期刊简介

模因被定义为可转移信息的基本单位，存在于大脑中，并通过模仿过程在人群中传播。从算法的角度来看，模因已被视为先验知识的构建块，以任意计算表示形式（例如，局部搜索启发式、模糊规则、神经模型等）表示，这些先验知识是通过人类或机器的经验获得的，并且可以在问题中模仿（即重复使用）。

《模因计算》杂志欢迎将上述社会文化模因概念纳入人工系统的论文，特别强调通过明确的先验知识整合来提高计算和人工智能技术在搜索、优化和机器学习方面的有效性。因此，该期刊的目标是成为高质量理论和应用研究的出口，研究混合的、知识驱动的计算方法，这些方法可以归为以下任何一种模因学类别：

类型 1：通用算法与人为设计的启发式方法相结合，可以捕获某种形式的先验领域知识；例如，将进化全局搜索与特定于问题的局部搜索相结合的传统模因算法。

类型 2：能够从各种可用选项中自动选择、调整和重用最合适启发式方法的算法；例如，在给定优化问题的情况下，学习全局搜索运算符和多个局部搜索方案之间的映射。

类型 3：通过经验自主学习的算法，自适应地重用从相关问题中提取的数据和/或机器学习模型作为新目标任务中的先验知识；示例包括但不限于迁移学习和优化、多任务学习和优化、或任何其他多X进化学习和优化方法。

模因计算创刊于2009年，由Springer Berlin Heidelberg出版社出版。其研究的主题领域包括但不限于COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE-OPERATIONS RESEARCH & MANAGEMENT SCIENCE，是一本在计算机科学领域具有重要影响力的国际期刊。该期刊涵盖了计算机科学的多个子领域，旨在全面理解和解决计算机科学问题。

根据最新的数据，模因计算的影响因子为3.3，CiteScore为6.8，h-index为26，SJR为0.945，SNIP为1.1，中科院分区为2区，这些指标均显示了该期刊在计算机科学领域的优秀地位。

该刊以English作为出版语言。对于English非母语的作者，期刊建议使用语言编辑服务，以确保文稿的语法和拼写错误得到纠正，并符合科学English的标准。如果想实现快速顺利的投稿发表，建议您联系本站的客服团队，将为您提供专业的选刊建议，并在整个投稿过程中提供细致的指导。