专题征稿-SI5 自适应启发式算法与机器学习及其应用
发布人：liangjing 发布时间：2018/7/4 13:43:19 浏览次数：25932次
【字体:
】
】专题简介
11“自适应”是生物为适应变化环境而调整自身的一种行为特征；更是系统保持其在变化环境下最优状态的一种重要方式。各类启发式算法以及机器学习方法必须面对如动态环境、约束、多/超多目标问题、大规模问题等各种实际而复杂的环境。然而，大多数启发式算法/机器学习方法尚不能基于演化信息/数据信息而实现自我调整。为使启发式算法以及机器学习方法根据环境变化自我调整，以使其性能在新的或已变化的环境下仍能保持最佳或次佳；大量自适应方法被用来辅助算法设计，并被广泛地应用于机器人、电网、工业工程、化工、物流等诸多领域。11通过《郑州大学学报（工学版）》“自适应启发式算法与机器学习及其应用”专题的讨论，将有助于启发式算法以及机器学习算法的理论研究和实际应用。本专题的目的在于提供自适应方法在启发式算法以及机器学习算法中的最新研究进展，并从实际应用的角度来展示其“适应性”。
11“自适应”是生物为适应变化环境而调整自身的一种行为特征；更是系统保持其在变化环境下最优状态的一种重要方式。各类启发式算法以及机器学习方法必须面对如动态环境、约束、多/超多目标问题、大规模问题等各种实际而复杂的环境。然而，大多数启发式算法/机器学习方法尚不能基于演化信息/数据信息而实现自我调整。为使启发式算法以及机器学习方法根据环境变化自我调整，以使其性能在新的或已变化的环境下仍能保持最佳或次佳；大量自适应方法被用来辅助算法设计，并被广泛地应用于机器人、电网、工业工程、化工、物流等诸多领域。11通过《郑州大学学报（工学版）》“自适应启发式算法与机器学习及其应用”专题的讨论，将有助于启发式算法以及机器学习算法的理论研究和实际应用。本专题的目的在于提供自适应方法在启发式算法以及机器学习算法中的最新研究进展，并从实际应用的角度来展示其“适应性”。
11“自适应”是生物为适应变化环境而调整自身的一种行为特征；更是系统保持其在变化环境下最优状态的一种重要方式。各类启发式算法以及机器学习方法必须面对如动态环境、约束、多/超多目标问题、大规模问题等各种实际而复杂的环境。然而，大多数启发式算法/机器学习方法尚不能基于演化信息/数据信息而实现自我调整。为使启发式算法以及机器学习方法根据环境变化自我调整，以使其性能在新的或已变化的环境下仍能保持最佳或次佳；大量自适应方法被用来辅助算法设计，并被广泛地应用于机器人、电网、工业工程、化工、物流等诸多领域。11通过《郑州大学学报（工学版）》“自适应启发式算法与机器学习及其应用”专题的讨论，将有助于启发式算法以及机器学习算法的理论研究和实际应用。本专题的目的在于提供自适应方法在启发式算法以及机器学习算法中的最新研究进展，并从实际应用的角度来展示其“适应性”。
11“自适应”是生物为适应变化环境而调整自身的一种行为特征；更是系统保持其在变化环境下最优状态的一种重要方式。各类启发式算法以及机器学习方法必须面对如动态环境、约束、多/超多目标问题、大规模问题等各种实际而复杂的环境。然而，大多数启发式算法/机器学习方法尚不能基于演化信息/数据信息而实现自我调整。为使启发式算法以及机器学习方法根据环境变化自我调整，以使其性能在新的或已变化的环境下仍能保持最佳或次佳；大量自适应方法被用来辅助算法设计，并被广泛地应用于机器人、电网、工业工程、化工、物流等诸多领域。
11通过《郑州大学学报（工学版）》“自适应启发式算法与机器学习及其应用”专题的讨论，将有助于启发式算法以及机器学习算法的理论研究和实际应用。本专题的目的在于提供自适应方法在启发式算法以及机器学习算法中的最新研究进展，并从实际应用的角度来展示其“适应性”。
投稿范围
投稿范围
本专题征稿主题包括但不限于以下内容:
>>面向大数据/复杂问题的启发式算法/机器学习自适应方法
>>机器学习辅助的自适应方法
>>强化学习和迁移学习辅助的自适应方法
>>数据挖掘技术辅助的自适应方法
>>数据挖掘技术辅助的自适应方法
>>超启发式算法中的自适应方法
>>深度学习中的自适应方法
>>自适应方法的理论分析
>>自适应启发式算法/机器学习在机器人及人工智能领域的应用
>>自适应启发式算法/机器学习在各类工程问题中的应用
投稿时间
投稿截止日期： 2018/12/31
录用/不录用通知： 2019/01/31
终稿投稿日期： 2019/02/15
预计在线出版日期： 2019/05/30
欢迎作者在提交论文的截止日期之前提交论文，所有稿件将于收到后尽快处理，方便文章及时发表。投稿网址http://gxb.zzu.edu.cn
请在投稿系统标明专题投稿，将文章题目标注为“SI5:题目”。
客座主编
汤奇荣 同济大学Email: qirong.tang@outlook.com
蔡昕烨 南京航空航天大学Email: xinye@nuaa.edu.cn
范勤勤 上海海事大学Email: forever123fan@163.com
郭为安 同济大学Email: guoweian@tongji.edu.cn
于坤杰 郑州大学Email: yukunjie@zzu.edu.cn
颜学峰 华东理工大学Email: xfyan@ecust.edu.cn