本书从协同演化理论与算法相结合的角度出发，着重介绍著者研究团队在协同演化算法及数据挖掘应用方面的研究工作。全书共9章，内容包括协同演化算法、遗传算法、进化规划、粒子群算法、差分进化算法以及算法在特征选择、多目标优化、聚类等问题中的应用。
本书可作为信息科学、计算机科学、人工智能、自动化技术及电子信息等相关专业的本科生、研究生、教师和相关工作人员的参考书。

第1章 协同演化算法
1.1 引言
1.2 协同演化算法的基础
1.3 协同演化的理论基础
1.4 协同演化算法的分类
1.5 协同演化算法的特点
1.6 本章小结
参考文献
第2章 遗传算法
2.1 引言
2.2 基本遗传算法
2.3 遗传算法的研究现状
2.4 改进的遗传算法实例
2.5 本章小结
参考文献
第3章 进化规划
3.1 引言
3.2 基本进化规划
3.3 改进的进化规划实例
3.4 本章小结
参考文献
第4章 粒子群算法
4.1 引言
4.2 基本粒子群算法
4.3 粒子群算法的研究现状
4.4 改进的粒子群算法实例
4.5 本章小结
参考文献
第5章 差分进化算法
5.1 引言
5.2 基本差分进化算法
5.3 差分进化算法的研究现状
5.4 改进的差分算法
5.5 本章小结
参考文献
第6章 协同演化算法在特征选择问题中的应用
6.1 引言
6.2 特征选择问题
6.3 求解特征选择问题的实例
6.4 本章小结
参考文献
第7章 协同演化算法在多目标优化问题中的应用
7.1 引言
7.2 多目标优化问题
7.3 求解约束多目标优化问题实例
7.4 本章小结
参考文献
第8章 协同演化算法在聚类问题中的应用
8.1 引言
8.2 聚类问题
8.3 求解聚类问题实例
8.4 本章小结
参考文献
第9章 协同演化算法在其他方面的应用
9.1 研究基础与动机
9.2 相关理论基础
9.3 算法的实现
9.4 实验结果与分析
9.5 本章小结
参考文献