基于知識圖譜的智群計算國內外研究可視化分析

黃雪娟 劉金碩 姚 昱

1(武漢體育學院體育工程與信息技術學院國家體育總局體育工程重點實驗室 湖北 武漢 430079)2(武漢大學計算機學院 湖北 武漢 430072)

0 引 言

群體智能是指個體低能的動物通過群體協作能夠完成高智能任務，例如，螞蟻群找到食物與洞穴之間的最優路徑。智群計算是指使用計算機技術模擬自然界中生物群體協作智能行為，從而實現復雜問題的求解[1]。作為人工智能的分支之一，隨著復雜應用問題求解需求的不斷高漲，蓬勃發展的智群計算獲得了持續關注。目前智群計算領域的研究力量、研究方向主要集中在哪里？形成了哪些研究分支領域？研究發展是如何演變的？目前的研究熱點和前沿又是什么？本文基于公開發表的相關學術文獻構成的知識圖譜，對上述問題進行可視化分析，為該領域的研究工作者提供參考。

1 研究說明

1.1 數據來源

研究數據來源于美國科學信息所的跨學科綜合性學術信息數據庫Web of Science核心數據集(包括SCI+SSCI+A&HCI+CPCI-S+CPCI-SSH)，檢索方式為主題檢索(TS=Swarm Intelligence)，時間跨度為1986年-2018年，檢索時間為2018年11月26日，共得到6 696篇文獻，類型分別為Article(3 200篇)、Proceeding Paper(3 503篇)、Review(158篇)。

1.2 研究內容

除了統計分析相關文獻數量時間序列外，本文從以下方面探討了智群計算領域目前的國內外研究：(1) 研究力量分析；(2) 研究方向分析；(3) 研究主流分析；(4) 研究發展演變分析；(5) 研究熱點和前沿分析。

1.3 研究工具

研究過程中主要使用的工具包括：

(1) 知識圖譜 知識圖譜[2]以科研文獻為研究對象，基于“共現聚類”原理，從主體層面(作者、國家和機構等)和主題層面(關鍵詞、學科領域和參考文獻等)進行提取，根據對象間的聯系及其強弱構建網絡結構，通過可視化分析該網絡結構，發現學科領域知識結構的隱含模式以及科研發展規律等。CiteSpace[2]是由美國德雷塞爾大學信息科學技術學院Chaomei Chen教授基于Java平臺研發的以知識圖譜形式可視化分析科研文獻發展模式和趨勢的軟件。CiteSpace提供了豐富的分析功能，包括不同組合的耦合分析、共詞分析和共被引分析等，在國內外的自然科學和人文社會科學領域有廣泛應用。由于CiteSpace的顯示方面略有不足，因此本文研究采用了一些輔助數據分析和可視化軟件。

(2) 輔助分析可視化軟件 Tableau Desktop是基于斯坦福大學相關技術開發的將數據運算與圖表呈現結合在一起的應用軟件，是一款強大的幫助用戶查看和理解數據的可視化分析工具。Tableau具有強大的跨數據源連接、數據擴展性強、操作簡單等特點，在國際數據分析與可視化軟件排列榜上名列前茅。

2 研究結果可視化與分析

2.1 發文數量時序分析

雖然Swarm Intelligence概念第一次是1989年由加利福利亞大學電機學院的Beni G教授和Jing W[3]在機器人系統背景下提出的，但收錄進Web of Science核心合集中以Swarm Intelligence為主題的第一篇文獻是加利福尼亞大學洛杉磯分校的Cao YU、Fukunaga A S和Kahng A B三位學者于1997年發表于期刊AUTONOMOUS ROBOTS上的高達近500引用頻次的論文[4]。圖1所示的發文數量時間序列清晰地呈現了：2001年之后至今，該領域的研究工作一直處于高速發展中，其中2008年、2012年、2016年分別出現了階段性井噴，每次井噴都較前一年有1.5倍左右的增幅。需要說明的是2018年結束之后更新的發文數量一定會比圖中所示的數據柱高一些。

圖1 發文數量時間序列圖(1997-2018)

2.2 研究力量及合作分析

本文從作者、國家/地區和研究機構三個方面分析智群計算領域研究力量分布。因此在CiteSpace中將知識圖譜的節點類型分別設置為Author、Country和Institution，時間劃分設置為從1986年至2018年，每2年1個時間片，每個時間片選取前50個。

(1) 作者分布分析 數據顯示全球共有12 327位科研工作者發表了智群計算相關的研究文獻，其中被引次數超過15次的作者在圖2所示的知識圖譜對應的節點上標識姓名。全球發文數量排名Top 10的作者羅列在表1中，發文數量全部超過了30篇，其中華人作者有6位。

