"本書針對基于演化的機器學習的一些關鍵問題進行深入探索。全書共20章，分為3篇。
上篇為第1～6章，探索了深度改進的分布估計算法，提出了基于共軛先驗分布的兩層分布估計算法、帶有鏈接學習的量子演化算法和問題規(guī)模自適應的基于分解的多目標分布估計算法。中篇為第7～13章，針對學習分類器與特征選擇方法，重點研究兩者的融合策略，將學習分類器的分類模型構建過程與特征選擇的特征子集搜索過程統(tǒng)一集成在基于演化的機器學習框架下，同時改善了分類算法的預測性能與運行效率。下篇為第14～20章，從提高規(guī)則空間的搜索質量出發(fā)，立足于分類問題，介紹基于分布估計算法的學習分類器。
本書可作為演化計算、智能優(yōu)化、大數(shù)據(jù)及人工智能等專業(yè)方向研究生教材，也可供相關領域研究者參考。"