游 鴿, 劉 向，萬小萍

(華中師范大學(xué) 信息管理學(xué)院, 武漢 430079)

?

國(guó)際仿生計(jì)算研究的文獻(xiàn)生產(chǎn)力與特征分析

游 鴿, 劉 向*，萬小萍

(華中師范大學(xué) 信息管理學(xué)院, 武漢 430079)

該文試圖運(yùn)用文獻(xiàn)計(jì)量方法和知識(shí)可視化技術(shù)對(duì)仿生計(jì)算研究領(lǐng)域的全球生產(chǎn)力、主要研究主題、核心期刊、高效率生產(chǎn)國(guó)以及出版物中最常用的關(guān)鍵字和高被引用論文進(jìn)行分析.研究結(jié)果表明，這個(gè)領(lǐng)域主要關(guān)注算法，模型和系統(tǒng)；美國(guó)是仿生計(jì)算研究的領(lǐng)導(dǎo)國(guó)以及該領(lǐng)域的國(guó)際合作的中心；仿生計(jì)算的研究正朝著仿生智能算法優(yōu)化和集成化智能軟硬件系統(tǒng)等方向發(fā)展.

仿生計(jì)算； 群智能算法； 可視化； 文獻(xiàn)計(jì)量； Citespace

仿生計(jì)算(biologically inspired computation)，其縮寫為(bioinspired computation)是自然計(jì)算的重要分支.仿生智能計(jì)算以仿生學(xué)、數(shù)學(xué)和計(jì)算機(jī)科學(xué)為基礎(chǔ)，涉及物理學(xué)、生物學(xué)、管理科學(xué)、智能科學(xué)和工程學(xué)等學(xué)科，具有自適應(yīng)、自組織、自學(xué)習(xí)等特性和能力.部分仿生智能計(jì)算的方法的前期工作獲得了諾貝爾獎(jiǎng)，比如諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng)得主Frisch破譯的蜜蜂跳舞行為是人工蜂群算法的基礎(chǔ)(artificial bee colony，ABC)算法的基礎(chǔ)；諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng)得主Watson和Crick所提出的雙螺旋結(jié)構(gòu)、諾貝爾化學(xué)獎(jiǎng)得主Mullis所提出的聚合酶鏈接反應(yīng)是DNA計(jì)算的基礎(chǔ)；而諾貝爾生理學(xué)和醫(yī)學(xué)獎(jiǎng)18次多的免疫學(xué)則是人工免疫算法(artificial immune algorithm，AIA)的重要基礎(chǔ).

在21世紀(jì)初期，仿生計(jì)算的研究開始走向繁榮，越來越多的研究機(jī)構(gòu)和個(gè)人開始關(guān)注該領(lǐng)域，出版了一系列高質(zhì)量的論文.如2002年Deb K提出了一種快速精準(zhǔn)的多目標(biāo)遺傳算法(NSGA-II)[1]；同年通過對(duì)粒子群算法的運(yùn)動(dòng)軌跡進(jìn)行了分析，提出了一系列優(yōu)化粒子群算法的成果[2].2003年Zitzler E和Thiele L提出了一種多目標(biāo)進(jìn)化算法的績(jī)效評(píng)估體系[3].2003年研究人員對(duì)二元約束滿足問題的進(jìn)化算法做了較為詳盡的比較研究，并指出了一些優(yōu)化修正模型的不足，提出了很多的改正意見[4].其后一種處理多目標(biāo)的粒子群優(yōu)化算法被提出，它是以允許該啟發(fā)式搜索來處理問題與幾個(gè)目標(biāo)函數(shù)的方法，與其他的通過延長(zhǎng)粒子群算法來解決多目標(biāo)優(yōu)化問題相比是相當(dāng)有競(jìng)爭(zhēng)力的[5]；同年Juang等人結(jié)合遺傳算法和粒子群遞歸網(wǎng)絡(luò)設(shè)計(jì)了一種新的進(jìn)化學(xué)習(xí)算法HGAPSO[6].2008年Karaboga D將人工蜂群算法與差分進(jìn)化算法，粒子群優(yōu)化算法和進(jìn)化算法進(jìn)行了比較研究，得出人工蜂群算法可以更有效的來解決高緯的工程問題[7].2009年Qin AK等人提出了一種適應(yīng)戰(zhàn)略全局?jǐn)?shù)值優(yōu)化的差分進(jìn)化算法(SaDE)，該算法的兩個(gè)試驗(yàn)矢量生成策略及其相關(guān)的控制參數(shù)值是逐漸自我適應(yīng)，因此在搜索匹配過程的不同階段伴隨著它的參數(shù)設(shè)定可以自適應(yīng)地確定更合適的生成策略[8].2012年一種通過模糊粗糙集特征選擇的方式提高進(jìn)化實(shí)例選擇算法在遺傳算法的基礎(chǔ)上結(jié)合了模糊粗糙集的特征選擇過程，大大提高雙方的進(jìn)化搜索過程和最終預(yù)處理后的數(shù)據(jù)集[9].2013年誕生了分子進(jìn)化遺產(chǎn)分析工具的高級(jí)版本(MEGA6)，它可以用于基因和蛋白質(zhì)的序列比對(duì)，推斷系統(tǒng)的發(fā)育的歷史，并進(jìn)行分子進(jìn)化分析等[10].

