周志華等人新書：《演化學(xué)習(xí)：理論和算法的進展》正式上線！

近日，由周志華教授、俞揚教授和錢超研究員共同完成的新書——《EvolutionaryLearning:AdvancesinTheoriesandAlgorithms》正式上線！堪稱“寶藏級”新書，速來收藏。

愛逛知乎的小編在2019年4月13日，發(fā)現(xiàn)一直關(guān)注的俞揚教授發(fā)了一篇推文"致青春"，點進去一看，發(fā)現(xiàn)了”寶藏“！

于是便立即聯(lián)系了俞揚教授，詢問是否可以將這份資源轉(zhuǎn)發(fā)或者介紹給大家。俞教授也很爽快，沒過多久就給了肯定的答復(fù)。

《EvolutionaryLearning:AdvancesinTheoriesandAlgorithms》為原書名，因為微信公眾號標題長度有限制，所以自行翻譯成了中文：《演化學(xué)習(xí)：理論和算法的進展》。其中EvolutionaryLearning網(wǎng)上很多翻譯成：進化學(xué)習(xí)。但我閱讀了俞揚教授的原文，里面說是演化學(xué)習(xí)，所以這里為了統(tǒng)一，我還是標明演化學(xué)習(xí)。

中文僅供參考，若翻譯有問題，還請指正，大家還是以英文為主。

本書是由周志華教授、俞揚教授和錢超研究員三位共同完成，這里簡單介紹一下三位：

周志華，現(xiàn)任南京大學(xué)計算機科學(xué)與技術(shù)系主任、南京大學(xué)計算機軟件新技術(shù)國家重點實驗室常務(wù)副主任、機器學(xué)習(xí)與數(shù)據(jù)挖掘研究所(LAMDA)所長，校學(xué)術(shù)委員會委員。美國計算機學(xué)會(ACM)、美國科學(xué)促進會(AAAS)、國際人工智能學(xué)會(AAAI)、國際電氣電子工程師學(xué)會(IEEE)、國際模式識別學(xué)會(IAPR)、國際工程技術(shù)學(xué)會(IET/IEE)、中國計算機學(xué)會(CCF)、中國人工智能學(xué)會(CAAI)等學(xué)會的會士(Fellow)，歐洲科學(xué)院外籍院士。南京市政府人工智能產(chǎn)業(yè)顧問、證監(jiān)會科技監(jiān)管專家咨詢委員會委員、江蘇省政協(xié)委員、江蘇省青聯(lián)副主席等。

主要從事人工智能、機器學(xué)習(xí)、數(shù)據(jù)挖掘等領(lǐng)域的研究工作。主持多項科研課題，出版《機器學(xué)習(xí)》(2016)與《EnsembleMethods:FoundationsandAlgorithms》(2012)，在一流國際期刊和頂級國際會議發(fā)表論文百余篇，被引用三萬余次。經(jīng)常擔(dān)任NIPS、ICML、AAAI、IJCAI、KDD等重要國際學(xué)術(shù)會議的領(lǐng)域主席。擔(dān)任中國計算機學(xué)會常務(wù)理事、人工智能專業(yè)委員會主任，中國人工智能學(xué)會常務(wù)理事，江蘇省計算機學(xué)會副理事長，江蘇省人工智能學(xué)會理事長，IEEE南京分部副主席。

周志華教授個人信息節(jié)選自：

http://cs.nju.edu.cn/zhouzh/zhouzh.files/resume_cn.htm

俞揚，博士，南京大學(xué)副教授，博士生導(dǎo)師。主要研究領(lǐng)域為人工智能、機器學(xué)習(xí)、強化學(xué)習(xí)。2011年8月加入南京大學(xué)計算機科學(xué)與技術(shù)系、機器學(xué)習(xí)與數(shù)據(jù)挖掘研究所（LAMDA）從事教學(xué)與科研工作。

曾獲2013年全國優(yōu)秀博士學(xué)位論文獎、2011年中國計算機學(xué)會優(yōu)秀博士學(xué)位論文獎。發(fā)表論文40余篇，包括多篇ArtificialIntelligence、IJCAI、AAAI、NIPS、KDD等人工智能、機器學(xué)習(xí)和數(shù)據(jù)挖掘國際頂級期刊和頂級會議論文。入選2018年IEEEIntelligentSystems雜志評選的AI's10toWatch，獲2018PAKDDEarlyCareerAward、2017年江蘇省計算機學(xué)會青年科技獎。共同發(fā)起并主辦了亞洲強化學(xué)習(xí)系列研討會(AWRL)、中國演化計算與學(xué)習(xí)系列研討會(ECOLE)，任人工智能領(lǐng)域國際頂級會議IJCAI'18領(lǐng)域主席、ICPR'18領(lǐng)域主席、ACML'17領(lǐng)域主席，任IEEE計算智能協(xié)會數(shù)據(jù)挖掘與大數(shù)據(jù)分析技術(shù)委員會委員、中國人工智能學(xué)會機器學(xué)習(xí)專委會委員、中國計算機學(xué)會人工智能與模式識別專委會委員，ArtificialIntelligence、IJCAI、AAAI、KDD、ICML、NIPS、CVPR、ICCV等多個一流期刊的評審人和會議的程序委員。

