实验室核心成员孟振宇教授于2022年3月在SCI一区期刊Information Sciences发表题为"PSO-sono:Anovel PSO variant for single-objective numerical optimization"的论文。

PSO-sono论文简介:本文提出了一种新颖的用于解决单目标实参优化的PSO变体，该变体采用一种基于排序的混合PSO迭代策略，与之对应的参数适应策略和全局感知的粒子搜索方式。通过引入上述三种机制，PSO算法在解决单目标实参优化的整体效果得到了显著增强，我们通过国际通用的三个测试集共包含88个函数验证了该显著增强的整体优化效果。