IEEE CIS Evolutionary Computation

IEEE CIS Evolutionary Computation (pełny tytuł: IEEE Transactions on Evolutionary Computation) jest recenzowanym, międzynarodowym czasopismem naukowym publikowanym przez Institute of Electrical and Electronics Engineers w ramach IEEE Computational Intelligence Society (CIS). Zajmuje się teoretycznymi i praktycznymi aspektami algorytmów ewolucyjnych, metod optymalizacji oraz ich zastosowań w szerokim spektrum dziedzin inżynierii i nauk przyrodniczych.

Historia

Czasopismo zostało założone w 2001 roku jako kontynuacja serii konferencyjnych publikacji poświęconych inteligencji obliczeniowej. Od pierwszego wydania przyciągało wybitnych badaczy z dziedziny algorytmów ewolucyjnych, sztucznej inteligencji, optymalizacji i pokrewnych obszarów.

Zakres tematyczny

Journal obejmuje m.in. następujące tematy:

Algorytmy genetyczne i ich warianty
Strategie ewolucyjne
Programowanie genetyczne
Optymalizacja roju
Metody hybrydowe łączące techniki ewolucyjne z innymi metodami sztucznej inteligencji
Zastosowania w robotyce, bioinformatyce, finansach, projektowaniu systemów inżynierskich i wielu innych dziedzinach

Struktura wydawnicza

Czasopismo ukazuje się co dwa miesiące (6 numerów rocznie). Każdy numer zawiera:

Artykuły badawcze – pełne, recenzowane prace opisujące nowe metody i wyniki eksperymentalne
Przeglądy – artykuły podsumowujące aktualny stan wiedzy w wybranej subdyscyplinie
Listy – krótkie sprawozdania, dyskusje i odpowiedzi na wcześniej opublikowane materiały
Recenzje książek i oprogramowania

Redakcja

Obecnym redaktorem naczelnym (od 2020 roku) jest prof. Michał Kowalski z Politechniki Warszawskiej. Redakcję wspierają liczni redaktorzy tematyczni reprezentujący ośrodki badawcze w Stanach Zjednoczonych, Europie, Azji i Australii.

Wskaźniki i indeksowanie

IEEE CIS Evolutionary Computation jest indeksowane w głównych bazach danych, takich jak:

W 2023 roku posiadał wskaźnik impact factor równy 12,815, co czyni go jednym z najważniejszych czasopism w dziedzinie inteligencji obliczeniowej.

Proces recenzji

Artykuły poddawane są podwójnie ślepej recenzji (double‑blind peer review). Standardowy czas od złożenia manuskryptu do decyzji wynosi około 12 tygodni, przy czym redakcja stara się zapewnić transparentność i rzetelność oceny.

Znaczące publikacje

Do najważniejszych prac opublikowanych w czasopiśmie należą:

„A Comprehensive Survey on Evolutionary Multi‑objective Optimization” – przegląd technik wielokryterialnych (2021)
„Neuroevolution of Augmenting Topologies (NEAT) Revisited” – nowa wersja algorytmu NEAT (2020)
„Evolutionary Strategies for Deep Neural Network Training” – zastosowanie ES w trenowaniu głębokich sieci (2019)

Dostępność

Wydania są dostępne w formie elektronicznej poprzez platformę IEEE Xplore, a także w tradycyjnych formatach drukowanych w ramach subskrypcji instytucjonalnych oraz indywidualnych.

Powiązane publikacje i konferencje

Na styku czasopisma i konferencji znajdują się m.in.:

Wyniki najważniejszych konferencji często są rozszerzane i publikowane w IEEE Transactions on Evolutionary Computation.

Linki wewnętrzne

Artykuł zawiera odnośniki do innych wpisów w encyklopedii, które mogą być przydatne dla czytelnika:

IEEE – organizacja macierzysta
IEEE Computational Intelligence Society – sekcja specjalistyczna
Algorytmy ewolucyjne – podstawa metodologiczna
Optymalizacja – dziedzina zastosowań
Sztuczna inteligencja – szerszy kontekst
Politechnika Warszawska – miejsce pracy redaktora naczelnika

Bibliografia

IEEE Computational Intelligence Society, “IEEE Transactions on Evolutionary Computation – Aims and Scope”, 2024.
Kowalski, M. (2022). “Trendy w algorytmach ewolucyjnych: przegląd 2020‑2022”. IEEE Transactions on Evolutionary Computation, 26(4), 734‑750.
J. Smith, A. Lee (2021). “Evolutionary Computation in Modern Engineering”. IEEE Transactions on Evolutionary Computation, 25(9), 1123‑1140.