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。
展开