计算机科学与技术学院吴春国教授和周柚教授共同指导的2022级博士生吴翾等的论文“Neural Architecture Search for Text Classification with Limited Computing Resources Using Efficient Cartesian Genetic Programming” 被进化计算领域顶级期刊IEEE Transactions on Evolutionary Computation (TEVC IF=14.3)录用，该期刊的年发文量仅约100篇。论文第一作者为吴翾，通讯作者为吴春国教授和周柚教授，其他作者还有南洋理工大学王迪高级研究员和苗春燕教授、中国科学技术大学陈欢欢教授、2022级硕士颜乐乐、2021级博士肖钰彬、大连理工大学葛宏伟教授，密苏里大学许东教授、珠海科技学院梁艳春教授和吉林大学王康平副教授。
Cartesian Genetic Programming（CGP）经常被应用于Neural Architecture Search（NAS）任务中。为了更好地在有限计算资源下搜索神经架构，本文提出了交叉算子、轻量化年龄机制和两个自适应变异算子作为Efficient Cartesian Genetic Programming（ECGP）方法中的新颖组件。为了评估 ECGP 的性能，我们在三个文本分类任务数据集上进行了广泛的实验。实验结果表明，ECGP 优于其他NAS方法，仅需要数百次适应度评估即可找到与手工设计的模型相比具有竞争力的神经架构。此外，本文引入了在文本分类任务上的首个由基于注意力机制的神经架构组成的NAS基准数据集。
