摘要：AI技术为突破传统的优化与控制理论、方法，推动智能优化与控制提供了重要途径和基础支撑。为探析AI驱动智能优化与控制的研究脉络、热点和趋势，对近10年中国知网(CNKI)和Web of Science中收录的AI驱动智能优化与控制相关文献进行筛选，得到中文文献数据共5 814条，英文文献数据共5 208条；使用CiteSpaee6.1.R6软件以及VOSviewer1.8.18软件进行可视化分析，并绘制关键词共现图谱、时间线演化图谱、作者聚类图谱等知识图谱，进行文献计量分析。结果表明：有关AI驱动智能优化与控制的文献数量整体处于上升趋势，在发文国家中以中国和美国文献数量最多。国际上对该方向的研究主要是围绕系统进行的，并尝试通过机器学习解决系统难题；国内研究热点聚集在深度学习的方向。根据研究现状和热点，对该领域进行了发展趋势预测，为AI驱动智能优化与控制领域研究提供了参考。

　　关键词：AI技术；智能优化；智能控制；Citespace；VOSviewer

　　Bibliometric Analysis of AI-driven Intelligent Optimization and Control Literature

　　Guo Hongfei1,2，Wei Yujia1,2，Ren Yaping1,2※，Chen Wenhui3

　　(1.School of Intelligent Systems Science and Engineering,Jinan University,Zhuhai,Guangdong 519070,China;2.Institute of Physical Internet,Jinan University,Zhuhai Guangdong 519070,China;3.Guangdong Sanpu Garage Co.,Ltd.,Zhaoqing,Guangdong 526238,China)

　　Abstract:AI technology provides an important way and basic support for renovating traditional optimization and control theories and methods,and promoting intelligent optimization and control.In order to explore the research context,hot spots and trends of AI-driven intelligent optimization and control,the related literatures of AI-driven intelligent optimization and control collected in China National Knowledge Infrastructure(CNKI)and Web of Science in the past 10 years were screened,and a total of 5814 Chinese literature data and 5208 English literature data were obtained;the visual analysis was performed by using CiteSpaee6.1.R6 software and VOSviewer1.8.18 software,and the keyword co-occurrence map,timeline evolution map,author cluster map and other knowledge maps were drawn for bibliometric analysis.The results show that the overall number of literature on AI-driven intelligent optimization and control is on the rise,with the largest number of Chinese and the United States among the published countries.International research on this direction is mainly around the system and tries to solve system problems through machine learning;domestic research hotspots gather in the direction of deep learning.According to the research status and hot spots,the development trend of this field was predicted,which provided reference for the field of AI driven intelligent optimization and control.

　　Key words:AI technology;intelligent optimization;intelligent control;Citespace;VOSviewer

　　0引言

　　人工智能(Artificial Intelligence，AI)技术在许多领域逐渐成为关键角色，只有不断寻找AI技术的可能性，才能向智能时代快速发展，推动人类文明的建设。在AI技术高速发展的时代，不仅仅需要研发投入的增加，更需要掌握核心技术，才能够处于主导地位。AI技术已经在工业制造、城市交通、物流运输、电力电气、航空航天等行业得到了广泛应用，它在具体的产业化和商业化项目中应用更加广泛，呈现出新的发展趋势，已经成为领域创新和革命性助手[1]。为实现智能优化与控制，AI技术的进一步发展是必然的。因此，分析与掌握相关领域未来的发展方向特性和研究趋势，能够为实现智能优化与控制提供相关的研究方向和思路。

　　近年来，AI技术领域关于智能优化与控制的文献庞杂，但目前还没有对该领域的相关文献进行计量学研究，导致科研工作者在初入该领域时，往往需要查阅大量文献资料才能掌握该领域的研究状况。但AI技术涉及众多领域，在研究上具有一定的难度，而文献计量分析可以为给定领域提供宏观的概述和演变评估，在研究跨学科和前沿领域上更具有优越性[2]。为系统梳理AI驱动智能优化与控制领域的现状、热点以及趋势，本文针对中国知网(CNKI)、Web of Science核心合集两大数据库中10余年AI驱动智能优化与控制的文献，进行关键词、时间、相关性等方面的筛选，然后使用CiteSpaee6.1.R6软件以及VOSviewer1.8.18软件进行可视化分析，并绘制知识图谱，进行文献计量分析。

