序 i
主要符号表 iii
第 一部分 绪论与预备知识 1
第 1 章 绪论 3
1.1 机器学习 3
1.2 演化学习 4
1.3 多目标优化 6
1.4 本书组织 8
第 2 章 预备知识 9
2.1 演化算法 9
2.2 伪布尔函数 12
2.3 运行时间复杂度 15
2.4 马尔可夫链建模 16
2.5 分析工具 18
第二部分 分析方法 23
第 3 章 运行时间分析: 收敛分析法 25
3.1 收敛分析框架 25
3.2 收敛分析应用例释 29
3.3 小结 33
第 4 章 运行时间分析: 调换分析法 35
4.1 调换分析框架 35
4.2 调换分析应用例释 40
4.3 小结 43
第 5 章 运行时间分析方法的比较 45
5.1 分析方法的形式化 45
5.2 调换分析与适应层分析 47
5.3 调换分析与漂移分析 50
5.4 调换分析与收敛分析 55
5.5 分析方法综论 58
5.6 小结 59
第 6 章 近似分析 61
6.1 SEIP 框架 62
6.2 SEIP 应用例释 67
6.3 小结 70
第三部分 理论透视 71
第 7 章 边界问题 73
7.1 边界问题辨识 74
7.2 案例分析 76
7.3 小结 80
第 8 章 交叉算子 81
8.1 交叉与变异 82
8.2 采用交叉算子的多目标演化算法 83
8.3 案例分析 86
8.4 实验验证 92
8.5 小结 94
第 9 章 解的表示 95
9.1 遗传编程之解表示 96
9.2 案例分析: 最大匹配 98
9.3 案例分析: 最小生成树 103
9.4 实验验证 109
9.5 小结 111
第 10 章 非精确适应度评估 113
10.1 带噪优化 114
10.2 带噪适应度的影响 115
10.3 抗噪: 阈值选择 119
10.4 抗噪: 抽样 124
10.5 实验验证 130
10.6 小结 134
第 11 章 种群 135
11.1 种群的影响 136
11.2 种群对噪声的鲁棒性 139
11.3 小结 151
第 12 章 约束优化 153
12.1 不可行解的影响 154
12.2 帕累托优化的效用 160
12.3 小结 170
第四部分 学习算法 171
第 13 章 选择性集成 173
13.1 选择性集成 173
13.2 POSE 算法 175
13.3 理论分析 177
13.4 实验测试 182
13.5 小结 188
第 14 章 子集选择 189
14.1 子集选择 190
14.2 POSS 算法 194
14.3 理论分析 195
14.4 实验测试 199
14.5 小结 203
第 15 章 子集选择: 次模最大化 205
15.1 单调 次模函数最大化 206
15.2 PO SM 算法 210
15.3 理论分析 212
15.4 实验测试 216
15.5 小结 223
第 16 章 子集选择: 比率最小化 225
16.1 单调次模函数的比率最小化 226
16.2 PORM 算法 228
16.3 理论分析 230
16.4 实验测试 235
16.5 小结 236
第 17 章 子集选择: 噪声 237
17.1 带噪子集选择 238
17.2 PONSS 算法 244
17.3 理论分析 245
17.4 实验测试 248
17.5 小结 250
第 18 章 子集选择: 加速 251
18.1 PPOSS 算法 251
18.2 理论分析 253
18.3 实验测试 256
18.4 小结 258
附录 A: 证明 259
参考文献 299
