近日，计算智能实验室李伟老师指导的研究成果在《Swarm and Evolutionary Computation》上发表学术论文《Reinforcement Learning-Based Particle Swarm Optimization with Neighborhood Differential Mutation Strategy》，提出了基于粒子群优化的强化学习进化优化方法。
《Swarm and Evolutionary Computation》为人工智能与智能计算领域中重要学术期刊，主要报道自然启发式智能计算、跨学科领域的最新研究和发展成果，长期位于中科院计算机科学和工程技术等学科一区，最新影响因子为10.267，也是该领域的Top期刊。此次发表的研究成果为智能优化算法的改进和应用提供了理论和技术支撑。
为了解决粒子群算法在求解CEC问题时收敛精度过低的问题，本文加强了个体对局部区域的深度搜索。论文的主要贡献包括：
1.提出了动态振荡惯性权重策略，使粒子在不同情况下具有动态调节能力。
2.提出了基于强化学习的速度矢量生成策略，解决勘探开发过程中算子选择的难题。
3.提出了基于余弦相似度的速度更新机制，解决了个体学习范例选择问题。
4.提出了邻域差分突变的局部更新策略，缓解算法过早收敛的问题。