　　1数据来源与研究方法

　　1.1数据来源

　　本文使用Citespace和VOSviewer文献量化分析软件，以中国知网(CNKI)数据库和Web of Science核心合集数据库为数据源，时间范围为2013—2023年，对无效文献数据进一步筛选后，得到与AI智能优化与控制研究相关的中文文献数据共5814条，英文文献数据共5208条。

　　1.2研究方法

　　Citespace与VOSviewer在进行文献分析时各有优势。Citespace软件在揭示学科的动态发展规律，发现学科的研究前沿上有一定优势，而对学科主题之间的关系进行清晰的呈现或者数据量非常大的时候，可以选取VOS‐viewer软件绘制知识图谱[3]。为能更明确地探测研究热点，把握研究方向，本文将Citespace与VOSviewer结合起来进行计量分析。

　　本文先利用Excel绘制原始数据中近10年的期刊发文量统计图表，分析发文趋势；然后，将CiteSpaee6.1.R6以及VOSviewer1.8.18作为可视化分析工具，对AI智能优化与控制研究文献进行深度挖掘，以掌握AI智能优化与控制的研究状况，预测其发展方向，为推进AI智能优化与控制的发展提供参考。

　　2结果分析

　　2.1发文数量演变规律

　　某一领域的发文数量是判断其发展趋势的重要指标，能直观反映出该领域在不同阶段的研究态势与热度[4]。图1所示为2013—2022年该领域所发表的相关文献数量趋势。由图可知，文献数量在2018年出现明显激增，10余年相关研究文献的发表数量总体呈上升趋势。

　　2013年以前提出的深度学习算法使得AI技术的应用取得飞跃性的进展。2013—2017年的数据出现了爆发式的增长，各行业对AI技术应用的需求更为急切，使得深度学习算法在视觉和语音识别上有了更近一步的发展，为AI技术的应用打下了坚实的基础。同时，经过对AI技术的不断学习和普及，人们从最初的怀疑不解，逐渐转化成理性的思考，AI技术的发展速度也在不断加快，对云计算、物联网、大数据等技术的研究有了突破性的进展。2017年以来，国务院先后出台了《国务院关于印发新一代人工智能发展规划的通知》《促进新一代人工智能产业发展三年行动计划(2018—2020年)》等一系列人工智能产业相关的政策文件[5]，为AI技术的发展提供了政策助力。正是这些原因，2018年，有关AI技术的文献数量出现了爆炸式的增长。

　　在科学技术是第一生产力的今天，AI技术在工业制造、城市交通、物流运输、电力电气、航空航天等领域应用效果显著，并创造出了极大的经济与社会效益，聚集了社会各行业的目光，学术界对AI技术的关注度也不断提升，研究人员队伍不断壮大，文献发表数量总体呈上升趋势。

　　2.2国家发文量分析

　　通过Citespace软件与VOSviewer软件对Web of Sci‐ence核心数据库中搜索出的文献进行分析，图2所示为分析结果中排名前十五的国家。其中，排名前三的国家依次为中国(1 503篇文章)、美国(1 040篇文章)、德国(426篇文章)，能够看出中国和美国的发文量远远超过其他国家。这一数据展示了中美两国对AI驱动智能优化与控制领域的重视，主要原因是科技是第一生产力，中美作为世界经济体前二的国家，想要继续发展，AI技术是一条重要途径。

　　分析结果显示，Web of Science核心数据库中收录了119个国家的相关文献，说明AI驱动智能优化与控制领域已经吸引了世界各国的目光，AI技术正在全球范围内蓬勃发展，而不仅仅是在美国和中国。特别是，从西欧各国到印度、日本和新加坡等国家，都有充满活力且迅速发展的AI领域[6]，AI驱动智能优化与控制领域也将继续在全球范围得到研究和实践。

