تفاوت تاریخ بروزرسانی در صورت داشتن اشتراک

نمایه آخرین بروز رسانی
Scopus فوریه ۲۰۲۲
ISI مارس ۲۰۲۳
SCImago ژانویه ۲۰۲۰
ISI Open Access Journals مارس ۲۰۲۴
لیست سیاه وزارت علوم فروردین ۱۴۰۲
لیست سیاه وزارت بهداشت فروردین ۱۴۰۲
لیست سیاه دانشگاه آزاد بهمن ۱۳۹۹
مجلات دارای زمان داوری ژانویه ۲۰۲۲
مجلات درجه بندی شده از نظر سختی پذیرش ژانویه ۲۰۲۲
فراخوانهای مقاله فوریه ۲۰۲۴
نمایه آخرین بروز رسانی
Scopus ژانویه ۲۰۲۴
ISI نوامبر ۲۰۲۴
SCImago می ۲۰۲۴
ISI Open Access Journals مارس ۲۰۲۴
لیست سیاه وزارت علوم آذر ۱۴۰۳
لیست سیاه وزارت بهداشت فروردین ۱۴۰۳
لیست سیاه دانشگاه آزاد آذر ۱۴۰۱
مجلات دارای زمان داوری ژانویه ۲۰۲۴
مجلات درجه بندی شده از نظر سختی پذیرش ژانویه ۲۰۲۴
فراخوانهای مقاله فوریه ۲۰۲۴

Journal Of Heuristics



Journal Of Heuristics

هلند
کشور
۱٫۶۸۲
Impact Factor
۱٫۸۹۲
پنج ساله Impact Factor
اشتراک نقره ای تهیه کنید
زمان داوری مقاله(تصمیم اولیه)
1381-1231
ISSN
1572-9397
e-ISSN
1995 تا کنون
مدت فعالیت
Springer Nature
ناشر
www.springer.com
سایت مجله

ISI

آخرین بروز رسانی مارس ۲۰۲۳
این مجله در فهرست مجلات ISI وجود دارد و در نمایه استنادی SCIE ثبت شده است علاوه بر آن این مجله در پایگاه داده Current Contents (موضوع مقالات اخیر) مجلات ISI در دسته بندی Engineering, Computing & Technology نیز ثبت شده است یکی دیگر از پایگاه داده های مهم مجلات ISI، پایگاه داده ESI (لبه فناوری) است که این مجله در این پایگاه داده نیز ثبت شده است این مجله در لیست سالانه JCR ذکر شده است. بر اساس تقسیم بندی این بنیاد مقالات چاپ شده در این مجله در رشته های تخصصی زیر قرار دارند:

اهداف مجله

زمینه های زیر مورد توجه مجله است:

برنامه نویسی حافظه تطبیقی

رافائل مارتی
دانشگاه والنسیا، اسپانیا
[email protected]



جستجوی تابو (TS)، جستجوی پراکنده (SS) و reliniking مسیر (PR) کانون مطالعات تطبیقی ​​متعدد و کاربردهای عملی شده‌اند. در نتیجه اکتشافات مثمر ثمر در مورد استراتژی های ترجیحی برای حل مسائل دشوار بهینه سازی ظاهر شده است. روش‌های پیشرفته TS، SS و PR از مجموعه‌ای از اجزای حافظه استفاده می‌کنند که به عنوان برنامه‌نویسی حافظه تطبیقی ​​(AMP) شناخته می‌شوند. رویه‌های AMP چارچوبی را در بر می‌گیرد که فراتر از مکانیسم‌های ساده است و استراتژی‌های تشدید و تنوع را در خود جای می‌دهد. حوزه AMP از ارسال‌هایی که برنامه‌های کاربردی نوآورانه یا توسعه روش‌شناسی جدید برای استفاده از حافظه در روش‌های جستجوی اکتشافی را توصیف می‌کنند، استقبال می‌کند.



هوش مصنوعی و برنامه نویسی با محدودیت

پاسکال ون هنریک
دانشگاه براون، آمریکا
[email protected]



این حوزه جستجوی اکتشافی مبتنی بر تکنیک‌های هوش مصنوعی و کاربرد آن‌ها در برنامه‌ریزی، زمان‌بندی، طراحی، رضایت از محدودیت‌ها و تئوری بازی‌های هوش مصنوعی را پوشش می‌دهد. این شامل اکتشافی و فراابتکاری برای جستجوی سیستماتیک و محلی در هوش مصنوعی است. اکتشافی مبتنی بر برنامه‌ریزی محدودیت‌ها، حوزه‌ای که از هوش مصنوعی بیرون می‌آید و رویکردی متعامد و مکمل برای برنامه‌ریزی ریاضی است، از اهمیت ویژه‌ای برخوردار است. این شامل روش‌های اکتشافی مبتنی بر روش‌های ترکیبی است، به‌عنوان مثال، آن‌هایی که جستجوی محلی و برنامه‌نویسی محدودیت را ترکیب می‌کنند یا محدودیت‌ها و برنامه‌نویسی ریاضی را ادغام می‌کنند.