表1 作者、國家/地區、機構的發文數量TOP10表

發文數量前三的作者分別是來自于美國華盛頓機器智能研究實驗室的Abraham A、塞爾維亞State University Novi Pazar的Tuba M和印度Rajasthan Tech University的Sharma H。雖然進入Top10的6位華人作者位列第4位之后，但華人作者的發文總和為全球第一，這也與后續文獻的國家/地區分布分析結果相吻合，說明華人在智群計算領域研究中表現活躍。同時分析圖2發現14位華人占高被引作者總人數的8成，說明華人在該領域的研究工作得到了全球范圍內的認可與肯定。

圖2 作者知識圖譜

(2) 國家/地區分布分析 數據顯示全球共有103個國家或地區的科研工作者致力于研究智群計算，占全球國家與地區總數的46%，說明該領域的研究引起了全球范圍的關注。全球地理范圍內國家/地區發文數量如圖3所示。據統計，發文數量超過200篇的國家與地區成功進入了全球Top 10，前3名國家分別是中國、印度和美國，分別為1 680篇、922篇、734篇，其發文數量的總和占到了全球發文總數的49.8%。因此，上述3個國家的科研工作者對智群計算領域的研究工作貢獻份量大。

圖3 全球國家/地區發文數量地理標識圖

(3) 研究機構分布分析 據統計，全球共有3 900個研究機構參與了智群計算領域的科研工作；位列第2的研究機構為中國科學院，與第1位的伊斯蘭自由大學的發文數量相差26篇;第3之后的研究機構發文數量與前2名相差較大。

全球范圍內發表的文獻被引次數超過50的研究機構共計21個。在圖4所示的知識圖譜中，這21個研究機構所代表的節點上均被標識出機構名稱。除了中國科學院外，還包括了國內的北京大學、武漢大學、北京航空航天大學、同濟大學、大連理工大學、濟南大學、深圳大學、東北大學和吉林大學，占上述21家機構總數的47.6%，再次佐證了前面分析得到的我國及華人研究者為智群計算領域貢獻了不少力量。

圖4 研究機構知識圖譜

(4) 合作分析研究 對作者知識圖譜進行聚類后，用文獻論文的詞匯來命名類簇，得到了圖5所示的合作作者知識圖譜，呈現了8個相對密集的合作作者簇群，分別致力于：(1) 云計算環境(#2)；(2) 自然選擇機制(#1); (3) 無線傳感器網絡(#6)；(4) 機械設計(#4); (5) pka值(#8)；(6) 新方法(#0)；(7) 智群計算(#20)；(8) 鈉離子電池(#7)。全球發文數量排名第1和第3的ABRAHAM A和SHARMA H在“云計算環境”方面存在著較為緊密的合作研究關系。

圖5 合作作者知識圖譜

分析機構知識圖譜的局部(如圖6所示)發現：中國科學院團結的合作單位包括武漢大學、中山大學、北京航空航天大學、香港理工大學、大連理工大學、深圳大學、東北大學、吉林大學、中國科學院大學、中南大學、西北工業大學、蘭州大學、上海交通大學、香港城市大學、北京科技大學、中國地質大學、國防科技大學和澳大利亞的新南威爾士大學等18家高校。發文數量第一的伊斯蘭自由大學的合作研究機構除了多數的本國高校(如德黑蘭大學)外，還包括馬來西亞特克諾爾大學等。上述合作現狀均反映出該領域的國際合作較弱，尤其是跨洲際合作需要在后期加強。

圖6 中國科學院合作機構知識圖譜顯示

除了合作研究機構群的組成外，機構合作研究的側重方向更引人注目。以伊斯蘭自由大學為例，其合作的機構群體致力于：(1) 蟻群優化; (2) 人工神經網絡；(3) 動態環境；(4) 萬有引力算法等方面的研究。而第2位的中國科學院則關注智群算法、演化算法和旅行商問題(典型復雜問題之一)方面的研究。如圖7所示。

圖7 機構合作研究致力研究點分析圖譜

2.3 研究方向分析

在CiteSpace中設置節點類型為Category，時間劃分設置為從1986年至2018年，每2年1個時間片，每個時間片選取前50個，得到了如圖8所示關于研究方向的知識圖譜及其演變過程知識圖譜(如圖9所示)。

