粒子群优化算法是目前较为流行的一种群体智能优化算法。我校计算机与网络安全学院刘群锋博士在前期对PSO算法的稳定性和参数稳定域[注]研究的基础上，对PSO的拓扑结构进行了分析，试图研究清楚，PSO的拓扑结构如何影响其数值性能，是否存在最佳拓扑结构，以及最佳拓扑结构受何种因素影响等问题。
通过选择一类简单而有代表性的拓扑——正则拓扑，并使用大量的测试函数进行数值测试，特别是根据测试的中间过程数据来判断拓扑结构对算法数值性能的影响。刘群锋博士有了新的发现：第一，最优拓扑依赖于问题而存在；第二，最优拓扑依赖于计算成本而存在，并且这个发现只有在pre-optimal analysis下才显得清楚。更进一步，从测试数据中还拟合出了最优粒子数和最优度数两个经验公式。这两个定量结果对在计算成本昂贵时PSO的应用具有重要指导意义。
该研究成果“Topology selection for particle swarm optimization”发表在信息科学领域的重要期刊《Information Science》上。该刊物为中科院JCR数据库中的SCI二区刊物、我校T类三级期刊，影响因子为4.832。
注：相关报道可见本栏目2017年9月21日发表的《粒子群优化算法的二阶稳定性研究成果发表在< Evolutionary Computation>上》。
