查看原文
其他

【特刊征稿】DSM┃元启发式算法研究进展及其在复杂优化问题中的应用

KeAi 科爱KeAi 2022-12-31




元启发式(meta-heuristics)是什么 

元启发式算法有多种分类,如基于进化的、基于群体智能的、基于物理性质的,以及基于人类行为的各种算法 。

常见的算法如模拟退火算法 (SA)、遗传算法 (GA)、粒子群优化算法 (PSO) 和差分进化算法 (DE)。


与精确算法相比,元启发式算法较少依赖数学建模和推导——它们更广泛地使用“试错”原则来寻找解决方案。元启发式算法所具有的高度灵活性使其在避免局部最优方面展现出得天独厚的优势。

与此同时,寻找有效优化元启发式的方法仍然是研究者要面对的一个挑战,本期特刊聚焦在元启发式算法改进及其在求解复杂优化问题方面的最新研究成果。


期 刊 介 绍


Data Science and Management(DSM)是由西安交通大学主办,西安交通大学管理学院、数学学院与期刊中心共同承办的开放获取型英文学术期刊。

期刊旨在推动数据科学研究及其在商业、工程、社会管理等领域的应用。将关注点聚焦在数据科学与管理科学交叉领域,突出运用数据科学理论方法,解决数字化、网络化、智能化发展中的管理难题和经济社会转型发展中的关键问题。

期刊已入选FMS管理科学高质量期刊推荐列表 FMS Journal Rating Guide(国际期刊),并被DOAJ、Scopus等重要数据库收录。


客 座 主 编


  • Dr. Lin Wang, 教授

    华中科技大学 

  • Dr. Qinghua Wu, 教授

    华中科技大学

  • Dr. Wu Deng, 教授

    中国民航大学

  • Dr. Lu Peng, 副研究员

    武汉理工大学


征 稿 范 围


题材包括但不限于:

  • 不同元启发式算法研究综述

    Reviews on different meta-heuristics

  • 针对不同元启发式的改进策略

    Improvements in different meta-heuristics

  • 元启发式在以下领域的应用

    Applications of meta-heuristics in:

  1. Logistics and supply chain management

  2. Machine learning and deep learning models

  3. Engineering optimisation problems

  4. Prediction theories and methods

  5. Economics modelling




投稿截止:2022年11月15日

投 稿 须 知


  • 投稿前请仔细阅读期刊主页的“Guide for Authors”

  • 投稿链接:https://www.editorialmanager.com/dsm/default1.aspx

  • 请在提交时选择<Meta-heuristics>

扫码进入“作者指南”页面

扫码进入“投稿”页面





点击阅读原文进入投稿页面


KeAi


科爱出版




您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存