　　2.3作者分析图谱

　　使用VOSviewer软件分别分析在中国知网(CNKI)以及Web of Science核心数据库筛选出的文献，得到如图3所示的国际作者分析图谱以及如图4所示的国内作者分析图谱。图中圆圈越大表示作者发文量越多，作者之间相连的线段颜色越深，代表其合作越紧密，而颜色越偏向黄色，则代表文献所发表的年限越近。由图3可知，在国际上，作者AI BO(CHINA)发表的文章最多，主要研究AI技术应用于解决信道障碍[7]。近两年来，国际上产出文献最多的是作者Niyato Dusit(SINGAPORE)，其最新的文章发表于2023年，主要是将AI技术应用于拍卖方向[8]。由图4可知，在国内，作者柴天佑所发文章最多，主要研究AI技术在工业工程中的应用[9]。近两年来，国内产出文献最多的是作者夏恒，其最新的文章发表于2022年，主要是对城市固废焚烧问题进行研究[10]。

　　2.4全球热点分析

　　2.4.1总体情况

　　使用VOSviewer软件对在Web of Science核心数据库筛选出的文献进行关键词分析并给出排名前15的高频关键词表，如表1所示。在所收集的文献中，发现除搜索关键词“AI”与“optimization”之外，出现频次最多的是“systems”。随着社会的发展，各行各业都形成了极其复杂的系统，由于系统内部要素众多、系统要素间关系复杂多样、系统自身存在的动态不确定性等原因，传统的优化与控制理论难以对这类复杂系统进行有效优化与控制，而近年来AI技术的发展，为解决这类问题提供了新的思路。

　　此外，高频词中出现的“machine learning”、“algo‐rithm”、“deep learning”等词汇，都与AI领域内的技术有关。机器学习是AI技术的一个重要分支，而深度学习则是机器学习的重要分支。机器学习不仅是将人工智能应用于生活的重要途径，也是进一步发展人工智能的核心推动力。自从机器学习被提出，并成为一个独立的学科分支，AI技术就开始了高速发展。机器学习中的深度学习通过建立和模拟人脑结构，能从低级到高级提取外部的数据，从而对外部数据进行处理、解释。深度学习能够使机器更加智能地学习，就像传统的计算机服务无法从本质上处理图像，需要人工处理图像之后，再将处理结果转化成机器语言，但通过机器学习和深度学习，能够实现直接使用计算机处理图片。

　　从高频关键词中发现，目前国际对AI驱动智能优化与控制的研究主要是围绕系统进行的，并尝试通过机器学习解决系统难题，模型与算法是目前使用AI技术解决问题必不可少的部分。

　　2.4.2研究趋势分析

　　图5所示为使用VOSviewer软件根据Web of Science核心数据库5 208条相关文献制作出来的全球发文关键词聚类图谱，图中关键词的演变趋势由紫色向黄色过渡。

　　2019年全球的研究热点集中在3D printing(3D打印技术)、genetic algorithm(遗传算法)、virtual-reality(虚拟现实)等一系列的基础技术与算法，此时AI驱动的智能优化与控制处于起步阶段，AI产业正在高速形成规模，市场需求也开始凸显。

　　2020年，出现较多的关键词是machine learning(机器学习)、big data(大数据)、optimization(优化)、de‐sign(设计)、internet of thing(物联网)、neural-network(神经网络)、stability(稳定性)、efficient(有效性)、security(安全性)、industry 4.0(工业4.0)等。这一阶段在大数据的背景下，人类的需求也进一步提升，催化出的工业4.0正推动传统的优化与控制理论、方法向智能优化与控制发展，人们对AI技术的追求已不单单是实现基础功能，而是向着稳定性、有效性、安全性等更多性能发展。

　　2021年，出现较多的关键词是deep learning(深度学习)、reinforcement learning(强化学习)、convolutional neural network(卷积神经网络)、training(训练)、challenges(挑战)、task analysis(任务分析)、computational model(计算建模)、covid-19(新冠肺炎)等。在这一阶段，AI技术在机器学习分支方向有了更深的研究，卷积神经网络、强化学习等更多智能优化与控制的算法理论被提出。此外，在新冠肺炎疫情的刺激下，能够减少接触、避免感染的AI技术正迅速发展。除了更深层次的发展，在这一阶段的AI技术也面对着极大的挑战。随着AI发展为人类生活中必不可少的工具，面对的问题也逐渐复杂：(1)在大数据时代下，国家、企业、组织等都注重数据隐私，使得训练模型所需要用到的数据更加难以获得；(2)AI在各领域的普及引发了各种伦理问题；(3)某些领域中AI技术带来的颠覆性革命，对相关监管政策要求更高。

