本书对自然计算、机器学习、图像自动理解与解译三个前沿领域进行了详细的论述。主要内容包括进化计算、人工免疫系统、量子计算智能、多智能体系统、进化多目标优化、核机器学习、流形学习与谱图学习、集成学习、非线性逼近理论、多尺度几何分析、多尺度变换域图像感知与识别、图像的高维奇异性检测、图像去噪的阈值方法、SAR图像理解与解译。
　　本书着重对上述领域的国内外发展现状进行总结，阐述作者对相关领域未来发展的研究与思考。本书可以作为计算机科学、信息科学、人工智能自动化技术等领域从事自然计算、机器学习、图像处理研究的相关专业技术人员的参考书，也可以作为相关专业高年级本科生和研究生的教材。

第1章 进化计算
　1.1 从人工智能到计算智能
　1.2 从进化论到进化计算
　　1.2.1 现代进化论
　　1.2.2 生物进化与优化
　1.3 进化计算基础知识
　　1.3.1 进化计算的主要分支
　　1.3.2 进化计算的数学基础
　　1.3.3 进化算法的收敛理论
　　1.3.4 进化计算的应用
　1.4 协同进化计算
　　1.4.1 协同进化的生物学基础
　　1.4.2 协同进化的动力学描述
　　1.4.3 协同进化算法的发展现状
　1.5 非达尔文进化理论与密母计算
　　1.5.1 非达尔文进化的主要理论
　　1.5.2 密母计算的研究进展
　参考文献
第2章 人工免疫系统
　2.1 从免疫系统到人工免疫系统
　2.2 人工免疫系统的研究领域
　　2.2.1 人工免疫系统模型的研究
　　2.2.2 人工免疫系统算法的研究
　　2.2.3 人工免疫系统方法的应用研究
2.3 人工免疫系统与其它方法的比较
　　2.3.1 人工免疫系统与进化计算
　　2.3.2 人工免疫系统与人工神经网络
　　2.3.3 人工免疫系统与一般的确定性优化算法
　2.4 免疫优化计算研究的新进展
　　2.4.1 免疫优化算法研究的主要进展
　　2.4.2 免疫优化计算理论分析的主要进展
　2.5 问题与展望
　参考文献
第3章 量子计算智能
　3.1 量子计算原理
　　3.1.1 状态的叠加
　　3.1.2 状态的相干
　　3.1.3 状态的纠缠
　　3.1.4 量子并行性
　3.2 量子计算智能的几种模型
　　3.2.1 量子人工神经网络
　　3.2.2 基于量子染色体的进化算法
　　3.2.3 基于量子特性的优化算法
　　3.2.4 量子聚类算法
　　3.2.5 量子模式识别算法
　　3.2.6 量子小波与小波包算法
　　3.2.7 量子退火算法
　　3.2.8 其它
　3.3 量子进化算法
　　3.3.1 量子进化算法的提出
　　3.3.2 量子进化操作
　　3.3.3 量子进化算法的结构框架
　3.4 问题与展望
　参考文献
第4章 多智能体系统
　4.1 复杂适应系统
　　4.1.1 复杂适应系统概述
　　4.1.2 复杂适应系统的适应性与生物进化过程
　　4.1.3 生物进化过程的数学模型
　4.2 多智能体系统
　　4.2.1 智能体的基本概念
　　4.2.2 智能体形式化描述
　　4.2.3 多智能体系统的主要研究内容
　　4.2.4 面向问题解决的多智能体系统研究现状
　　4.2.5 多智能体系统与分布式人工智能
　　4.2.6 多智能体系统与人工生命
　　4.2.7 多智能体系统与进化计算
　参考文献
第5章 进化多目标优化
第6章 核机器学习
第7章 流形学习与谱图学习
第8章 集成学习
第9章 非线性逼近理论
第10章 多尺度几何分析
第11章 多尺度变换域图像感知与识别
第12章 图像的高维奇异性检测、 学习与理解
第13章 图像去噪的阈值方法
第14章 SAR图像理解与解译
参考文献