川旅新闻网讯（通讯员 冉晓娟）近日，我院教师冉晓娟在人工智能领域的权威期刊《人工智能的工程应用》（Engineering Applications of Artificial Intelligence）（EEAI）——该期刊位列JCR Q1区，并在中国科学院期刊大类中被评为2区TOP，最新影响因子7.5——以我校为第一单位成功发表了题为《一种用于城市全球定位系统的混合遗传-模糊蚁群优化算法的自动K均值聚类方法》（A hybrid genetic-fuzzy ant colony optimization algorithm for automatic K-means clustering in urban global positioning system）的学术论文，如图1所示。

图1发表EEAI上的文章封面

发表在《EEAI》上的成果聚焦聚类学习领域，针对传统K-means算法过于依赖预设聚类中心和固定聚类数量的问题，提出了一种全新的解决方案——即混合遗传-模糊蚁群优化算法的自动K均值聚类方法。这一方法通过创新性地优化搜索策略，将噪声算法、遗传算法、蚁群优化算法和自适应模糊系统巧妙融合，有效规避了局部最优解的限制，并在探索全局最优解方面表现出色，从而实现了更为准确和稳定的聚类效果。尽管该方法在计算复杂性和初始参数调优方面仍面临一定挑战，且在处理小规模或分布不均的数据集时效果有限，但这一算法在聚类算法领域的进步已无可否认。尤其是在城市热点识别等实际应用中，展示出了巨大的潜力，为相关领域的技术创新提供了新的方向。

我校特聘教授邓武博士与学校团队等合作，以我校为第一单位在国际顶刊《IEEE Transactions on Intelligent Transportation Systems》（该期刊位列JCR Q1区，并在中国科学院期刊大类中被评为1区TOP，最新影响因子7.9）成功发表了题为《MOQEA/D：基于分解机制和优秀全局搜索的多目标量子进化算法及其应用》（MOQEA/D: Multi-Objective QEA With Decomposition Mechanism and Excellent Global Search and Its Application）的学术论文，如图2所示。

图2发表在IEEE T-ITS的文章封面

发表在《IEEE T-ITS》上的论文针对应用场景的大规模、动态、多目标、非线性等复杂特征的挑战。本文综合考虑了应用场景属性、任务类型等内容，构建了一个大规模多目标应用分配模型。然后，开发了一种基于分解机制和优秀全局搜索的多目标量子进化算法，即MOQEA/D，以有效地求解所构建的模型。具体而言，设计了一种新的分解机制，将多目标GAP分解为几个单目标子GAP。每个量子比特串独立地求解单个目标子GAP，并提出一种最优交叉新策略，以限制观测操作的随机性，最大限度地保留优秀基因，从而进一步提高了算法的优化性能，在解决复杂优化问题中具有非常重要的意义和应用价值。

近年来，我校始终秉持“教学科研并重”的发展理念，积极响应社会和学科发展的需求，通过组建高水平科研团队，鼓励并支持教师深入开展应用基础研究，实现科教与教学的深度融合，持续产出了一系列重要成果，不仅提升了学院的学术创新能力，也为学校申报“电子信息硕士点”奠定了坚实的研究基础。这一系列科研成果的涌现，是学院持续推动科研与教学协同发展、努力提升办学质量的具体体现。

这系列成果的发表标志着我校在人工智能前沿交叉研究领域的又一重要进展。该工作得到国家自然科学基金委面上项目、四川省科技计划项目、四川省中央引导地方科技发展项目的支持。