商学院、知识产权学院李彤教授课题组在国际期刊《Information Sciences》（JCR一区，IF8.233，计算机科学Top期刊）上发表题为“Cohesive clustering algorithm based on high-dimensionalgeneralized Fermat points”的研究成果。
https://doi.org/10.1016/j.ins.2022.08.100
针对目前聚类理论没有最优聚类中心点的不足，课题组将数论中数据最优集结点（Fermat点）理论首次向高维拓展，严格规范了聚类中心点“类内差距最小化”的理论表达，并提出了一种以Fermat点为聚类中心点的凝聚式聚类算法——FL算法。不同于国际通常采用的群体智能类、神经类、进化类等智能算法设计框架，FL算法以植物向光性机理作为算法启发源，是一种面向高维数据聚类分析的智能算法。课题组的研究证明了聚类中心点的最优选择，对高维数据聚类的最终结果起到至关重要的作用。本文的理论为结构复杂的高维数据进行模式识别提供了新的理论依据和算法支撑。
实现FL算法运行的模拟植物生长算法（Plant Growth Simulation Algorithm，PGSA）是李彤教授在两项国家自然科学基金面上项目支持下提出的原创智能算法。由于PGSA的“无参数”设计首次回避了其他智能算法存在的参数设定难题，因此被美国、俄罗斯、意大利、爱尔兰、韩国、日本、土耳其、印度等十余个国家的学者用于解决人工智能、物流、电力、水利、军事、计算机、金融、核工业、机械、建筑、医疗等领域的各类优化问题。同时，国内的上海交通大学、同济大学、华南理工大学、北京交通大学、中山大学、大连理工大学、南京大学、厦门大学、哈尔滨工业大学、苏州大学、大连海事大学、上海理工大学、江南大学等五十余所大学的数百位学者采用PGSA解决了各领域的实际问题。PGSA经过20年的不断发展，已经形成了一类具有“无参数”特色的智能算法体系，获得了良好的国内外学术声誉。
