模因計算(數據驅動優化時代知識遷移的驅動力)

徐慶征，男，博士，國防科技大學副研究員，碩士生導師，陜西省優秀博士學位論文獲得者，新加坡南洋理工大學訪問學者，國家自然科學基金項目評審專家，研究方向為智能計算理論及工程應用。

第1章 引言：模因論在計算領域的興起
1.1 搜索和優化的模擬進化
1.1.1 進化計算的致命弱點
1.2 專家知識、學習和優化
1.2.1 綜合模因計算的進階之路
1.3 各章內容概述
參考文獻
第一部分 手動設計的模因
第2章 經典模因算法
2.1 局部搜索和全局搜索
2.2 經典模因算法的偽代碼
2.2.1 拉馬克進化
2.2.2 鮑德溫效應
2.3 數值實驗的啟示
2.3.1 實驗建立
2.3.2 結果和討論
參考文獻
第3章 模因算法中數據驅動的自適應
3.1 自適應的元拉馬克學習
3.1.1 子問題分解
3.1.2 與獎勵成比例的輪盤賭選擇
3.2 可進化性度量
3.2.1 可進化性的隨機學習
3.3 模因覆合體
3.3.1 模因覆合體的表達
3.3.2 模因覆合體網絡權重的學習
3.4 高代價全局優化中的多代理
3.4.1 專家覆合體
3.5 結論
參考文獻
第二部分 機器設計的模因
第4章 模因自動機
4.1 多問題環境：一種新的優化場景
4.1.1 模因遷移的定性的可行性評估
4.1.2 搜索空間統一的重要性
4.2 模因的概率形式化
4.2.1 大規模、多樣化的知識庫的作用
4.3 多問題環境的分類
參考文獻
第5章 問題間的時序知識遷移
5.1 概述
5.2 相關工作的回顧
5.3 通過混合建模實現模因集成
5.3.1 學習最優模型回歸
5.3.2 理論分析
5.4 一種自適應模因遷移優化算法
5.5 數值實驗
5.5.1 實例
5.5.2 實際案例研究
5.6 高代價函數優化中的知識遷移
5.6.1 針對回歸遷移的混合建模
5.6.2 工程設計中的一項研究
參考文獻
第6章 問題間的多任務知識遷移
6.1 概述
6.2 相關工作綜述
6.3 自適應模因多任務優化算法
6.4 數值實驗
6.4.1 實例
6.4.2 實際案例研究
參考文獻
第7章 將來研究方向：壓縮模因空間進化
7.1 基於分類的離散優化
7.2 基於神經網絡的壓縮表征
7.2.1 應用於背包問題
7.3 數值研究
7.4 小結
參考文獻
附錄
A.1 基於概率模型的優化算法