本文主要運(yùn)用文獻(xiàn)計(jì)量的方法對(duì)仿生計(jì)算領(lǐng)域里每年論文產(chǎn)量，學(xué)科類別，核心期刊，高產(chǎn)量國(guó)家，富有成果的研究機(jī)構(gòu)進(jìn)行定量分析.此外，利用可視化軟件CiteSpace做了仿生計(jì)算研究領(lǐng)域的關(guān)鍵詞和引文的可視化分析用來預(yù)測(cè)該領(lǐng)域研究的發(fā)展趨勢(shì).

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

本文以SCI(Thomson ISI)網(wǎng)絡(luò)版Web of Science中的科學(xué)引文索引擴(kuò)展版(Science Citation Index Expanded)數(shù)據(jù)庫(kù)為數(shù)據(jù)來源檢索方法選定為高級(jí)檢索，檢索詞為檢索的關(guān)鍵詞確定仿生計(jì)算/算法(bioinspired computation、bioinspired computing、biologically inspired computing、biologically inspired computation、bioinspired algorithm、biologically inspired algorithm)、群智能算法(Swarm intelligence algorithm)、演化算法(Evolutionary Algorithms)、生物計(jì)算(Biocomputing)，各個(gè)檢索詞之間用or連接，數(shù)據(jù)庫(kù)選定為Web of Science TM核心合集，檢索期限設(shè)定為1995年～2014年，其中文獻(xiàn)類型設(shè)定為article和review共計(jì)19 399條記錄符合條件數(shù)據(jù)，下載的方式設(shè)定為全紀(jì)錄并且包含所引用的參考文獻(xiàn)，數(shù)據(jù)下載結(jié)束的時(shí)間為2015年10月20日.

1.2 研究工具與方法

在仿生計(jì)算文獻(xiàn)計(jì)量研究中，主要對(duì)其每年論文產(chǎn)量，主要類別，高產(chǎn)量國(guó)家，主要作者和核心期刊，通過使用定量分析方法進(jìn)行了深入研究，并將數(shù)據(jù)分析的結(jié)果通過MS Office Excel 2010和Ucinet繪制成圖，以便于從圖中獲得盡可能多的信息.

此外，本文還采用可視化工具CiteSpace進(jìn)行關(guān)鍵詞和引文的可視化分析.CiteSpace是美國(guó)Drexel大學(xué)陳超美博士用Java語言開發(fā)出來的知識(shí)圖譜可視化分析工具[11].采用CiteSpace軟件，選定相關(guān)算法，設(shè)定時(shí)間跨度為1年，繪制關(guān)鍵詞共現(xiàn)、文獻(xiàn)共被引的網(wǎng)絡(luò)可視化圖譜，借此來探測(cè)仿生計(jì)算的研究前沿和變化趨勢(shì).

