通识基础
通识基础负责解释机器学习与优化算法里反复出现的核心概念，是后续所有专题的理论底座。
参数设置分析方法
参数设置分析方法关注调参与实验设计，适合在算法对比、灵敏度分析和实验复现时回看。
深度学习
深度学习部分围绕网络结构、模块机制和代码片段整理，适合读模型时快速回看关键实现。
非学习类算法
非学习类算法部分整理评价与决策分析里常用的方法，和学习算法主线分开，查找会更直接。
智能优化算法
智能优化算法部分已经按理论基础、算法家族和搜索机制拆成多级目录，后续会持续更新进化计算、群体智能和随机优化方向文章。
Theory
先看优化问题、算法分类和理论基础，再进入后续具体方法
进化算法
进入演化计算的基础框架与代表性方法分支
进化策略
查看 ES、NES、CMA-ES 等参数自适应搜索方法
遗传算法
从编码方式、群体演化流程和典型 GA 变体进入主线
遗传算法算子
继续查看选择、交叉、变异等核心算子专题
小生境遗传算法
进入多样性保持、多峰优化和种群分化机制专题
遗传规划
查看程序表示、树结构操作与表达式演化方法
差分进化
继续查看标准策略、自适应机制与外部档案方法
分布估计算法
进入概率建模、采样更新与结构学习方法专题
粒子群优化
查看拓扑结构、参数控制与离散化扩展
群智能算法
进入蜂群、蝙蝠、萤火虫、狼群等集群协同方法
蚁群优化
查看信息素机制、路径构造与多种蚁群系统变体
人工免疫系统
继续查看克隆选择、免疫记忆与异常检测方法
新颖性搜索
进入行为差异驱动搜索与质量多样性专题
随机优化
查看随机搜索、局部搜索、禁忌搜索与邻域扰动
物理启发优化
继续查看模拟退火、和声搜索、文化算法等方法
其他优化技巧
进入采样、初始化和辅助策略等补充内容
具体问题 / 案例
具体问题 / 案例部分会把算法放回真实任务场景中，后续会持续更新案例分析与多目标优化等问题方向文章。