机电工程系“大数据分析、机器学习”研究小组在SCI、EI双检索期刊《Cluster Computing》发表长文

近年来，物联网、云数据中心、智能电网以及可穿戴健康设备等新应用的快速发展产生了海量的时间序列数据。在此大环境下，机电工程系成立了“大数据分析、机器学习”研究小组，近期在机器学习方面取得重要进展，成果发表在国际SCI、EI双检索期刊《Cluster Computing》上。

人工蜂群算法（Artificial Bee Colony (ABC) Algorithm）是模仿蜜蜂行为提出的一种优化方法，是群体智能思想的一种重要的机器学习方法，主要用来解决最优化问题。目前，人工蜂群算法主要应用于大数据分析中的机器迭代、移动通信信道的最优化利用、旅游路线规划、物流最优路径规划、电力系统故障诊断、船舶目标方位估计、单通道周期性信号盲分离、太阳能电池模型参数的辨识和孤岛式混合能源系统优化配置等。

然而，传统的人工蜂群算法收敛速度慢且容易陷入局部最优解，为了克服这两个缺点，机电工程系刘文老师和张土前老师，提出了一种能基于自适应随机优化策略的人工蜂群改进算法，证明了算法的收敛性，并且设计了具体的实验方法，期间陶红玉和付国庆两位老师全程参与并完成了具体实验，实验结果表明，改进算法的性能比传统算法性能有较大提升。

研究小组对算法的设计源于2016年11月，多次修改算法流程，并证明了算法的收敛性，最后通过实验验证了算法的先进性。2017年6月开始撰写论文，于2017年8月向《Cluster Computing》杂志投稿，其间历经2次大修，3次小修，于2018年3月25日正式录用，并由斯普林格出版社（Springer）在线出版。

（“大数据分析、机器学习”研究小组在SCI、EI双检索期刊《Cluster Computing》发表长文）

每一次的成功都是辛勤付出的结果，凝聚了团队小组的力量，更值得我们崇拜的是老师们长期坚持的毅力和精神。每一次的实验、每一次的演算、甚至每一次的修改都倾注了谨慎和专业。为科技打call，为我们默默付出的老师们点赞！