2 文獻(xiàn)生產(chǎn)力分析

2.1 生產(chǎn)力年度表現(xiàn)

由圖1可以看出，仿生計(jì)算相關(guān)論文在過去的20 a里急劇增長(zhǎng).從1995年～2000年，仿生計(jì)算的研究開始萌芽，其相關(guān)出版物相對(duì)較少且在Web of Science數(shù)據(jù)庫(kù)中數(shù)量不超過800篇，2000年之后，仿生計(jì)算的相關(guān)論文迅速增加，年產(chǎn)出從1995年的不到30篇到2014年2 000多篇.最近幾年變化穩(wěn)定，特別是自2002年后，有關(guān)仿生計(jì)算的論文以一個(gè)穩(wěn)定的速度增長(zhǎng).由圖中擬合的二項(xiàng)式曲線可以看出，仿生計(jì)算研究在21世紀(jì)初步入快速成長(zhǎng)期，并且可能在下一個(gè)十年里進(jìn)入它生命周期中的成熟期.

圖1 仿生計(jì)算文獻(xiàn)量近20 a來變化圖Fig.1 Variation on literature quantities of bioinspired computation over the last two decades

2.2 高生產(chǎn)力地區(qū)

如圖2所示，在所有仿生計(jì)算的刊物中，美國(guó)和中國(guó)貢獻(xiàn)了大部分的論文.美國(guó)仿生計(jì)算研究開始的較早，早在1975年開始有人著手仿生計(jì)算的研究，但是在2011年之后產(chǎn)出卻落后于中國(guó).其他如德國(guó)、意大利、英國(guó)和西班牙在仿生計(jì)算相關(guān)出版物上產(chǎn)出較低且維持一個(gè)較為平穩(wěn)增長(zhǎng)的態(tài)勢(shì).然而在所有歐洲國(guó)家發(fā)表的論文比前面的那些國(guó)家要多.從圖2可以看出中國(guó)在仿生計(jì)算研究領(lǐng)域的活躍度較高，說明中國(guó)比較重視仿生計(jì)算方面的研究.

圖2 每年仿生計(jì)算論文的國(guó)家產(chǎn)出情況Fig.2 Literature production of bioinspired computation in difference countries each years

通過圖3可以發(fā)現(xiàn)美國(guó)獲得最高的引用，證明其在仿生計(jì)算這一領(lǐng)域擁有較高的研究水平.單篇論文高引用來自北美國(guó)家(如美國(guó)和加拿大)和歐洲國(guó)家(如英國(guó)和德國(guó)).中國(guó)的平均引用率相對(duì)來說低于大多數(shù)北美和歐洲國(guó)家以及印度等，但是總引用量方面并沒有比他們低多少，僅次于美國(guó)和英國(guó).

圖3 SCI中仿生計(jì)算論文引文分布情況Fig.3 Distribution of citation on bioinspired computation literature in SCI

圖4中節(jié)點(diǎn)的大小代表國(guó)家間文獻(xiàn)合著的中心度的大小，節(jié)點(diǎn)間的連線粗細(xì)代表節(jié)點(diǎn)間的連接強(qiáng)度，從圖4中可以看出，在仿生計(jì)算研究論文的國(guó)際合作方面，美國(guó)、德國(guó)和中國(guó)的節(jié)點(diǎn)中心度較高，之間的合作較為密切.同時(shí)從圖中還清楚的表明美國(guó)是仿生計(jì)算研究合作中處于中心地位.其他國(guó)家如意大利、西班牙和瑞士等在SCI出版物中的仿生計(jì)算研究合作相對(duì)較少.國(guó)家間合作網(wǎng)絡(luò)反映了在這些國(guó)家間仿生計(jì)算研究領(lǐng)域的知識(shí)傳遞.

