Junyu Dong
10.32604/cmes.2021.017987
圖：30次獨立運作中IGD值的方框圖
導讀：
自适應跨代差分進化（ACGDE）是最近引入的用于解決多目标問題的算法，與其他進化算法（EA）相比具有顯著的性能。本文提出了一個增強版本，即SIACGDE。與前一代相比，它采用了強化的初始化政策和優化的參數。這些改進使得交叉世代突變的方向更加清晰，搜尋能力更加高效。
精選文章08
A Chaos Sparrow Search Algorithm with Logarithmic Spiral and Adaptive Step for Engineering Problems
工程問題的對數螺旋自适應步長混沌稀疏搜尋算法
Andi Tang, Huan Zhou, Tong Han, Lei Xie
10.32604/cmes.2021.017310
圖：兩個搜尋模型
導讀：
麻雀搜尋算法（SSA）是一種新提出的基于麻雀覓食原理的元啟發式優化算法。與其他元啟發式算法類似，SSA也存在收斂速度慢、難以跳出局部最優等問題。為了克服這些缺點，本文提出了一種基于對數螺旋政策和自适應步長政策的混沌麻雀搜尋算法。
精選文章09
A Step-Based Deep Learning Approach for Network Intrusion Detection
一種基于步驟的網絡入侵檢測深度學習方法
Yanyan Zhang, Xiangjin Ran
10.32604/cmes.2021.016866
圖：FDL-IDM的典型結構
導讀：
本文提出了一種基于GoogLeNet Inception和深度卷積神經網絡（CNN）模型的兩步網絡入侵檢測方法。該方法使用GoogLeNet初始模型來識别網絡包的二進制問題。随後，提取分組的原始資料的特征和流量特征。
CMES 期刊介紹
主編：Shaofan Li， Loc Vu-Quoc
主要刊發計算材料、計算力學、計算實體、計算生物學、計算化學等領域的計算機模組化和仿真的最新學術成果。