《Memetic Computing》出版語言：English，具體論文語言需根據(jù)相關征稿要求而定，可聯(lián)系雜志社或在線客服。

該雜志是一本由Springer Berlin Heidelberg出版的國際知名學術期刊，創(chuàng)刊于2009年，出版語言：English，專注于COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE-OPERATIONS RESEARCH & MANAGEMENT SCIENCE領域，重點介紹COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE-OPERATIONS RESEARCH & MANAGEMENT SCIENCE的最新關鍵主題。每篇文章都是對該主題的最新、完整的總結，方便尚未深入研究的人閱讀。

模因被定義為可轉移信息的基本單位，存在于大腦中，并通過模仿過程在人群中傳播。從算法的角度來看，模因已被視為先驗知識的構建塊，以任意計算表示形式（例如，局部搜索啟發(fā)式、模糊規(guī)則、神經(jīng)模型等）表示，這些先驗知識是通過人類或機器的經(jīng)驗獲得的，并且可以在問題中模仿（即重復使用）。

《模因計算》雜志歡迎將上述社會文化模因概念納入人工系統(tǒng)的論文，特別強調通過明確的先驗知識整合來提高計算和人工智能技術在搜索、優(yōu)化和機器學習方面的有效性。因此，該期刊的目標是成為高質量理論和應用研究的出口，研究混合的、知識驅動的計算方法，這些方法可以歸為以下任何一種模因學類別：

類型 1：通用算法與人為設計的啟發(fā)式方法相結合，可以捕獲某種形式的先驗領域知識；例如，將進化全局搜索與特定于問題的局部搜索相結合的傳統(tǒng)模因算法。

類型 2：能夠從各種可用選項中自動選擇、調整和重用最合適啟發(fā)式方法的算法；例如，在給定優(yōu)化問題的情況下，學習全局搜索運算符和多個局部搜索方案之間的映射。

類型 3：通過經(jīng)驗自主學習的算法，自適應地重用從相關問題中提取的數(shù)據(jù)和/或機器學習模型作為新目標任務中的先驗知識；示例包括但不限于遷移學習和優(yōu)化、多任務學習和優(yōu)化、或任何其他多X進化學習和優(yōu)化方法。

此外，關于《Memetic Computing》的數(shù)據(jù)統(tǒng)計如下：

（1）JCR分區(qū)信息：按JIF指標學科分區(qū)：Q2，按JCI指標學科分區(qū)：Q2

（2）Cite Score（2024年最新版）

（3）在中科院分區(qū)表中，大類學科中計算機科學為：2區(qū)，小類學科中COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCECOMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE-OPERATIONS RESEARCH & MANAGEMENT SCIENCE：2區(qū)

聲明：本信息依據(jù)互聯(lián)網(wǎng)公開資料整理，若存在錯誤，請及時聯(lián)系我們及時更正。