2.3 高生產(chǎn)力期刊

從圖5中可以看出，在所有來自SCI數(shù)據(jù)庫(kù)的期刊中，計(jì)算機(jī)科學(xué)的相關(guān)雜志上刊載了大部分的仿生計(jì)算研究的論文.在仿生計(jì)算研究的出版物中，LectureNotesinComputerScience產(chǎn)生了1 350篇排在第1位，IEETransactionsonEvolutionary以466篇位居第2位，AppliedSoftComputing以450篇位居第3.

圖4 SCI中仿生計(jì)算的國(guó)際合作網(wǎng)絡(luò)Fig.4 International cooperation network of bioinspired computation in SCI

圖5 SCI中仿生計(jì)算領(lǐng)域高產(chǎn)出期刊的分布情況Fig.5 Distribution of productive journals in the field of bioinspired computation in SCI

圖6描繪了每年有關(guān)仿生計(jì)算論文出版的分布情況.這個(gè)研究領(lǐng)域從2000年開始吸引了科學(xué)家的重點(diǎn)關(guān)注.過去的15 a里，LectureNotesinComputerScience《計(jì)算機(jī)科學(xué)講義》作為有關(guān)仿生計(jì)算的主要刊物，在2004年和2006年幾乎發(fā)表了這10 a里主要的論文，而后幾年幾乎沒有發(fā)表有關(guān)仿生計(jì)算的論文.而IEEETransactionsonEvolutionaryComputation《電氣和電子工程師協(xié)會(huì)進(jìn)化計(jì)算雜志》、AppliedSoftComputing《應(yīng)用軟計(jì)算》和ExpertSystemswithApplication《專家系統(tǒng)與應(yīng)用》在2007年曾一度達(dá)到了LectureNotesinComputerScience的水平.在SCIE數(shù)據(jù)庫(kù)中，其他期刊在過去的10 a中保持一種平穩(wěn)出版態(tài)勢(shì)，大約每年出版30篇論文.

圖6 每年仿生計(jì)算論文的期刊產(chǎn)出情況Fig.6 Production of journals on bioinspired computation each year

3 文獻(xiàn)研究特征分析

3.1 主題分析

圖7展示了仿生計(jì)算的相關(guān)研究主題分布，主要有計(jì)算機(jī)科學(xué)、工程學(xué)、數(shù)學(xué)、管理運(yùn)籌學(xué)、生物化學(xué)和分子生物學(xué)、自動(dòng)化控制系統(tǒng)等領(lǐng)域，而且仿生計(jì)算大多數(shù)研究論文集中在計(jì)算機(jī)科學(xué)，主要是由于它最初也是被應(yīng)用在計(jì)算機(jī)科學(xué)領(lǐng)域.隨著時(shí)間的推移，這種方法逐漸推廣被用來解決生物科學(xué)或工程學(xué)中許多問題.根據(jù)SCI論文的數(shù)據(jù)顯示，目前越來越多的學(xué)科領(lǐng)域開始關(guān)注和運(yùn)用仿生計(jì)算，這些都證明了其在科學(xué)研究中的優(yōu)越性.

圖7 SCI中仿生計(jì)算領(lǐng)域論文主題分布情況Fig.7 Distribution of main subjects of bioinspired computation literature in SCI

圖8描繪了仿生計(jì)算主要研究學(xué)科領(lǐng)域論文的年度出版的分布情況.從圖8中可以看出計(jì)算機(jī)科學(xué)、工程學(xué)、數(shù)學(xué)等仿生計(jì)算相關(guān)的學(xué)科領(lǐng)域從1995年開始就有零星的仿生計(jì)算的研究論文出版，并在過去的20 a里，仿生計(jì)算研究領(lǐng)域的主要學(xué)科領(lǐng)域年發(fā)文量有了長(zhǎng)足的進(jìn)步，其中計(jì)算機(jī)科學(xué)與工程學(xué)這兩大領(lǐng)域文章增速較快，其他學(xué)科領(lǐng)域增長(zhǎng)則較為平穩(wěn)，這些說明在過去的20 a里仿生計(jì)算被廣泛的應(yīng)用于計(jì)算科學(xué)與工程學(xué)這兩大領(lǐng)域，其他學(xué)科領(lǐng)域?qū)Ψ律?jì)算的關(guān)注度也越來越大了.

