本書旨在為包括研究生和工業(yè)從業(yè)者在內的研究人員提供有關為數(shù)據驅動的進化優(yōu)化而開發(fā)的最新方法的全面描述。本書共分12章,第1~4章簡要介紹了優(yōu)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(shù)據驅動優(yōu)化的基礎知識,包括啟發(fā)式算法和基于獲取函數(shù)的代理模型管理。第6章介紹使用多個代理模型進行單目標優(yōu)化的方法。第7~8章中描述用于求解多目標和多目標優(yōu)化算法的代表性進化算法以及代理模型輔助數(shù)據驅動的進化多目標和多目標優(yōu)化。第9章詳細闡述了高維數(shù)據驅動優(yōu)化的方法。第10章描述遷移學習和遷移優(yōu)化。第11章討論離線數(shù)據驅動的進化優(yōu)化,以翼型設計優(yōu)化等實際優(yōu)化問題為例、原油蒸餾優(yōu)化和急救系統(tǒng)優(yōu)化。最后,第12章強調了深度神經架構搜索作為數(shù)據驅動的昂貴優(yōu)化問題。