演化學(xué)習(xí)：理論與算法進(jìn)展

定　價：￥99.80

作　者：	周志華，俞揚，錢超著
出版社：	人民郵電出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787115558039	出版時間：	2021-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	313	字?jǐn)?shù)：

內(nèi)容簡介

　　演化學(xué)習(xí)利用演化算法求解機(jī)器學(xué)習(xí)中的復(fù)雜優(yōu)化問題，在實踐中取得了許多成功，但因其缺少堅實的理論基礎(chǔ)，在很長時期內(nèi)未獲得機(jī)器學(xué)習(xí)社區(qū)的廣泛接受. 本書主要內(nèi)容為三位作者在這個方向上過去二十年中主要工作的總結(jié).全書共18 章，分為四個部分：第一部分（第1～2 章）簡要介紹演化學(xué)習(xí)和一些關(guān)于理論研究的預(yù)備知識; 第二部分（第3～6章）介紹用于分析運行時間復(fù)雜度和逼近能力這兩個演化學(xué)習(xí)的基本理論性質(zhì)的通用工具; 第三部分（第7～12 章）介紹演化學(xué)習(xí)關(guān)鍵因素對算法性能影響的一系列理論結(jié)果，包括交叉算子、解的表示、非精確適應(yīng)度評估、種群的影響等; 第四部分（第13～18 章）介紹一系列基于理論結(jié)果啟發(fā)的具有一定理論保障的演化學(xué)習(xí)算法.本書適合對演化學(xué)習(xí)感興趣的研究人員、學(xué)生和實踐者閱讀. 書中第二部分內(nèi)容或可為有興趣進(jìn)一步探索演化學(xué)習(xí)理論基礎(chǔ)的讀者提供分析工具，第三部分內(nèi)容或有助于讀者進(jìn)一步理解演化學(xué)習(xí)過程并為新算法設(shè)計提供啟發(fā)，第四部分內(nèi)容或可為讀者解決一些現(xiàn)實機(jī)器學(xué)習(xí)問題提供新的算法方案.

作者簡介

　　周志華，南京大學(xué)計算機(jī)科學(xué)與技術(shù)系主任、人工智能學(xué)院院長、計算機(jī)軟件新技術(shù)國家重點實驗室常務(wù)副主任、機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘研究所（LAMDA）所長。ACM/AAAS/AAAI/IEEE/IAPR/IET/CCF/CAAI會士，歐洲科學(xué)院外籍院士。中國計算機(jī)學(xué)會常務(wù)理事、中國人工智能學(xué)會副理事長。周志華教授主要從事人工智能、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等領(lǐng)域的研究工作。著有《機(jī)器學(xué)習(xí)》（西瓜書）等廣受好評的著作，在本領(lǐng)域頂刊和頂會發(fā)表論文兩百余篇，被引五萬余次?，F(xiàn)任AI Magazine顧問，F(xiàn)rontiers of Computer Science（FCS）、Artificial Intelligence等國內(nèi)外知名期刊主編、副主編、編委等；也擔(dān)任IJCAI理事會成員（2018-2023），曾擔(dān)任IJCAI顧問委員會委員、IJCAI 2021程序委員會主席、AAAI 2019程序委員會主席等會議職務(wù)。俞揚，南京大學(xué)計算機(jī)科學(xué)與技術(shù)系和LAMDA教授，博導(dǎo)，主要研究領(lǐng)域為人工智能、機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)。曾獲2013年全國優(yōu)秀博士學(xué)位論文獎。發(fā)表論文40余篇，包括多篇人工智能、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘國際頂級期刊和頂級會議論文，受邀在IJCAI'18做Early Career Spotlight演講、在IEEE ICA'17做主旨報告。入選2018年全球AI's 10 to Watch，獲2018 PAKDD Early Career Award，并任FCS、Artificial Intelligence等多個一流期刊評審人和IJCAI、ICPR等會議領(lǐng)域主席、程序委員。錢超，南京大學(xué)人工智能學(xué)院副教授、博導(dǎo)，國家優(yōu)青。目前主要關(guān)注演化算法理論分析、安全演化算法設(shè)計與演化學(xué)習(xí)。作為第一作者在國際一流期刊和會議上發(fā)表二十余篇論文。擔(dān)任IEEE計算智能分會生物啟發(fā)計算理論基礎(chǔ)任務(wù)組主席、IEEE演化計算技術(shù)委員會委員、中國人工智能學(xué)會青工委副秘書長、Memetic Computing編委、JCST和FCS青年副編。獲ACM GECCO’11最佳理論論文獎、IDEAL’16 最佳論文獎，博士論文獲中國人工智能學(xué)會、江蘇省和南京大學(xué)優(yōu)秀博士論文獎。

