【课题推荐发表期刊】

【课题背景】

 基于智能优化算法的交叉学科应用研究，旨在将遗传算法、粒子群优化、差分进化等智能优化方法与工程、医学、能源、交通及人工智能等领域深度融合，以突破传统方法在复杂、多目标、大规模问题中存在的计算效率低、适应性差等瓶颈。

该研究在智慧能源调度、医学影像诊断、交通网络优化及自然语言处理超参数搜索等方面具有显著的应用潜力，同时推动多目标优化理论、混合智能算法与自适应机制等前沿方向的发展。研究周期约15–20课时，涵盖问题建模、算法改进、跨学科案例实验到论文写作的完整实践过程，培养学生从方法创新到科研落地的系统能力，优秀成果可转化为高水平学术论文或交叉学科竞赛作品。

【课题方向参考】

1. 路径规划中的智能优化应用（研究复杂环境下多无人系统的协同路径优化问题）

2. 现实世界的工程优化（研究针对具体工程应用的新型元启发式算法）

3. 算法性能本身的提升与新型方法探索（在基准测试下研究多策略改进方法来提升算法性能）

【适合人群】

 相关专业的本硕同学，具备基本的Matlab编程能力，希望学生学习态度良好，能及时完成相关任务。

【课题收获】

l  高质量论文一篇（SCI/CCF定向期刊）

l  SCI/CCF期刊投递与发表指导

l  结业证书

【导师介绍】

Dr. Gao，双一流985高校博士，以第一作者/通讯作者发表SCI期刊论文6篇，包括Expert systems with applications（SCI一区）、 Applied mathematical modelling（SCI二区），其中ESI高被引论文1篇（全球同期前1%）。

【课题安排】

研究周期预估六个月左右，具体视学员情况调整。