本书针对基于演化的机器学习的一些关键问题进行深入探索。全书共20章，分为3篇。 上篇为第1～6章，探索了深度改进的分布估计算法，提出了基于共轭先验分布的两层分布估计算法、带有链接学习的量子演化算法和问题规模自适应的基于分解的多目标分布估计算法。中篇为第7～13章，针对学习分类器与特征选择方法，重点研究两者的融合策略，将学习分类器的分类模型构建过程与特征选择的特征子集搜索过程统一集成在基于演化的机器学习框架下，同时改善了分类算法的预测性能与运行效率。下篇为第14～20章，从提高规则空间的搜索质量出发，立足于分类问题，介绍基于分布估计算法的学习分类器。 本书可作为演化计算、智能优化、大数据及人工智能等专业方向研究生教材，也可供相关领域研究者参考。