摘  要： 通过分析SCI Web版对智能优化算法文献的收录情况，统计分析了2001～2010年间SCI收录的有关智能优化算法论文的情况。从时间分布、国家分布、作者机构分布等方面进行统计，分析智能优化算法研究的现状和发展趋势。
关键词： 智能优化算法； SCI论文； 文献计量

    近年来，随着社会经济和科技日新月异的发展，生产的急剧扩大与全球化，各种企业、组织规模迅速增长，优化问题的日趋复杂，一些新颖的智能优化算法，如人工神经网络、混沌、遗传算法、模拟退火、禁忌搜索及其混合优化策略等，通过模拟或揭示某些自然现象和过程而得到发展，其思想和内容涉及数学、物理学、生物进化、人工智能、神经科学和统计力学等方面，为解决复杂优化问题提供了新的思路和手段[1]。本文从2001～2010年SCI(Science Citation Index)收录的相关论文情况，分析智能优化算法领域的研究动态，从时间分布、国家分布、作者机构分布，被引频次等多个方面进行统计，分析智能优化算法研究的分布现状和发展，为相关方向研究者提供参考。
1 SCI收录论文分析
1.1 数据来源
    由于科学引文索引SCI数据库收录的文献能覆盖全世界最重要和最有影响力的科技期刊, 而且能提供文献间的引证关系，所以运用其分析SCI Web版对智能优化算法文献的收录情况。以 “((ant colony) or (genetic algorithm) or (particle swarm) or (neural network) or (artificial immune) or (simulated annealing ) or (tabu search) or (greedy randomized adaptive)) and optimization or (heuristic algorithms) or (intelligent optimization )”为主题检索。检索时间范围限定为2001年至2010年。检索到文献33,232篇，运用文献计量学方法对文献的时间分布、期刊分布、作者机构分布、被引频次统计等多方面进行分析探讨。
1.2 年代及国家/地区分布
    某领域期刊论文在时间上的分布从一定程度上反映了该领域学术研究的理论水平和发展速度。表1为近10年SCI收录的关于智能优化算法论文的分布情况。

    从表1可以看出，研究智能优化算法的论文数量从2001~2010年之间，虽然在2007年有所回落，但整体呈稳步快速上升趋势。2008年以前，美国始终占据发文量首位，而2008年之后，中国成为该领域研究最活跃的国家，中国在该领域的研究已经获得世界范围内的认可。智能优化算法论文被SCI 收录的国家/地区近100个,每年还在不断增加，其中中国和美国是研究智能优化算法的主干力量。
1.3 期刊以及学科类别分布
    经统计，检索得到的33 232篇论文分布在2 074种文献上。其中期刊文献32 669篇，会议文章5 491篇，显而易见，智能优化算法相关文章还是以期刊作为主要发表载体。
　    表2列出了发文量前10的期刊，可以看出智能优化算法相关论文主要发表在以计算机科学、运筹学、人工智能以及制造技术为中心的期刊上，这也与检索得出的学科类别分布结果相吻合，很多论文是跨学科涉及多个领域的，其中工程、计算机科学、运筹学、数学以及自动控制系统是与智能优化算法最密切相关的领域。

    这一现象与智能优化算法所能解决的问题是紧密联系的，智能优化算法能在可接受时间内解决复杂组合优化问题尤其是NP问题。生产生活很多领域都会遇到复杂的组合优化问题的求解，包括如资源分配、生产安排、资金预算、空间计算、证券组合分析以及通信、运输网络设计、超大规模集成电路设计等[2]。在统计过程中发现，智能优化算法近年来还被应用到生物信息学、智能数据挖掘与知识发现等新兴领域。实际需求带动了智能优化算法的迅猛发展，使其应用范围也越来越广。
1.4 研究机构分布
     笔者统计了2001~2010年10年间智能优化算法领域机构发表论文情况，发文总量排名如下：1.印度理工学院（634），2.新加坡国立大学(393),3.香港理工大学（358），4.中科院（303），5.新加坡南洋理工大学（292）。从发文机构每年论文数量来看，近10年发文数量前五的机构中，大学占了很大比例，这说明大学已是智能优化算法国际研究领域中产生成果的主力军。其中印度理工学院在统计的10年中7年都占据发文量榜首，可见该校是智能优化算法领域研究重点机构。而我国的清华大学、中科院、香港理工大学等几所机构也均是智能优化算法研究领域的核心机构。还可发现亚洲研究结构相对集中，而美国在智能优化算法领域虽然发文量大，但发文机构比较分散，在机构统计中所占比例偏低。
1.5 被引频次统计
　  被引频次说明了一篇文章的质量和影响力高低，也成为评定学者学术水平的指标之一。表3分析了前5位SCI收录有关智能优化算法的论文国家/地区的被引频次情况，表4给出了笔者挑选出各国家/地区具有代表性的五所发文量、被引频次均高的发文机构，列出了被引频次情况。以上被引频次统计截止于2011年11月23日SCI Web版收录的文章。
　　表3、表4中的被引频次是指国家/地区、机构在2001~2010年间发表的文章总数,在2011年11月23日之前，平均每年被引次数，这个指标显示了该国家/地区以及机构发表文章被引的总体情况。而篇均被引频次是指总被引次数除以总发文数量，这个指标显示了一个国家/地区和机构发表文章的权威性以及重要程度。

