【课题推荐发表期刊】

【课题背景】

群体智能优化设计、仿真与调度是算法研究的关键目标，旨在探索基于群体智能的应用场景中的最优解，这在当前科技迅速发展的背景下具有极高的价值。面对复杂问题的出现，传统解析方法常常显得力不从心，而群体智能算法的应用却正值其时。尤其是在构建新的优化场景和数学模型时，创新性尤为重要。梳理现有的各种典型优化应用问题，并结合具体需求提炼出特有的问题，这一过程充满创新性。

本课题将结合具体的工程问题，基于对群体智能算法的优化与改进，实现复杂问题的解决，推动相关领域的科技进步和产业发展。

【课题方向参考】

开展群体智能各种算法的优化与改进研究，在通过基准模型问题检验之后，应用于解决现实世界的复杂工程问题模型解析，如光伏参数提取、微分方程组求解、车间调度、无人机/机器人路径优化等。

【适合人群】

计算机、自动化相关学科方向的硕士研究生，需具备较强的英语读写能力，初步掌握Matlab或Python语言进行数值仿真的技术方法。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

高老师，副教授

• 长期担任计算机行业顶级期刊/会议审稿人，包括KBS, ASOC, EAAI等人工智能TOP期刊。
  

• 研究方向：群体智能、智能信息等。

• 以第一作者或通讯作者发表学术论文80余篇，其中SCI、EI检索40余篇；授权专利发明四项。

• 具备极为扎实的工程技术研究和算法功底，丰富的英文写作经验和论文指导经验；熟练使用Matlab、Python、C#、Java、AutoCAD、ANSYS、MCNP等工具。

【课题安排】

研究周期预估三个月左右，具体视学员情况调整

【推荐阅读】

• 2024 Self-adaptive hybrid mutation slime mould algorithm: Case studies on UAV path planning, engineering problems, photovoltaic models and infinite impulse response