模因計算（Memetic Computing）在中科院分區(qū)中位于2區(qū)，JCR分區(qū)位于Q2。審稿速度一般為 ，且近兩年沒有被列入國際預(yù)警名單，您可以放心投稿。如果您需要投稿指導(dǎo)，可在線咨詢我們的客服老師，我們將竭誠為您服務(wù)。

模因被定義為可轉(zhuǎn)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(gòu)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(jī)器的經(jīng)驗獲得的，并且可以在問題中模仿（即重復(fù)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(qiáng)調(diào)通過明確的先驗知識整合來提高計算和人工智能技術(shù)在搜索、優(yōu)化和機(jī)器學(xué)習(xí)方面的有效性。因此，該期刊的目標(biāo)是成為高質(zhì)量理論和應(yīng)用研究的出口，研究混合的、知識驅(qū)動的計算方法，這些方法可以歸為以下任何一種模因?qū)W類別：

類型 1：通用算法與人為設(shè)計的啟發(fā)式方法相結(jié)合，可以捕獲某種形式的先驗領(lǐng)域知識；例如，將進(jìn)化全局搜索與特定于問題的局部搜索相結(jié)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(diào)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(xué)習(xí)全局搜索運(yùn)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(xué)習(xí)的算法，自適應(yīng)地重用從相關(guān)問題中提取的數(shù)據(jù)和/或機(jī)器學(xué)習(xí)模型作為新目標(biāo)任務(wù)中的先驗知識；示例包括但不限于遷移學(xué)習(xí)和優(yōu)化、多任務(wù)學(xué)習(xí)和優(yōu)化、或任何其他多X進(jìn)化學(xué)習(xí)和優(yōu)化方法。