3.2 關(guān)鍵詞分析

關(guān)鍵詞是作者對(duì)文章核心研究?jī)?nèi)容的精煉，學(xué)科領(lǐng)域里的高頻次出現(xiàn)的關(guān)鍵詞是從數(shù)據(jù)樣本中對(duì)每一篇文獻(xiàn)進(jìn)行提取后分析出的名詞短語可被視為領(lǐng)域里的研究熱點(diǎn)[12].可借助CiteSpace可視化軟件繪制關(guān)鍵詞聚類圖譜，來探測(cè)學(xué)科領(lǐng)域研究熱點(diǎn).通過繪制生物信息學(xué)領(lǐng)域的高頻詞(關(guān)鍵詞和短語)，來明確其研究的熱點(diǎn)主題.在CiteSpace中設(shè)定相應(yīng)參數(shù)并選擇探測(cè)關(guān)鍵路徑的路徑算法(Pathfinder)繪制圖譜，該算法經(jīng)過模型運(yùn)算來剪切網(wǎng)絡(luò)中大部分較不重要的節(jié)點(diǎn)關(guān)聯(lián)，只保留最重要的節(jié)點(diǎn)關(guān)聯(lián)，同時(shí)讓所有的節(jié)點(diǎn)均保持不動(dòng)，以便從最大程度上將原網(wǎng)絡(luò)簡(jiǎn)化為一個(gè)最小值網(wǎng)絡(luò)[13-14].近20 a來仿生計(jì)算研究領(lǐng)域的研究熱點(diǎn)聚類圖如圖8.

圖8 主要學(xué)科主題中仿生計(jì)算論文年度生產(chǎn)力演化趨勢(shì)圖Fig.8 Evolutional trend for annual productivity of bioinspired computation literature within the main subjects

圖9共有175個(gè)節(jié)點(diǎn)，130個(gè)連接線，圖中每個(gè)圓形節(jié)點(diǎn)代表關(guān)鍵詞節(jié)點(diǎn)，節(jié)點(diǎn)的大小代表該關(guān)鍵詞出現(xiàn)的頻次，節(jié)點(diǎn)越大表明這個(gè)關(guān)鍵詞出現(xiàn)的頻次越多節(jié)點(diǎn)之間的連線代表兩個(gè)關(guān)鍵詞共同出現(xiàn)的次數(shù)，連線越粗表明共現(xiàn)次數(shù)越多.在知識(shí)圖譜中，仿生計(jì)算領(lǐng)域共現(xiàn)頻次高于100的關(guān)鍵詞有72個(gè)，優(yōu)化(optimization)位居第一位，其它頻次位于前十位的分別是：遺傳算法(genetic algorithm &genetic algorithms)、進(jìn)化算法(evolutionary algorithms & evolutionary algorithm)、設(shè)計(jì)(design)、算法(algorithm & algorithms)、微粒群算法(particle swarm optimization)、模型(model)、系統(tǒng)(systems &system)、進(jìn)化計(jì)算(evolutionary computation)、差分進(jìn)化 (differential evolution) 等詞.具體頻次分布如表1(前20個(gè)高頻關(guān)鍵詞)所示.

圖9 近20 a仿生計(jì)算領(lǐng)域關(guān)鍵詞共現(xiàn)知識(shí)圖譜Fig.9 Knowledge map for keyword co-occurrence on bioinspired computation literature over the last two decades

表1 關(guān)鍵詞頻次分布表

3.3 引文分析

通常，高頻被引文獻(xiàn)中傳遞的知識(shí)易在某一時(shí)間段內(nèi)獲得較多研究者的認(rèn)同，并且相關(guān)研究者往往將這些高被引文獻(xiàn)內(nèi)所包含的觀點(diǎn)、知識(shí)作為開展下一步研究的知識(shí)基礎(chǔ)[15].因此，高被引文獻(xiàn)對(duì)仿生計(jì)算領(lǐng)域研究具有重大的參考價(jià)值，是該領(lǐng)域相關(guān)研究的知識(shí)基礎(chǔ).利用CiteSpace軟件，網(wǎng)絡(luò)節(jié)點(diǎn)選擇參考文獻(xiàn)，以論文標(biāo)題、摘要和關(guān)鍵詞(包括描述詞和標(biāo)識(shí)符)作為前沿術(shù)語來源，設(shè)置參數(shù)運(yùn)行CiteSpce并選擇時(shí)間線(Timeline)視圖，得到仿生計(jì)算研究領(lǐng)域共被引文獻(xiàn)時(shí)間序列演化知識(shí)圖譜.