　　从表3可以了解到我国在智能优化算法领域发文数量高，但被引频次和篇均被引频次都偏低，这说明我国在智能优化算法领域的研究还需进一步深入和提高，以发文量取胜还不足以证明整体学术水平处于领先地位。而美英两国的篇均被引频次最高，尤其美国发文量最大，篇均被引频次较高，显示了美英两国的研究成果在该领域有较高的影响力和权威性。
　　表4统计了10年来该领域多个国家/地区相对突出的研究机构，其中印度理工学院处于领先地位，统计发现该机构作者Deb K、Pratap A、Agarwal S等，发表于“IEEE Transactions on Evolutionary Computation”期刊，题目为“A fast and elitist multiobjective genetic algorithm: NSGA-II.” [3]的文章被引频次高达2738次，排在被引文章首位。表4中清华大学的较高篇均被引频次说明了该校在智能优化算法领域也有着举足轻重的地位。其中来源于清华大学的“Expected value of fuzzy variable and fuzzy expected value models”一文，发表于“IEEE Transactions on Fuzzy Systems”[4]期刊，被引频次490次，是中国在智能优化算法领域被引频次最高的文章。笔者统计的这两篇排名首位的文章均是关于遗传算法方面的研究。伊利诺斯大学、新加坡国立大学分别是美国和新加坡在智能优化算法领域发挥重要研究作用的机构。
2 结论
　　以智能优化算法领域最近十年间发表在SCI的文献为统计依据，通过对研究论文的统计分析，总结出智能优化算法领域的文献呈现出以下特点：
　　(1)分布集中，2001~2010年十年以来, 美国、中国、台湾、印度和英国对智能优化算法的研究成果最多。其中以美国和中国作为智能优化算法领域研究的主力军，又以亚洲研究机构分布最为密集，多个大学和研究院所均是该领域重要研究机构。其中以印度理工学院最为突出,发文量和被引频次均占据所有研究机构统计量首位。
　　(2)范围广泛，主要体现在智能优化算法的应用领域上，文献所属学科类别涉及多个领域，以工程、计算机科学、运筹学、数学以及自动控制系统为重点，广泛应用于交通运输、通信网络设计、工程优化设计等生产生活中。
　　(3)发展趋势良好，通过对2001~2010年的文献数量和年代分布的分析表明，智能优化算法领域的论文数量增长迅速，并且保持稳定的增长势头。随着社会经济和科技日新月异的发展，生产的急剧扩大与全球化，各种企业、组织规模迅速增长，优化问题日趋复杂，从研究内容上看，这10年来智能优化算法得到了长足的发展和完善。从初期仅靠单一的智能优化算法解决问题并针对算法参数论证试验以求提高算法性能，到目前着重强调混合策略的开发（如遗传算法和变邻域搜索的混合；粒子群算法和人工免疫算法的混合；遗传算法和禁忌搜索算法的混合等），克服单一算法的不足来解决各种大规模难解的组合优化问题[5]。
    我国在智能优化算法领域的发展有目共睹，在2001~2010年中，我国被SCI收录论文共5 297篇，占同期论文数量15.94%，被收录论文数量的增长速度最快，平均年增长率达到45.4%。从2009年开始成为被SCI收录论文数量最多的国家。中科院、清华大学和香港理工大学等科研院所是我国在智能优化算法领域的重点研究机构，发文量数量多、篇均被引频次较高。从本文统计结果来看，也可发现我国在智能优化算法研究领域尚存在一些不足之处，被引频次和篇均被引频次较低，说明我国研究者在对新领域的开拓、研究方法的创新以及算法模型的突破性改进等多方面还需进一步努力。在这种情况下，如何选择学术发展方向，突破学术研究瓶颈是一个重大挑战[6]。
参考文献
[1] 王凌,智能优化算法及其应用[M].北京：清华大学出版社,2003.
[2] 周雅兰,智能优化算法的混合策略分析、设计和建模[J]. 计算机应用研究. 2010,27(12): 4424-4426.
[3] DEB K, PRATAP A, AGARWALL S, et al. A fast and elitist multiobjective genetic algorithm: NSGA-II[J]. IEEE Transactions on Evolutionary Computation, 2002,6,(2):182-197.   
[4] LIU B D， LIU Y K. Expected value of fuzzy variable and fuzzy expected value models[J]. 2002，10(4):445-450.
[5] KIM K J， CHO S B. A comprehensive overview of the applications of artificial life[J]. Artificial Life, 2006,12(1):153-182.
[6] RAJKUMAR R,SRICHAND H, ROBERTO T. Recent advances in engineering design optimisation: Challenges and future trends[J]. CIRP Annals-Manufacturing Technology, 2008,57(2):697-715.