演化学习利用演化算法求解机器学习中的复杂优化问题，在实践中取得了许多成功，但因其缺少坚实的理论基础，在很长时期内未获得机器学习社区的广泛接受。本书主要内容为三位作者在这个方向上过去二十年中主要工作的总结。 全书共18章，分为四个部分：第一部分（第1～2章）简要介绍演化学习和一些关于理论研究的预备知识；第二部分（第3～6章）介绍用于分析运行时间复杂度和逼近能力这两个演化学习的基本理论性质的通用工具；第三部分（第7～12章）介绍演化学习关键因素对算法性能影响的一系列理论结果，包括交叉算子、解的表示、非精确适应度评估、种群的影响等；第四部分（第13～18章）介绍一系列基于理论结果启发的具有一定理论保障的演化学习算法。 本书适合对演化学习感兴趣的研究人员、学生和实践者阅读。书中第二部分内容或可为有兴趣进一步探索演化学习理论基础的读者提供分析工具，第三部分内容或有助于读者进一步理解演化学习过程并为新算法设计提供启发，第四部分内容或可为读者解决一些现实机器学习问题提供新的算法方案。

序
主要符号表
第一部分 绪论与预备知识
第1章 绪论
1.1 机器学习
1.2 演化学习
1.3 多目标优化
1.4 本书组织
第2章 预备知识
2.1 演化算法
2.2 伪布尔函数
2.3 运行时间复杂度
2.4 马尔可夫链建模
2.5 分析工具
第二部分 分析方法
第3章 运行时间分析：收敛分析法
3.1 收敛分析框架
3.2 收敛分析应用例释
3.3 小结
第4章 运行时间分析：调换分析法
4.1 调换分析框架
4.2 调换分析应用例释
4.3 小结
第5章 运行时间分析方法的比较
5.1 分析方法的形式化
5.2 调换分析与适应层分析
5.3 调换分析与漂移分析
5.4 调换分析与收敛分析
5.5 分析方法综论
5.6 小结
第6章 近似分析
6.1 SEIP框架
6.2 SEIP应用例释
6.3 小结
第三部分 理论透视
第7章 边界问题
7.1 边界问题辨识
7.2 案例分析
7.3 小结
第8章 交叉算子
8.1 交叉与变异
8.2 采用交叉算子的多目标演化算法
8.3 案例分析
8.4 实验验证
8.5 小结
第9章 解的表示
9.1 遗传编程之解表示
9.2 案例分析：最大匹配
9.3 案例分析：最小生成树
9.4 实验验证
9.5 小结
第10章 非精确适应度评估
10.1 带噪优化
10.2 带噪适应度的影响
10.3 抗噪：阈值选择
10.4 抗噪：抽样
10.5 实验验证
10.6 小结
第11章 种群
11.1 种群的影响
11.2 种群对噪声的鲁棒性
11.3 小结
第12章 约束优化
12.1 不可行解的影响
12.2 帕累托优化的效用
12.3 小结
第四部分 学习算法
第13章 选择性集成
13.1 选择性集成
13.2 POSE算法
13.3 理论分析
13.4 实验测试
13.5 小结
第14章 子集选择
14.1 子集选择
14.2 POSS算法
14.3 理论分析
14.4 实验测试
14.5 小结
第15章 子集选择：次模最大化
15.1 单调k次模函数最大化
15.2 POkSM算法
15.3 理论分析
15.4 实验测试
15.5 小结
第16章 子集选择：比率最小化
16.1 单调次模函数的比率最小化
16.2 PORM算法
16.3 理论分析
16.4 实验测试
16.5 小结
第17章 子集选择：噪声
17.1 带噪子集选择
17.2 PONSS算法
17.3 理论分析
17.4 实验测试
17.5 小结
第18章 子集选择：加速
18.1 PPOSS算法
18.2 理论分析
18.3 实验测试
18.4 小结
附录A：证明
参考文献