數據驅動的進化優化--進化計算、機器學習和數據科學的集成

本書旨在為包括研究生和工業從業者在內的研究人員提供有關為數據驅動的進化優化而開發的最新方法的全面描述。本書共分12章。為了本書的自足性，第1～4章簡要介紹了優化、進化計算和機器學習中精心挑選的重要主題和方法。第5章提供了數據驅動優化的基礎知識，包括啟髮式算法和基於獲取函數的代理模型管理。第6～8章介紹使用多個代理模型進行單目標優化的方法，其中第7章和第8章描述用於求解多目標和高維多目標優化算法的代表性進化算法以及代理模型輔助數據驅動的進化多目標和高維多目標優化。第9章詳細闡述了高維數據驅動優化的方法，介紹了在半監督學習的幫助下，將知識從未標記數據轉移到標記數據，從廉價目標遷移到昂貴目標、從廉價問題遷移到昂貴問題的大量技術，遷移學習和遷移優化在第10章中進行了描述。由於數據驅動優化是一個強應用驅動的研究領域，因此第11章討論了離線數據驅動的進化優化，並給出了實際優化問題，如原油蒸餾優化和急救系統優化的例子。最後，第12章強調了深度神經架構搜索作為數據驅動的昂貴優化問題。



金耀初，歐洲科學院院士，IEEE Fellow，IEEE計算智能學會主席，西湖大學工學院人工智能講席教授、可信及通用人工智能實驗室負責人。曾任德國比勒菲爾德大學洪堡人工智能教席教授，英國薩里大學計算科學系計算智能傑出講席教授，自然計算與應用研究組主任。金耀初曾是芬蘭國家技術創新局“芬蘭傑出教授”。已出版專著5本，發表學術論文500余篇。論文被引用總次數超過4。6萬，其中SCI引用超過2.5萬，H-index為104，自2019年來連續5年入選科睿唯安“全球高被引科學家”。長期從事計算智能、人工智能、計算神經科學、計算生物學及形態發育自組織機器人等交叉學科的理論研究和工程應用。