《软件学报》专刊征文：演化学习

机器学习是人工智能领域最重要的分支之一，主要研究计算机如何通过利用经验自动提高自身的性能，并已成为智能数据分析的主要方法。机器学习常可分解为“表示+评估+优化”三个部件[P. Domingos, CACM’12]，即数据与模型的表示、学习目标的评估，以及实施学习过程的优化方法三个部分，其中优化承载了机器学习的实现，优化方法的能力也决定了能够使用的模型表示和评估函数。而机器学习任务常常涉及复杂的优化问题，包括具有不可导、不连续、大量局部极值、多目标等性质的复杂目标函数，因此需要强有力的优化方法。

演化算法作为一大类启发式无梯度优化算法，对优化问题性质要求极少，只需能够评估解的好坏即可，适用于求解复杂的优化问题，也能直接用于多目标优化。研究者们已经尝试基于演化算法求解机器学习中的复杂优化问题，并取得了很多成功的应用，并形成了演化学习这一方向。

本专刊将收录演化学习最新进展，突出研究其中的几个热点，包括演化特征学习（利用演化算法求解特征学习中的优化问题）、演化监督学习（利用演化算法求解监督学习中的优化问题）、演化非监督学习（利用演化算法求解非监督学习中的优化问题）、演化强化学习（利用演化算法求解强化学习中的优化问题）、演化学习理论分析、以及在特定领域的应用等。专刊将与第四届中国演化计算与学习研讨会（ECOLE2017）合作，第一轮征稿的论文通过初审后将在ECOLE2017上做口头和墙展报告，并反馈修改意见。会后进行第二轮征稿，第一轮被退回稿件修改后可参加第二轮投稿，最终将在2018年第9期出版。

专刊名称：演化学习
特约编辑：俞扬博士（南京大学）钱超博士（中国科学技术大学）
出版时间：2018年第9期

一、征文范围(包括但不限于以下主题)
演化算法（例如模拟退火、遗传算法、演化策略、演化规划、CMA-ES、贝叶斯优化、分布估计优化算法、粒子群算法、蚁群算法等）在机器学习中的应用，包括：特征学习、深度神经网络优化、样本选择、模型参数学习、机器学习中的超参数优化、多目标机器学习、演化强化学习、演化学习理论基础、演化学习系统与应用等

二、投稿要求
1. 投稿方式：采用“软件学报在线投稿系统”(http://www.jos.org.cn)投稿。投稿时请在备注栏中注明“演化学习”字样。
2. 稿件格式：参照《软件学报》论文格式(网站上提供了论文模版，可下载)。
3. 投稿文章未在正式出版物上发表过，也不在其他刊物或会议的审稿过程中，不存在一稿多投现象；保证投稿文章的合法性(无抄袭、剽窃、侵权等不良行为)。
4. 其他事项请参阅投稿指南http://www.jos.org.cn/ch/reader/view_fixed_content.aspx?id=instructions
5. 投稿作者需提交投稿声明；专刊投稿文章不收审理费。录用刊发文章收取软件学报标准版面费。发表之后，将按软件学报标准支付稿酬，并赠送样刊。
6. 通过第一轮初审的论文，需在ECOLE 2017（演化计算与学习研讨会）上做口头和墙展报告，由专家评审和确定最终录取。

三、重要日期
第一轮投稿截止日期：2017年4月25日
第一轮初审通知日期：2017年5月15日
ECOLE2017会议报告日期：2017年5月19-21日
第二轮投稿截止日期：2017年7月10日
第二轮意见截止日期：2017年8月21日
编委会终审：2017年10月30日
出版时间：2018年第9期