　　2022年至今，出现较多的关键词是wireless commu‐nication(无线通信)、5G、6G、channel estimation(信道估计)、resource allocation(资源分配)、resource manage‐ment(资源管理)、array signal processing(阵列信号处理)、reconfigurable intelligent surface(智能超表面)等。在现阶段，AI的发展不单单是一项技术，而是涵盖了各行业的多种因素，更注重整体的资源配置与资源管理。此外，近年来深度学习在视觉处理、语音识别等众多领域获得了巨大进展，可将这些技术应用到无线通信领域，从而使通信系统走向智能化，满足大数据背景下人们对数据处理的更高需求，实现真正意义上的万物互联。

　　2.5国内热点分析

　　2.5.1总体情况

　　使用Citespace软件分析在中国知网(CNKI)中筛选出的文献，得到如图6所示的国内发文关键词聚类图谱。排在前十五的高频关键词为遗传算法(311次)、神经网络(216次)、模糊控制(184次)、人工智能(180次)、路径规划(160次)、智能控制(132次)、智能制造(123次)、蚁群算法(91次)、故障诊断(86次)、强化学习(68次)、优化控制(67次)、物联网(64次)、智能化(57次)、优化(51次)、机器学习(51次)。

　　国内对AI驱动智能优化与控制领域的研究重点放在算法的研究，其中遗传算法提及次数最多，遗传算法作为AI技术的重要分支，其较好的兼容性能够使算法不断优化改进。此外，高频关键词中还出现了神经网络、机器学习、强化学习等词，目前AI技术的研究聚集在深度学习的方向，而神经网络是深度学习的根本，因此国内对神经网络方向的研究也呈现出高热点。

　　2.5.2研究趋势分析

　　“突现词”是指某段时间内突然增加的术语。Cita‐tion Burst即突现分析功能可以探测研究领域中突现的动态概念和潜在的研究问题，反映学科发展的新兴趋势和突变情况[11]。本文通过Citespace软件对在中国知网筛选出文献的关键词进行聚类后的突现词探测算法处理，并选择AI驱动智能优化与控制领域在2013—2022年间15个突现关键词制作出突现词知识图谱，如图7所示。Be‐gin与End表示突现词的起始年份与结束年份。由图可知，每个突现词延续的时间都较短，在2~3年的时间段中，都会出现一个新的突现词，则能够看出AI技术的发展迅猛，研究方向与成果日新月异，且涉及多领域多行业。在这样的环境下，该领域的研究者想要跟紧学术前沿，就需要加快研究脚步，不断创新。

　　Strength代表强度，强度越大则表示关键词越重要。如图7所示，强度排名较大的关键词有遗传算法(16.75)、智能制造(11.31)、强化学习(7.43)、轨迹规划(7.08)、云模型(7.01)、数字化(6.15)、数据驱动(5.36)等。尽管10余年来，突现词更换的频率较高，但遗传算法始终占据重要地位，该算法可拓展性强，因此在该领域内能够不断与其他算法结合使用并进行优化。此外，智能制造一词的强度也较高，2015年国务院颁布《中国制造2025》，明确中国要从制造业大国向制造业强国转变这一目标，智能制造是主攻方向。因此在国内文献突现词分析中智能制造一词具有高强度。近2年来，强化学习一词的强度也远远高于其他词，并且时长延续至今，可见在AI驱动智能优化与控制领域下，强化学习仍将是该领域的前沿热点。