圖10 仿生計(jì)算研究領(lǐng)域的共被引文獻(xiàn)時(shí)間序列演化知識(shí)圖譜Fig.10 Temporal evolution on knowledge map for co-citied literature in the field of bioinspired computation

如圖10所示，我們發(fā)現(xiàn)仿生計(jì)算的研究可追溯到1945年，并在1966年后，越來越多的人開始關(guān)注這一領(lǐng)域.與此同時(shí)我們還從圖中發(fā)現(xiàn)仿生計(jì)算的高被引文獻(xiàn)主要集中在1985年～2002年這一區(qū)間內(nèi)，選取共被引頻次≥300的10篇文獻(xiàn)作為近20 a國(guó)際仿生計(jì)算領(lǐng)域的高被引文獻(xiàn).按照被引頻次高低，第1篇是1989年Goldberg DE發(fā)表的“Genetic algorithms and Walsh functions: I. A gentle introduction”一文，該文從原理和用法上對(duì)遺傳算法和Walsh函數(shù)進(jìn)行了簡(jiǎn)單介紹[16].第2篇是2002年Deb K發(fā)表的“A fast and elitist multiobjective genetic algorithm: NSGA-II”，該文提出了一種快速精準(zhǔn)的多目標(biāo)遺傳算法(NSGA-II)，與帕累托進(jìn)化算法相比，NSGA-II能更好的收斂[1].第3篇是2001年Deb K發(fā)表的研究論文“Design of truss-structures for minimum weight using genetic algorithms”，該文提出用遺傳算法最小重量來設(shè)計(jì)桁架結(jié)構(gòu)的方案[17].第4篇是1989年Holland J H等人發(fā)表的“Classifier systems and genetic algorithms”一文，該文提出了“分類系統(tǒng)”這一概念，指出分類系統(tǒng)是大規(guī)模并行消息傳遞規(guī)則為基礎(chǔ)的系統(tǒng)，它旨在從這樣的環(huán)境中不斷吸收新的信息，而不顯著干擾已經(jīng)獲得的能力，制定套競(jìng)爭(zhēng)假設(shè)(表示為規(guī)則)的[18].第5篇是1999年Zitzler E和Thiele L發(fā)表的研究論文“Multiobjective evolutionary algorithms: a comparative case study and the strength Pareto approach”，該文對(duì)1985年以后產(chǎn)生的多目標(biāo)算法進(jìn)行了定量比較的研究[19].限于篇幅，僅對(duì)前面的5篇文獻(xiàn)做詳細(xì)的說明.具體的10篇高被引文獻(xiàn)按被引頻次從大到小排列如表2所示，這些說明了1985年～2002年間，仿生計(jì)算的研究開始慢慢起步，許多經(jīng)典的文獻(xiàn)都出自這一時(shí)期.而自2002年后少有高被引文獻(xiàn)出現(xiàn)，主要由于文獻(xiàn)出版年限較短，時(shí)間累計(jì)效應(yīng)不足，以至該時(shí)間段內(nèi)文獻(xiàn)被引頻次相對(duì)不高.