圖8 研究方向知識圖譜

圖9 研究方向演變知識圖譜

圖8中節點的半徑大小代表了該分支方向獲得領域研究者的關注度，因此，計算機科學系列、工程、自動化控制等研究方向占據了該領域研究的主導力量。

對數據進行聚類后在時區視圖中分析研究方向演變過程，發現該領域在研究發展過程中共出現了四大學科分支：計算機科學和工程類、物理學類、生物化學類和地質學類。其中開始最早且積累文獻量最多的為計算機科學系列類(1998年)和工程類(1998年)。值得說明的是，計算機科學類在該領域的研究早在1998年就出現了人工智能分支，并于2002年后演變出現網絡安全分支。

2.4 研究主流分析

被引是衡量作者、期刊與文獻的工作在研究領域中得到認可的重要指標。因此，在CiteSpace中設置節點類型為Cited Author、Cited Journal、Reference，時間劃分設置為從1986年至2018年，每2年1個時間片，每個時間片選取前50個，依次得到了重要作者、重要期刊、重要參考文獻分析需要的知識圖譜。

(1) 重要作者分析 約束被引次數超過400篇文獻的作者用姓名標識其在圖10所示的知識圖譜中所代表的節點，得到了全球范圍內智群計算領域認可程度最高的10位作者。

圖10 被引作者知識圖譜

結合表1與圖10分析發現，全球發文章數量Top10作者與全球被引次數超過400篇作者的交集中僅只有來自于比利時布魯塞爾自由大學的Dorigo M和來自于英格蘭米德爾塞克斯大學的Yang X S，占全球被引次數超過400篇作者的20%，說明該領域文獻數量高產的作者并不一定具有較高的全球影響力，而有些不高產的作者(如Eberhart R C)的研究工作卻得到了國際上的廣泛認可。Dorigo M撰寫的所有文獻中被引次數最高的于1999年發表于期刊《人工生命》關于蟻群算法在離散優化中的應用研究[5]，被引1 352次；Yang X S被引次數最高的文獻為2013年與Fister I等合作發表于《群體與演化計算》上的關于螢火蟲算法綜述的文章[6]，被引次數為302，其為第一作者發表的文獻中被引最頻繁的為2014年發表于《神經計算與應用》上的關于布谷鳥算法的綜述文章[7]，被引次數為213。上述分析結果說明該領域中諸如蟻群算法、螢火蟲算法、布谷鳥算法等智群算法的研究工作在國內外關注度高。

(2) 重要期刊分析 約束被引次數超過1 000次的期刊用名稱標識其在圖11中所代表的節點，析出了9個文獻來源，其中8個為期刊，1個為國際會議論文集(1995年神經網絡處理IEEE國際會議)，被引次數最多的期刊為Springer出版的Lecture Notes in Computer Science(被引次數為1 741)。分析8個高引期刊，發現全部學科分類均為計算機科學，與前面分析結論一致：所有學科分支領域研究中，計算機科學、工程類的研究者表現引人注目，其所做研究工作吸引了智群計算領域中其他大多數研究者關注。

圖11 被引期刊知識圖譜

(3) 重要參考文獻分析 分析重要作者時，采用作者撰寫的所有文獻(包括第一作者和合作作者形式)在全部研究方向中的引用頻次之和作為評價指標，無法說明某一具體研究分支中哪篇文獻得到了最大范圍的關注。因此，為了驗證“高被引作者的文章之一是否是高被引參考文獻”這一假說，約束在圖12中標識出被引次數超過100的文獻作者名稱，析出了15篇該領域的重要參考文獻，其中3篇由發文數量、作者被引次數統計中均表現出色的來自于英格蘭米德爾塞克斯大學的Yang X S分別于2009年(2篇)、2010年撰寫。

圖12 參考文獻知識圖譜

由于學術文獻被認可，并被其他研究者撰寫入參考文獻部分，需要隨時間推移進行積累，較早的文獻得到了更長時間段的累積，單純從被引次數來評價作者、期刊與參考文獻忽略了時間這一維變量的影響。因此基于知識譜后臺數據，除了頻次之外，引入了中心性和突現性兩個指標對重要作者、期刊、參考文獻進行綜合評價，Top 10部分見表2-表4。

表2 重要作者評價表

表3 重要期刊評價表

在CiteSpace生成的文獻引文知識圖譜中，中心性是測度節點在網絡中重要性的指標，具有高中心性的節點往往是連接兩個不同領域的關鍵樞紐[8]；突現性是測度某時間片上引用爆發情況的指標[8]。綜合頻次、中心性和突現性三大評價指標，領域研究者需要重點關注的作者是Bonabeau E和Yang X S，重要期刊為《SWARM INTELLIGENCE》，重要文獻是Kennedy J發表于2001年和Bonabeau E發表于1999年的文章(均在表2-表4中用粗體表示)。