　　3结束语

　　通过计量分析10余年来AI驱动智能优化与控制领域的文献，得到AI技术已经成为全球关注的重点领域，相关文献的发表数量整体呈现上升趋势。分析了国家发文量，得到中国是发文量最多的国家，其次是美国，但中国的AI技术发展水平还与美国存在一定的差距，中美作为世界经济体前二的国家，想要继续向前发展，AI技术是一条重要途径。通过分析在Web of Science核心数据库中筛选出的文献，得知目前全球的发展迅速，形成了各种复杂的系统，传统的优化与控制理论难以对这类复杂系统进行有效的优化与控制，AI技术的发展为解决这类问题提供了新的思路，而近年来的研究前沿热点集中在深度学习与强化学习。通过分析在中国知网(CNKI)筛选出的文献，可知国内的研究前沿是机器学习和深度学习，与全球热点基本保持一致。因此，在AI驱动智能优化与控制领域内，未来的研究热点是与机器学习、深度学习、神经网络相关的方向。

　　参考文献：

　　[1]YANG L.Artificial intelligence:a survey on evolution,models,applications and future trends[J].Journal of Management Analyt‐ics,2019,6(1):1-29.

　　[2]GAO F,JIA X,ZHAO Z,et al.Bibliometric analysis on tenden‐cy and topics of artificial intelligence over last decade[J].Micro‐system Technologies,2019,27:1-13.

　　[3]付健,丁敬达.Citespace和VOSviewer软件的可视化原理比较[J].农业图书情报,2019,31(10):31-37.

　　[4]SU M,PENG H,LI S F.A visualized bibliometric analysis of map‐ping research trends of machine learning in engineering(MLE)[J].Expert Systems with Applications,2021,186:1-11.

　　[5]袁野,于敏敏,陶于祥,等.基于文本挖掘的我国人工智能产业政策量化研究[J].中国电子科学研究院学报,2018,13(6):663-668.

　　[6]全球AI投资现状及发展趋势[C]//清研智库系列研究报告(2020年第5期),2020:4.

　　[7]MI H,AI B,HE R S,et al.Multi-scenario millimeter wave wireless channel measurements and sparsity analysis[J].China Communi‐cations,2022,19(11):16-31.

　　[8]ASHERALIEVA A,NIYATO D,XIONG Z.Auction-and-learn‐ing based lagrange coded computing model for privacy-preserv‐ing,secure,and resilient mobile edge computing[J].IEEE Trans‐actions on Mobile Computing,2023,22:744-764.

　　[9]杨涛,易新蕾,卢绍文,等.工业人工智能驱动的流程工业智能制造[J].Engineering,2021,7(9):70-83.

　　[10]王天峥,汤健,夏恒等.多模态数据驱动的城市固废焚烧过程验证平台设计与实现[J/OL].中国电机工程学报:1-12[2023-02-05].

　　[11]陈超美,陈悦,侯剑华,等.CiteSpace II:科学文献中新趋势与新动态的识别与可视化[J].情报学报,2009(3):410.

　　[12]史进程,郭洪飞,张儒,等.基于知识图谱的物联网研究文献计量分析[J].计算机集成制造系统,2021,27(1):228-239.

　　[13]郭洪飞,冯亚磊,张瑜,等.基于CiteSpace的数字孪生技术研究进展与趋势分析[J].计算机集成制造系统,2020,26(12):3195-3204.

　　[14]程晓光.全球人工智能发展现状、挑战及对中国的建议[J].全球科技经济瞭望,2022,37(1):64-70.

　　[15]赵男男.我国人工智能领域发展动态与趋势研究[J].成都工业学院学报,2021,24(1):41-46.

　　[16]张茜,贺建鹏.人工智能的发展及趋势[J].电子技术与软件工程,2019,No.154(8):241-242.

　　[17]孙昊.新一代人工智能的现状及发展趋势分析[J].数码世界,2018,158(12):18.

　　[18]龙瀚华.人工智能(AI)技术应用与发展趋势[J].科技创新导报,2018,15(14):157.

　　[19]王嘉玥.AI(人工智能)在中国目前发展的现状[J].数码世界,2017,142(8):194.

　　[20]盛云梦,刘倩.基于CiteSpace的国际人工智能研究热点与趋势分析[J].软件工程,2022,25(11):35-38.

　　[21]郭乐倩,李晶,杨文方,等.基于CiteSpace进行人工智能、大数据与期刊融合发展的现状和热点分析[J].新媒体研究,2022,8(2):6-11.