表2 共被引網(wǎng)絡(luò)中被引頻次排名前10位的文獻(xiàn)(高被引文獻(xiàn))

續(xù)表2

4 結(jié)論

本文采用科學(xué)計(jì)量方法、可視化分析法和內(nèi)容分析法對(duì)全球仿生計(jì)算文獻(xiàn)的影響進(jìn)行了研究，且最開始通過參照仿生計(jì)算研究的文獻(xiàn)對(duì)其研究歷史進(jìn)行了回顧.出版歷史追溯到1945年，并從最近4～5年開始蓬勃發(fā)展.從1985年～2002年左右，仿生計(jì)算的研究處于起步階段，然后步入快速增長(zhǎng)階段，現(xiàn)在到達(dá)其生命周期中的成熟期前期.可以預(yù)見，在不久的將來這個(gè)領(lǐng)域的出版物將會(huì)在一段較長(zhǎng)時(shí)間內(nèi)繼續(xù)保持膨脹態(tài)勢(shì).

仿生計(jì)算在計(jì)算機(jī)科學(xué)和工程學(xué)等領(lǐng)域的應(yīng)用越來越廣泛，除此之外管理運(yùn)籌學(xué)、生物信息計(jì)量、人工智能、工程計(jì)算等領(lǐng)域也越來越關(guān)注仿生計(jì)算，可以預(yù)見，未來仿生計(jì)算的應(yīng)用還將向力學(xué)、化學(xué)、材料科學(xué)等學(xué)科領(lǐng)域拓展，在這些學(xué)科領(lǐng)域的應(yīng)用將越來越廣泛.

仿生計(jì)算研究主要集中在計(jì)算機(jī)科學(xué)這個(gè)學(xué)科中.在SCI數(shù)據(jù)庫(kù)中，所有的產(chǎn)出主要集中在兩個(gè)期刊上，如LectureNotesInComputerScience《計(jì)算機(jī)科學(xué)講義》和IEETransactionsonEvolutionaryComputation《電氣和電子工程師協(xié)會(huì)進(jìn)化計(jì)算雜志》.在社會(huì)網(wǎng)絡(luò)分析中發(fā)現(xiàn)，仿生計(jì)算研究合著論文已經(jīng)逐漸成為主流，一個(gè)關(guān)于仿生計(jì)算研究的協(xié)作網(wǎng)絡(luò)正在慢慢形成.

在所有國(guó)家中，仿生計(jì)算的相關(guān)論文分布不均.美國(guó)、中國(guó)和英國(guó)是該領(lǐng)域SCI論文高產(chǎn)國(guó)家.一些歐洲國(guó)家例如西班牙和德國(guó)發(fā)表的高影響力論文超過了中國(guó)和英國(guó)這兩個(gè)高產(chǎn)國(guó)家.根據(jù)國(guó)家和機(jī)構(gòu)分析的元數(shù)據(jù)可以看出，在過去的幾十年間，仿生計(jì)算的研究中心位于美國(guó).

仿生計(jì)算的研究領(lǐng)域主要集中在遺傳算法、差分進(jìn)化算法和微粒群算法等智能算法的優(yōu)化和集成化智能軟硬件系統(tǒng)的開發(fā)應(yīng)用上.通過研究關(guān)鍵字，在科學(xué)數(shù)據(jù)庫(kù)中，除了“優(yōu)化”，“遺傳算法”、“進(jìn)化算法”和“微粒群算法”，“系統(tǒng)”是另外被高度使用的關(guān)鍵詞，這表明在仿生計(jì)算研究領(lǐng)域仿生智能算法的優(yōu)化和集成智能軟硬件的開發(fā)和應(yīng)用將是未來的研究熱點(diǎn).

[1] DEB K，PRATAP A，AGARWAL S，et al. A fast and elitist multiobjective genetic algorithm: NSGA-II[J]. Evolutionary Computation，IEEE Transactions on，2002，6(2): 182-197．

[2] CLERC M，KENNEDY J. The particle swarm-explosion，stability，and convergence in a multidimensional complex space[J]. Evolutionary Computation，IEEE Transactions on，2002，6(1): 58-73．

[3] ZITZLER E，THIELE L，LAUMANNS M，et al. Performance assessment of multiobjective optimizers: an analysis and review[J]. Evolutionary Computation，IEEE Transactions on，2003，7(2): 117-132．