俞揚教授個人信息節(jié)選自：

http://lamda.nju.edu.cn/yuy/cv_ch.ashx

錢超是中國科學(xué)技術(shù)大學(xué)副研究員。他的研究興趣是人工智能，演化計算和機器學(xué)習(xí)。他在領(lǐng)先的國際期刊和會議論文集上發(fā)表了20多篇論文，包括人工智能，演化計算，IEEE演化計算交易，Algorithmica，NIPS，IJCAI，AAAI等。他贏得了ACMGECCO2011年度最佳論文獎（TheoryTrack）和IDEAL2016年度最佳論文獎。他還曾擔(dān)任IEEE計算智能學(xué)會（CIS）工作組“TheoreticalFoundationsofBio-inspiredComputation”的主席。

錢超研究員個人信息節(jié)選自：

http://staff.ustc.edu.cn/~chaoqian/

https://www.springer.com/cn/book/9789811359552#aboutAuthors

下面看看俞揚教授簡單介紹該書的知乎原文"致青春"

https://zhuanlan.zhihu.com/p/62178187

正文（致青春）

最近與周老師、錢超一起完成了一本書。書的名字叫

《EvolutionaryLearning:AdvancesinTheoriesandAlgorithms》，但是對于我來說，可以叫“致青春”。從2005年碩士入學(xué)開始，抱著演化算法理論這個硬骨頭開始啃。

我的數(shù)學(xué)基礎(chǔ)并不好，在我同一屆進入LAMDA的同學(xué)中，毫無疑問是墊底，但也許優(yōu)點是膽子大，周老師說這個方向重要，那就干。這個領(lǐng)域真是四處不討好，讓我深刻體驗了什么叫冷板凳。即使是在演化計算領(lǐng)域里，對于搞應(yīng)用的來說，理論太滯后，沒有指導(dǎo)意義，甚至關(guān)注理論進展的人都很少。而放在整個人工智能領(lǐng)域里，更是艱難，當(dāng)時演化計算就已經(jīng)是在頂級會議上冷下去的話題了。

2000年前，IJCAI還出現(xiàn)了演化計算的session，2000年左右，隨著上一波演化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化的興起演化算法也還在火（是的，NAS并不是這幾年發(fā)明的，20年前的東西了），之后也隨著神經(jīng)網(wǎng)絡(luò)的冷淡，大家放棄啟發(fā)擁抱理論更清楚的方法，演化計算也迅速在頂級會議上隱匿。所以演化計算的論文要發(fā)在頂級會議上極其困難，而理論更甚，不僅要回答技術(shù)問題，還要回答諸如這個方向還有研究價值嗎、這個理論怎么指導(dǎo)算法，之類的問題。

回想起來在AAAI2006發(fā)表的第一篇做演化算法復(fù)雜度分析的論文，真是走運，其中一個審稿人一個字審稿意見都沒寫，直接打了滿分。

看到最終成稿，收錄了我們十幾年努力的結(jié)果，感覺這么多年也沒白做，現(xiàn)在從理論、算法、到應(yīng)用效果都能打通，AAAI、IJCAI、NIPS也都有發(fā)表了，尤其是NIPS2017的工作，回答了一個長久以來演化計算領(lǐng)域面臨的核心挑戰(zhàn)：“有什么問題能證明是以往算法做不到而演化算法能做到的”。

致我的青春年華。以后只能是個拼搏的中年人了。。。

書籍鏈接：

https://www.springer.com/cn/book/9789811359552

《EvolutionaryLearning:AdvancesinTheoriesandAlgorithms》簡介

許多機器學(xué)習(xí)任務(wù)涉及解決復(fù)雜的優(yōu)化問題，例如處理不可微分，非連續(xù)和非唯一的目標函數(shù);在某些情況下，甚至難以定義明確的目標函數(shù)。演化學(xué)習(xí)（Evolutionarylearning）應(yīng)用演化算法來解決機器學(xué)習(xí)中的優(yōu)化問題，并在許多應(yīng)用中產(chǎn)生了令人滿意的結(jié)果。然而，由于演化優(yōu)化的啟發(fā)性特征，迄今為止的大多數(shù)結(jié)果都是經(jīng)驗性的，缺乏理論支持。這個缺點使得進化學(xué)習(xí)不再受到機器學(xué)習(xí)社區(qū)的歡迎。

最近，為解決這個問題付出了相當(dāng)大的努力。本書將分成系列來介紹這些努力，共分為四個部分：

第一部分：簡要向讀者介紹演化學(xué)習(xí)并提供了一些預(yù)備知識；

第二部分：介紹演化算法中運行時間和近似性能分析的一般理論工具；

第三部分：提出許多關(guān)于演化優(yōu)化中主要因素的理論發(fā)現(xiàn)，例如recombination,representation,inaccuratefitnessevaluation,andpopulation；

第四部分：討論了演化學(xué)習(xí)算法的發(fā)展，為幾個代表性任務(wù)提供了可證明的理論保證。

致謝

在此感謝周志華教授、俞揚教授和錢超研究員整理這么棒的書籍！