圖書目錄

序 i

主要符號表　iii

第一部分　緒論與預(yù)備知識　1

第　1 章緒論　3

1.1　機(jī)器學(xué)習(xí)　3

1.2　演化學(xué)習(xí)　4

1.3　多目標(biāo)優(yōu)化　6

1.4　本書組織　8

第　2 章預(yù)備知識　9

2.1　演化算法　9

2.2　偽布爾函數(shù)　12

2.3　運行時間復(fù)雜度　15

2.4　馬爾可夫鏈建?！?6

2.5　分析工具　18

第二部分　分析方法　23

第　3 章運行時間分析: 收斂分析法　25

3.1　收斂分析框架　25

3.2　收斂分析應(yīng)用例釋　29

3.3　小結(jié)　33

第　4 章運行時間分析: 調(diào)換分析法　35

4.1　調(diào)換分析框架　35

4.2　調(diào)換分析應(yīng)用例釋　40

4.3　小結(jié)　43

第　5 章運行時間分析方法的比較　45

5.1　分析方法的形式化　45

5.2　調(diào)換分析與適應(yīng)層分析　47

5.3　調(diào)換分析與漂移分析　50

5.4　調(diào)換分析與收斂分析　55

5.5　分析方法綜論　58

5.6　小結(jié)　59

第　6 章近似分析　61

6.1　SEIP 框架　62

6.2　SEIP 應(yīng)用例釋　67

6.3　小結(jié)　70

第三部分　理論透視　71

第　7 章邊界問題　73

7.1　邊界問題辨識　74

7.2　案例分析　76

7.3　小結(jié)　80

第　8 章交叉算子　81

8.1　交叉與變異　82

8.2　采用交叉算子的多目標(biāo)演化算法　83

8.3　案例分析　86

8.4　實驗驗證　92

8.5　小結(jié)　94

第　9 章解的表示　95

9.1　遺傳編程之解表示　96

9.2　案例分析: 最大匹配　98

9.3　案例分析: 最小生成樹　103

9.4　實驗驗證　109

9.5　小結(jié)　111

第　10 章非精確適應(yīng)度評估　113

10.1　帶噪優(yōu)化　114

10.2　帶噪適應(yīng)度的影響　115

10.3　抗噪: 閾值選擇　119

10.4　抗噪: 抽樣　124

10.5　實驗驗證　130

10.6　小結(jié)　134

第　11 章種群　135

11.1　種群的影響　136

11.2　種群對噪聲的魯棒性　139

11.3　小結(jié)　151

第　12 章約束優(yōu)化　153

12.1　不可行解的影響　154

12.2　帕累托優(yōu)化的效用　160

12.3　小結(jié)　170

第四部分　學(xué)習(xí)算法　171

第　13 章選擇性集成　173

13.1　選擇性集成　173

13.2　POSE 算法　175

13.3　理論分析　177

13.4　實驗測試　182

13.5　小結(jié)　188

第　14 章子集選擇　189

14.1　子集選擇　190

14.2　POSS 算法　194

14.3　理論分析　195

14.4　實驗測試　199

14.5　小結(jié)　203

第　15 章子集選擇: 次模最大化　205

15.1　單調(diào) 次模函數(shù)最大化　206

15.2　PO SM 算法　210

15.3　理論分析　212

15.4　實驗測試　216

15.5　小結(jié)　223

第　16 章子集選擇: 比率最小化　225

16.1　單調(diào)次模函數(shù)的比率最小化　226

16.2　PORM 算法　228

16.3　理論分析　230

16.4　實驗測試　235

16.5　小結(jié)　236

第　17 章子集選擇: 噪聲　237

17.1　帶噪子集選擇　238

17.2　PONSS 算法　244

17.3　理論分析　245

17.4　實驗測試　248

17.5　小結(jié)　250

第　18 章子集選擇: 加速　251

18.1　PPOSS 算法　251

18.2　理論分析　253

18.3　實驗測試　256

18.4　小結(jié)　258

附錄　A: 證明　259

參考文獻(xiàn)　299