[4] CRAENEN B G W，EIBEN A E，VAN HEMERT J I. Comparing evolutionary algorithms on binary constraint satisfaction problems[J]. Evolutionary Computation，IEEE Transactions on，2003，7(5): 424-444．

[5] COELLO C A C，PULIDO G T，LECHUGA M S. Handling multiple objectives with particle swarm optimization[J]. Evolutionary Computation，IEEE Transactions on，2004，8(3): 256-279．

[6] JUANG C F. A hybrid of genetic algorithm and particle swarm optimization for recurrent network design[J]. Systems，Man，and Cybernetics，Part B: Cybernetics，IEEE Transactions on，2004，34(2): 997-1006．

[7] KARABOGA D，BASTURK B. On the performance of artificial bee colony (ABC) algorithm[J]. Applied Soft Computing，2008，8(1): 687-697．

[8] QIN A K，HUANG V L，SIGAMTJAM P N. Differential evolution algorithm with strategy adaptation for global numerical optimization[J]. Evolutionary Computation，IEEE Transactions on，2009，13(2): 398-417．

[9] DERRAC J，CORNELIS C，GARCS S，et al. Enhancing evolutionary instance selection algorithms by means of fuzzy rough set based feature selection[J]. Information Sciences，2012，186(1): 73-92．

[10] TAMURA K，STECHER G，PETERSON D，et al. MEGA6: molecular evolutionary genetics analysis version 6.0[J]. Molecular Biology & Evolution，2013，30(12): 2725-2729．

[11] CHEN C. CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology，2006，57(3): 359-377．

[12] 趙蓉英，許麗敏. 文獻(xiàn)計(jì)量學(xué)發(fā)展演進(jìn)與研究前沿的知識(shí)圖譜探析[J]. 中國(guó)圖書館學(xué)報(bào)，2010(5): 60-68．

[13] CHEN C. Visualising semantic spaces and author co-citation networks in digital libraries[J]. Information Processing & Management，1999，35(3): 401-420．

[14] CHEN C，PAUL R J. Visualizing a knowledge domain’s intellectual structure[J]. Computer，2001(3): 65-71．

[15] 邱均平，呂 紅. 近五年國(guó)際圖書情報(bào)學(xué)研究熱點(diǎn)，前沿及其知識(shí)基礎(chǔ)——基于 17 種外文期刊知識(shí)圖譜的可視化分析[J]. 圖書情報(bào)知識(shí)，2013(3): 4-15．

[16] GOLDBERG D E. Genetic algorithms and Walsh functions: PartⅠ，a gentle introduction[J]. Complex Systems，1989，3(3)：129-152．

[17] DEB K，GULATI S. Design of truss-structures for minimum weight using genetic algorithms[J]. Finite Elements in Analysis and Design，2001，37(5): 447-465．

[18] BOOKER L B，GOLDBERG D E，Holland J H. Classifier systems and genetic algorithms[J]. Artificial Intelligence，1989，40(1): 235-282．

[19] ZITZLER E，ThIELE L. Multiobjective evolutionary algorithms: a comparative case study and the strength Pareto approach[J]. Evolutionary Computation，IEEE transactions on，1999，3(4): 257-271．

Productivity and characteristics analysis of literature on international bioinspired computation

YOU Ge，LIU Xiang，WAN Xiaoping

(School of Information Management，Central China Normal University，Wuhan 430079)

The bibliometric methods，knowledge visualization technologies were employed on analyzing global production，main subject categories，key journals，top productive countries，most frequently used keywords and the papers with top citations. The results suggest that the major focus in this field are algorithms，models and systems. The USA is the leading country and center for international cooperation in the field of bioinspired computation. Research on bioinspired computation extends to bionic intelligent algorithm optimization and intelligent hardware and software systems integration．

bioinspired computation; swarm intelligence algorithm; visualization; bibliometrics; Citespace

2016-05-04.

國(guó)家自然科學(xué)基金項(xiàng)目 (71303090，71673106)．

1000-1190(2016)05-0713-08

TB17

A

*通訊聯(lián)系人. E-mail: xiangliu@mail.ccnu.edu.cn.