表4 重要參考文獻評價表

2.5 研究主流發展演變過程分析

前面探討研究方向時以文獻所屬的學科類別進行了演變分析，現從該領域研究者共識認可的角度分析研究主流的發展演變，即在CiteSpace中進行科學文獻的引用發展變化分析，設置節點為Reference，每2年1個時間片，每個時間片選擇 Top50，約束被引頻次超過100的文獻以“作者姓名(年份)”標識其在知識圖譜中的對應節點，在時區視圖中得到了圖13所示的引文時區視圖知識圖譜。

圖13 引文時區視圖知識圖譜

圖中節點的大小表示了對應文獻的被引頻次，外圈深灰色表示其具有高中心性值。沿著時間軸分析節點大小、疊加密度、標識文獻數量，可將該領域的研究演變過程大致分為1998年-2004年、2004年-2010年、2010年-2018年(現在)三個階段，研究工作逐階段升溫。

為了進一步探討每個階段關注的具體研究內容，將圖13進行聚類，并用文獻檢索關鍵字命令類簇名，得到了圖14后，分析得到如下結論：

圖14 引文關鍵字聚類時區視圖知識圖譜

智群計算領域3階段關注的具體研究內容為：

1) 第一階段(1998年-2004年) 關注于宏觀分析模型(#1類簇macroscopic analytical model)、蟻群算法(#2類簇ant algorithm)、運輸模型(#5類簇transportation model)、群體建模(#7類簇modeling crowd)等內容的研究。

2) 第二階段(2004年-2010年) 關注于自適應參數校準(#0類簇adaptive parameter caliboration)、集體超越(#6類簇collective out-perform)等內容的研究。

3) 第三階段(2010年-2018年(現在)) 關注于人工蟻群算法(#4類簇artificial bee colony algorithm)、分割式聚類(#3類簇partitional clustering)等內容的研究。

2.6 研究熱點及前沿分析

為了分析智群計算領域的研究熱點及新興前沿，在Citespace中進行文獻引文的摘要共詞分析：詞源選擇Abstract，節點類型為Reference，每2年1個時間片，每個時間片選擇Top50，得到研究熱點和新興前沿知識圖譜。

(1) 領域研究熱點分析 在CiteSpace中分析類型選擇Noun Phrase，約束圖15中用“作者姓名(年份)”標識被引用超過50次的文獻，用灰色外圈圈出的半徑相對較大的節點代表對應分支的重要文獻。

圖15 摘要共詞分析知識圖譜

將引文作為節點的摘要共詞分析知識圖譜使用tf*id、LLR和MI三種聚類算法進行聚類，并以摘要詞匯標識類簇名稱，得到了圖16所示的摘要共詞分析知識圖譜聚類圖。

圖16 摘要共詞分析知識圖譜聚類

CiteSpace軟件對智群計算領域的摘要共詞分析知識圖譜聚類后得到了8個類簇，圖16顯示為不同灰度，標識出其中5個相對密集一些的聚類簇(簇ID從0～4，排列不分先后)，簇名分別是：直接通信(direct communication),搜索性能(search performance),標準螢火蟲算法(standard fa),人工蟻群算法(abc algorithm),松馳速度更新策略(rvu strategy)。上述5個類簇反映了智群計算領域的研究熱點，由于rvu策略是微粒子群優化算法(PSO)提高收斂速度策略研究之一，因此，5個熱點中包含了3個仿生智群算法(fa,abc,pso)以及搜索性能這一評價指標，即80%的熱點覆蓋在仿生智群算法這一智群計算子領域中。

為了了解每個研究熱點的研究內容，挖掘每個類簇的重要參考文獻意義重大。分析每1類簇的數據后，按頻次、中心性、突現性綜合評估，選取每類簇的Top2引文數據得到表5。

表5 摘要共詞分析聚類說明數據表

命名為“直接通信”的#0類簇的兩篇重要文獻在頻次、中心性、突現性三個指標評估中均表現不錯，分別來自于Kennedy J于2001年、Bonabeau U于1999年發表在期刊Swarm Intelligence上的兩篇文章。#1-#4類簇的共計8個Top2中，關于粒子群算法及其在約束問題優化中應用的文獻是分別由Cler M[9]和Parsopoul K E[15]于2002年撰寫；關于蟻群優化的文獻由Dorigo M撰寫于2004年[10]；關于螢火蟲算法在多模優化中的應用文獻由Yang X S撰寫于2009年[12]；關于人工蜂群的比較研究和性能分析的文獻由Karaboga D分別撰寫于2009年[13]和2008年[14]；關于引力搜索算法在種群優化中的研究文獻由Rashedi E撰寫于2009年[11]。

