演化机器学习(第2版)

本书针对基于演化的机 器学习的一些关键问题进行 深入探索。全书共20章，分 为3篇。 上篇为第1～6章，探索 了深度改进的分布估计算法 ，提出了基于共轭先验分布 的两层分布估计算法、带有 链接学习的量子演化算法和 问题规模自适应的基于分解 的多目标分布估计算法。中 篇为第7～13章，针对学习 分类器与特征选择方法，重 点研究两者的融合策略，将 学习分类器的分类模型构建 过程与特征选择的特征子集 搜索过程统一集成在基于演 化的机器学习框架下，同时 改善了分类算法的预测性能 与运行效率。下篇为第14～ 20章，从提高规则空间的搜 索质量出发，立足于分类问 题，介绍基于分布估计算法 的学习分类器。 本书可作为演化计算、 智能优化、大数据及人工智 能等专业方向研究生教材， 也可供相关领域研究者参考 。

徐华，博士，2003年毕业于清华大学计算机科学与技术系，现为清华大学计算机科学与技术系长聘副教授，博士生导师。从事多模态智能信息处理、智能优化和共融机器人智能控制等研究工作。担任爱思唯尔（Elsevier）开放期刊Intelligent Systems with Applications首任主编，权威期刊Expert Systems with Applications副主编。完成国家科技重大专项课题3项，国家自然科学基金项目4项，国家973项目二级课题2项，国家863项目（课题）5项，国际500强企业（宝洁、西门子、安捷伦等）合作项目13项。目前已在本专业领域权威国际期刊和AAAI、ACL、ACMMM等顶级会议上发表学术论文100余篇。获得国家科技进步奖二等奖1项（集体奖），北京市科学技术奖一等奖1项，北京市科学技术奖二等奖1项（集体奖），北京市科学技术奖三等奖1项，重庆市科技进步奖三等奖1项，中国物流与采购联合会科技发明奖一等奖1项，中国物流与采购联合会科学技术奖一等奖1项。作为主讲教师，主讲清华大学全校性课程“数据挖掘：方法与应用”“工业数据挖掘与分析”“互联网产品设计”等课程。独立编写专著和教材5本，其中《演化机器学习》是国内首部演化机器学习领域的学术专著；《面向共融机器人的自然交互——人机对话意图理解》是国内首部共融机器人自然交互领域的学术专著；《数据挖掘：方法与应用》和《数据挖掘：方法与应用——应用案例》已经被国内众多高校选用为配套教材，并获得清华大学优秀教材（2020年）二等奖。

上篇 深度改进的分布估计算法 第1章 上篇导言 1.1 研究背景 1.2 主要内容 1.3 结构安排 第2章 相关研究综述 2.1 概述 2.2 组合优化问题概述 2.3 单变量分布估计算法综述 第3章 基于共轭先验分布的单模分布估计算法 3.1 概述 3.2 Beta分布与二项分布 3.3 两层分布估计算法 3.3.1 算法框架 3.3.2 模型更新过程 3.4 测试与实验 3.4.1 测试问题 3.4.2 参数研究 3.4.3 实验设置 3.4.4 实验结果 3.5 本章小结 第4章 基于信息熵的多模分布估计算法 4.1 概述 4.2 概念引导组合算子 4.3 基于概念引导组合算子的多模分布估计算法 4.3.1 算法框架 4.3.2 坍缩个体的生成过程 4.4 测试与实验 4.4.1 测试问题 4.4.2 实验设置 4.4.3 实验结果 4.5 本章小结 第5章 基于分解的多目标分布估计算法 5.1 概述 5.2 基于分解的多目标演化算法框架 5.2.1 分解方法 5.2.2 MOEA/D框架 5.3 规模自适应生成算子 5.4 测试与实验 5.4.1 测试问题 5.4.2 参数研究 5.4.3 实验设置与性能指标 5.4.4 实验结果 5.5 本章小结 第6章 上篇总结与展望 6.1 主要工作和结论 6.2 未来研究工作展望 中篇 内嵌特征选择的学习分类器 第7章 中篇导言 7.1 研究背景 …… 下篇 分布估计的学习分类器 参考文献 附录A 缩略语 图索引 表索引