بهینه سازی ترکیبی

آلن هرتز
GERAD، کانادا
[email protected]

اروین پش
دانشگاه زیگن آلمان
[email protected]



این منطقه به عنوان یک انجمن بین المللی برای تحقیق و توسعه اکتشافی و فراابتکاری برای مسائل بهینه سازی ترکیبی عمل خواهد کرد. ما از مقالاتی استقبال می کنیم که ایده ها و کاربردهای تحقیقاتی با کیفیت، نوآورانه و بدیع را از طیف گسترده ای از موضوعات تحقیقاتی نظری و کاربردی ارائه می دهند. موضوعات مرتبط با این حوزه عبارتند از (اما نه محدود به) مسائل و کاربردهای نظری گراف، توالی و زمان بندی، طراحی مهندسی، مسیریابی، برش و بسته بندی، و پوشش مجموعه. به ویژه، ما از رویکردهای بین رشته ای که تلاش می کنند در رابط رشته های مرتبط (مانند تحقیقات عملیاتی، علوم کامپیوتر، هوش مصنوعی، مهندسی و مدیریت) کار کنند، استقبال می کنیم.



محاسبات تکاملی

یورگن برانکه
دانشگاه وارویک، انگلستان
[email protected]

کارلوس آ. کوئلو
CINVESTAV-IPN، مکزیک
[email protected]

این منطقه از نسخه های خطی در تمام جنبه های محاسبات تکاملی استقبال می کند. ارسال‌هایی که پیشرفت‌ها در تئوری، عمل، و کاربرد تمام تکنیک‌های تکاملی را پوشش می‌دهند، چه به صورت فردی یا جمعی، تشویق می‌شوند. موضوعات مورد علاقه شامل، اما نه محدود به رویکردهای تکاملی برای بهینه‌سازی و یادگیری ماشین، تکامل ویژگی‌های نوظهور، توصیف مشکلات مناسب برای الگوریتم‌های تکاملی، مسائل پیاده‌سازی الگوریتم‌های تکاملی، محاسبات موازی الگوریتم‌های تکاملی، و کاربردهای محاسبات تکاملی در انواع مختلف است. مشکلات در علم، مهندسی و تجارت. نسخه‌های خطی رویه‌های ترکیبی، ترکیبی از تکنیک‌های اکتشافی موجود از جمله روش‌شناسی از سایر حوزه‌های تحقیقات عملیاتی و علوم رایانه، بسیار مورد توجه هستند. همچنین اجرای سیستم های مصنوعی قوی که از محاسبات تکاملی به عنوان جزء کلیدی معماری خود استفاده می کنند، بسیار مورد توجه است. به‌ویژه، نسخه‌های خطی که در مورد نوآوری‌های روش‌شناختی بحث می‌کنند و می‌توانند برای طیف وسیعی از مسائل به کار روند، به شدت تشویق می‌شوند. علاوه بر این، از مقالات نظرسنجی که پیشرفت‌های پیشرفته را در یک زمینه معین (از جمله دیدگاه تکنیک‌های تکاملی) توصیف می‌کنند، استقبال می‌شود.

روش های بهینه سازی و تجزیه در مقیاس بزرگ



اریک تیلارد
HEIG-VD، دانشگاه علوم کاربردی غرب سوئیس
[email protected]



این منطقه به دنبال مقالاتی است که روش‌های جستجوی اکتشافی را برای مسائل بهینه‌سازی در مقیاس بزرگ که ممکن است به انواع مختلفی از رویکردهای تجزیه نیاز داشته باشند، اعمال می‌کند. این شامل مشکلاتی است که در عمل یافت می شوند و باید به عنوان دنباله ای از مسائل ساده تر تجزیه شوند و همچنین نمونه های بزرگی که به بخش های کوچکتر تجزیه می شوند و متعاقباً به طور مستقل بهینه می شوند. روش‌شناسی‌های معمولی که برای مسائل در این زمینه به کار می‌روند عبارتند از جستجوی محله بزرگ و ریاضیات، یعنی ترکیبی از تکنیک‌های فراابتکاری و برنامه‌نویسی ریاضی.

لجستیک و زنجیره تامین

امراه دمیر
دانشگاه کاردیف
[email protected]

این حوزه به دنبال مقالاتی است که به طور خلاقانه روش های جستجوی اکتشافی را برای مسائل تصمیم گیری مهم در مشکلات تدارکات و زنجیره تامین به کار می برند.

برای فرستادن دیدگاه باید وارد شوید