大量的科学和工程问题都可以归结为全局最优化问题，即在一定的约束条件下求解某个目标函数的全局最大值或最小值的问题。一般情况下，这类问题具有很高的难度，很难保证得到真正的全局最优解，特别是在高维（决策变量很多）情况下。目前，智能优化方法是求解高维非凸的复杂最优化问题的主流方法。这类算法通过模拟生物的智能行为、大自然的进化过程或纯粹的启发式理念来求解优化问题，包括基因算法、模拟退火算法、粒子群优化算法、蚁群优化算法、差分进化算法等。
基于这一研究现状，我校刘群锋博士实践研究了粒子群优化算法的参数稳定性。该研究在系统回顾这一算法相关研究成果的基础上，提出了二阶稳定性迄今最简单的一个定义，并据此得到了粒子群优化算法参数的二阶稳定域，证明该区域的任意参数组合都能保证粒子群优化算法稳定。
该研究成果“Order-2 stability analysis of particle swarm optimization”发表在进化计算领域的国际顶级期刊《Evolutionary Computation》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3.600。
