近年來，物聯網、雲數據中心、智能電網以及可穿戴健康設備等新應用的快速發展產生了海量的時間序列數據。在此大環境下，機電工程系成立了「大數據分析、機器學習」研究小組，近期在機器學習方面取得重要進展，成果發表在國際SCI、EI雙檢索期刊《Cluster Computing》上。
人工蜂群算法（Artificial Bee Colony (ABC) Algorithm）是模仿蜜蜂行為提出的一種優化方法，是群體智能思想的一種重要的機器學習方法，主要用來解決最優化問題。目前，人工蜂群算法主要應用於大數據分析中的機器迭代、移動通信信道的最優化利用、旅遊路線規劃、物流最優路徑規劃、電力系統故障診斷、船舶目標方位估計、單通道周期性信號盲分離、太陽能電池模型參數的辨識和孤島式混合能源系統優化配置等。
然而，傳統的人工蜂群算法收斂速度慢且容易陷入局部最優解，為了克服這兩個缺點，機電工程系劉文老師和張土前老師，提出了一種能基於自適應隨機優化策略的人工蜂群改進算法，證明了算法的收斂性，並且設計了具體的實驗方法，期間陶紅玉和付國慶兩位老師全程參與並完成了具體實驗，實驗結果表明，改進算法的性能比傳統算法性能有較大提升。
研究小組對算法的設計源於2016年11月，多次修改算法流程，並證明了算法的收斂性，最後通過實驗驗證了算法的先進性。2017年6月開始撰寫論文，於2017年8月向《Cluster Computing》雜誌投稿，其間歷經2次大修，3次小修，於2018年3月25日正式錄用，並由斯普林格出版社在線出版。
（「大數據分析、機器學習」研究小組在SCI、EI雙檢索期刊《Cluster Computing》發表長文）
每一次的成功都是辛勤付出的結果，凝聚了團隊小組的力量，更值得我們崇拜的是老師們長期堅持的毅力和精神。每一次的實驗、每一次的演算、甚至每一次的修改都傾注了謹慎和專業。為科技打call，為我們默默付出的老師們點讚！
能讓百分之八十科技人頭腦清醒的圖片究竟是什麼樣？
編輯：高啟莉
來源：機電工程系
審核：田園 霍世剛