|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/algoritmos-geneticos/
课程评论：没有评论
**课程名称：** 人工智能：遗传算法 **课程概述：** 本课程是一门面向人工智能初学者的实践课程，旨在教授遗传算法（GA）的基本理论和开发技巧。遗传算法是一种在计算机科学中用于优化和搜索问题的近似解的技术。与传统的优化算法不同，遗传算法基于潜在解决方案的编码，产生一个解决方案群体而非单一解决方案，不需要问题域的先验知识（仅需评估结果的方法），并采用概率转移而非确定性规则。 课程将从达尔文的进化论理论讲起，一步步引导您了解遗传算法的完整过程，并最终学会开发一个用于最大化数学函数的遗传算法。 **课程内容亮点：** * **理论基础：** 深入探讨遗传算法的理论，包括计算智能、生物学基础、基本概念以及更高级的算法细节。 * **核心架构：** 详细讲解遗传算法的架构，包括染色体表示、种群表示、评估函数、种群平均值等。 * **关键算子：** 学习和实践遗传算法中的关键算子，如父代选择、交叉（Crossover）和变异（Mutation）。 * **实践开发：** 手把手指导您开发一个遗传算法，从函数最大化入门，到准备开发环境（Visual Studio C#），再到编写核心类（CONSTANTS, INDIVIDUO, POPULACAO, ALGORITMOSGENETICOS）和图形用户界面（GUI），最后展示遗传算法的执行过程。 **学习目标：** 通过本课程，您将能够： * 理解遗传算法的基本原理及其与生物进化的联系。 * 掌握遗传算法的组成部分和工作流程。 * 能够设计和实现遗传算法的核心组件。 * 学会如何利用遗传算法解决优化问题，例如函数最大化。 * 为进一步开发更复杂的人工智能算法打下坚实基础。
Um Algoritmo Genético (AG) é uma técnica de busca utilizada na ciência da computação para achar soluções aproximadas em problemas de otimização e busca. Algoritmos genéticos diferem dos algoritmos tradicionais de otimização em basicamente quatro aspectos: Baseiam-se em uma codificação do conjunto das soluções possíveis, e não nos parâmetros da otimização em si;Os resultados são apresentados como uma população de soluções e não como uma solução única;Não necessitam de nenhum conhecimento derivado do problema, apenas de uma forma de avaliação do resultado;Usam transições probabilísticas e não regras determinísticas. função AlgoritmoGenético(população, função-objetivo) saídas: indivíduo entradas: população→ uma lista de indivíduos função-objetivo→ uma função que recebe um indivíduo e retorna um número real. repetir lista de pais:= seleção(população, função-objetivo) população:= reprodução(lista de pais) enquanto nenhuma condição de parada for atingida retorna o melhor indivíduo da população de acordo com a função-objetivo Este é um curso para quem deseja começar a desenvolver algoritmos para Inteligência Artificial. Neste curso você aprenderá a teoria básica sobre Algoritmos Genéticos, vamos percorrer todo o caminho no que tange o AG, começando com a teoria da evolução de Darwin e terminando com o desenvolvimento de um Algoritmo Genético para maximizar uma função matemática. Estrutura Curricular: Teoria do Algoritmo GenéticoInteligência ComputacionalUm pouco de BiologiaConceitos Básicos de AGAprofundando em Algoritmos GenéticosArquitetura do AGRepresentação CromossômicaRepresentação PopulacionalFunção de AvaliaçãoMédia da PopulaçãoOperadores GenéticosSeleção dos PaisOperador CrossoverOperador MutaçãoDesenvolvimento de um Algoritmo GenéticoIntrodução a Maximização de FunçõesArquitetura do ProjetoPreparando o Visual Studio C#Programando a Classe CONSTANTSProgramando a Classe INDIVIDUOProgramando a Classe POPULACAOProgramando a Classe ALGORITMOSGENETICOSProgramando a Interface GráficaApresentação da Execução do Algoritmo Genético