通過分析智群計算領域的研究熱點，發現各類簇的核心文獻最遲發表于2009年，說明該領域研究已經得到了一定的積累，但這些熱點從時間維度上說并不能算新興研究。

(2) 領域研究新興前沿分析 在CiteSpace中分析類型選擇Burst Terms，約束用“作者姓名(年份)”標識被引用超過100次的文獻，得到引文摘要共詞分析突現結果后進行聚類，得到圖17所示的知識圖譜。聚類后共生成7個類簇：(1) 模糊規則(#0 fuzzy rules)；(2) 機器人群規模(#1 robot group size); (3) 螞蟻群(#2 ant colonies)；(4) 人工蜂群算法(#3#4 abc algorithm); (5) 模糊螞蟻系統(#5 fuzzy ant system)；(6) 路徑問題(#6 routing problem)；(7) 公共安全(#7 public safety)。

圖17 引文摘要共詞突現分析知識圖譜

值得強調的是，圖17中外圈為灰色的節點表示不同類簇里中心度較大的文獻。例如，Kennedy J于2001年發表在Swarm Intelligence上的文獻引用頻次高達227次，突現率為101.47，中心性為0.17，是連接#0類簇和#2類簇的橋梁文獻；而Bonabeau E于1999年發表于INTELLIGENCE N上的文獻引用頻次高達174次，突現率為88.2，中心性為0.14，是連接#1類簇、#2類簇和#4類簇的橋梁文獻。上述節點都屬于關鍵節點，指引相關方向的工作者高度重視。

對生成圖17的后臺數據進行統計分析，以突現性降序排列數據后抽取Top15生成表6。

表6 摘要共詞突現文獻Top15數據表

觀察表6數據，可以發現2000年、2009年、2014年左右是智群計算領域研究相對集中的爆發年份。將圖17的數據投射到時區視圖中，得到了圖18。

圖18 引文摘要共詞突現分析時區視圖知識圖譜

結合圖17分析時區視圖知識圖譜，可以看出螢火蟲算法類簇(#3和#4)從2010年開始到現在一直保持相對持續的爆發性研究勢頭；結合表4列舉的突現性數據，發現被劃分到人工蜂群算法類簇(#3和#4)共有10篇文獻，占Top15數據的67%。因此，人工蜂群算法是智群計算領域的研究新興前沿方向，并且從圖17中分辨出#3和#4類簇的關鍵節點(被灰色外圈圈出的節點)說明該領域的重要文獻分別是Karaboga D于2007年發表于J GLOBAL OPTIM[16]和Yang X S于2009年發表于WOR CONG NAT BIOL[17]的2篇文獻，分別具有0.22和0.17的中心性值，在表4列舉的Top15的中心性值比較中排列第2和第3，其重要性可見一斑。

3 結 語

本文研究工作采集了ISI的Web of Science核心合集數據庫中以Swarm Intelligence為主題的共計6 696科學文獻為研究數據，從研究力量、研究方向、研究主流及發展演變、研究熱點和前沿趨勢等方面，利用Citespace和Tableau軟件工具，繪制了18幅分析相關的可視化知識圖譜，探索了智群計算領域國內外研究現狀和演變發展趨勢：

(1) 該領域研究的文獻發表保持著持續穩定上升趨勢，分別于2008年、2012年、2016年出現了井噴。

(2) 以中國、美國、印度為代表的三個國家占據了研究工作的重要位置，發文數量最多的研究者來自于美國華盛頓機器智能研究實驗室的Abraham A。發文數量與影響力均佳的兩位研究者分別為來自于比利時的Dorigo M和來自于英格蘭的Yang X S。由此可見，國際間的研究合作仍需加強。

(3) 計算機科學和工程類、物理學類、生物化學類和地質學類是該領域研究的四大分類；以蟻群算法、螢火蟲算法、布谷鳥算法為代表的計算機科學和工程類的研究在國內外收獲了較高的關注度。

(4) 仿生智群算法是該領域當下的研究熱點，人工蟻群(abc)算法代表了該領域的研究前沿及發展趨勢，Karaboga D于2007年發表于J GLOBAL OPTIM[16]和Yang X S于2009年發表于WOR CONG NAT BIOL[17]的兩篇文獻值得此方向的研究工作者重點關注。

基于引文文獻計量和知識圖譜可視化軟件工具，對智群計算領域的研究進行了上述可視化分析，但由于CiteSpace軟件生成知識圖譜的展示局限性，以及與Tableau數據轉換的限制，研究工作無法涵蓋統計分析的全部方面，未來的研究將從多維度、多視角方向對該領域的研究進行探索。