Уважаемые коллеги, доброго времени суток! Представляем вам немецкое научное издание Evolutionary Intelligence. Журнал имеет третий квартиль, издается в Springer Verlag, его SJR за 2022 г. равен 0,572, пятилетний импакт-фактор 2,9, печатный ISSN - 1864-5909, электронный - 1864-5917, предметные области - Когнитивная неврология, Информатика – искусственный интеллект, Компьютерные науки, Математика (общие вопросы), Искусственный интеллект, Машинное зрение и распознавание образов. Вот так выглядит обложка:
Редактором является Винченцо Лойя, контактные данные - loia@unisa.it, stefania.tomasiello@ut.ee.
Данный журнал обеспечивает международный форум для своевременной публикации и распространения фундаментальных и прикладных исследований в области эволюционного интеллекта. Спектр новых областей современного искусственного интеллекта, включая большие данные, глубокое обучение, вычислительную нейронауку в сочетании с эволюционными вычислениями и другие методы поиска на основе популяций, составляют основу журнала Evolutionary Intelligence. Темы, представляющие интерес для эволюционного интеллекта, относятся к различным аспектам эволюционных моделей вычислений, основанных на подходах, основанных на интеллекте, включая, но не ограничиваясь этим:
- архитектуру;
- оптимизацию и настройку моделей;
- алгоритмы машинного обучения;
- адаптивные алгоритмы;
- вдохновленные жизнью, стратегии, ориентированные на рой, высокопроизводительные вычисления, массовую обработку данных, с приложениями к предметным областям например, компьютерное зрение;
- обработка изображений;
- моделирование;
- робототехника;
- вычислительные финансы;
- медиа;
- интернет вещей;
- медицина;
- биоинформатика;
- умные города и тому подобное.
Приветствуются обзоры, описывающие современное состояние в конкретных областях и приложениях.
Адрес издания - https://www.springer.com/journal/12065
Пример статьи, название - A memetic quantum-inspired genetic algorithm based on tabu search. Заголовок (Abstract) - Over the past few years, quantum-inspired genetic algorithm, as the forerunner of quantum evolutionary algorithms has made significant achievements in solving optimization problems in various fields. The ability of this algorithm to comprehensively search the problem space and discover global extrema is due to the power of the exploration process in this algorithm, which in turn is attributed to the mutations resulting from quantum rotation gates. But the best results in evolutionary algorithms are obtained when there is a reasonable balance between the exploration process (general search) and the exploitation process (local search). Under such conditions, the convergence speed of the algorithm in finding the global optima is no longer suppressed. In this research, a memetic quantum-inspired evolutionary algorithm is proposed, which is a combination of a quantum genetic algorithm and a local search-based meta-heuristic called tabu search. In the proposed method, mutations of the rotation gate cover the entire problem space and access distant solutions. Consequently, the impulses generated by the tabu search in each iteration limit the range of motion and access to nearby solutions. Consecutive execution of these two processes turns the classical mutation operator into a directional mutation and accelerates the convergence of evolution. The evaluation results of this algorithm on unimodal and multimodal benchmark functions reflect the superiority of the proposed method over state-of-the-art methods in terms of convergence rate and running time.
Keywords: Evolutionary algorithms; Quantum evolutionary algorithms; Memetic algorithms; Tabu search; Genetic algorithm