征稿 数字化转型中的机器学习算法与优化（第二卷）。期刊名：Algorithms
期刊主页：https://www.mdpi.com/journal/algorithms
《数字化转型中的机器学习算法与优化》第二卷（Machine Learning Algorithms and Optimization in the Digital Transition 2nd Edition）诚邀相关领域学者投稿。
为了优化和管理现代工业系统及相关设施，需要综合考虑多种因素。现代技术在各个领域的应用都依赖于大量传感器与数据，这些数据通过算法实现多变量分析，为短期、中期和长期决策提供支持。传统与深度学习模型显著提升了对海量数据的分析能力，并能从中提取有价值的模式，从而大大促进科学决策，使智能系统在各类组织中愈发普及并发挥重要作用。
工业界和大型机构始终关注产能调整与成本最小化，以在不产生延误和资源浪费的前提下满足需求。这推动了相关研究向能够持续支撑决策过程的模型发展。基于时间序列模型和人工智能的预测技术正被越来越多地应用于解决这些挑战，帮助提升决策的准确性与可靠性。
本特刊旨在汇集该领域最新研究成果，以确保基于所提出算法的决策科学、合理并能有效促进管理与运营决策。我们欢迎在上述主题及相关方向上的原创性研究投稿。欢迎相关领域研究者踊跃投稿！
如有问题，可通过特刊主页联系编辑团队，或特刊助理编辑Musea Wu（musea.wu@mdpi.com）。
截刊日期：2026年5月31日
投稿链接：https://www.mdpi.com/journal/algorithms/special_issues/D5RSIVP8W2
第一卷详情，欢迎点击阅读：
https://www.mdpi.com/journal/algorithms/special_issues/257A75YRA1
期刊简介
Algorithms (ISSN 1999-4893; CODEN: ALGOCH) 是一本开放获取期刊，涵盖计算机科学、计算数学、人工智能、自动化与控制系统、理论、方法及跨学科应用、数据与信息系统以及软件工程等领域。Algorithms为算法及其应用相关研究提供了一个先进的交流平台。期刊发表综述论文、常规研究论文、简短通讯，以及特定主题的专刊论文。Algorithms的宗旨是鼓励科学家尽可能详细地发表其实验和理论研究成果。因此，期刊对论文的篇幅没有限制。作者应提供完整的实验细节，以便结果能够被重复验证。
期刊主编：Frank Werner, Otto-von-Guericke-University, Germany
Frank Werner 教授自20世纪80年代起，长期从事调度问题的精确与近似求解研究。其早期工作包括针对流水车间调度问题开发遗传算法。此后，他的研究方向涵盖了复杂性问题、不确定性条件下的调度问题、列车调度问题以及多种图论问题。
他曾主持并参与多个重要科研项目，资助机构包括德国研究基金会（DFG）、欧盟（INTAS）以及白俄罗斯共和国基础研究基金会等。自2019年以来，Werner 教授担任Algorithms （MDPI） 主编。同时，他也是 International Journal of Production Research、Journal of Scheduling 以及 Operations Research and Decisions 的副主编，并担任另外18种国际期刊的编委或顾问编委。
此外，他曾担任14本国际期刊特刊的客座编辑，并受邀参加超过180场国际学术会议的程序委员会工作。学术成果方面，Werner 教授出版了2本数学教材，撰写或主编了17部学术著作，并在国际期刊上发表了300余篇学术论文。
订阅 Algorithms 期刊最新资讯：https://www.mdpi.com/journal/algorithms/toc-alert
来源：Algorithms
