【Udemy中英字幕】Genetic Algorithm Concepts and Working

遗传算法概念和工作原理

遗传算法概念和工作原理

讲师：Dr.Deeba K

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 探索进化计算的原理并深入研究遗传算法。
• 熟悉遗传算法运行所必需的关键术语和运算符。
• 通过探索遗传算法中复杂的运算符和技术来加深理解。
• 通过简单的 Python 代码实现遗传算法来获得实践技能。
• 探索遗传算法提供有效解决方案的实际应用。

探索相关主题

• 遗传算法
• 数据科学
• 发展

要求

• 本课程无任何先修课程要求。学生可以听讲座，从基础了解遗传算法的概念。

描述

遗传算法是一种基于搜索的优化算法，用于解决传统方法无法解决的问题。它是一种随机算法，其中每个步骤都遵循随机化原则。

遗传算法是由密歇根大学的 John Holland 于 1960 年开发的。他根据查尔斯·达尔文的生物进化理论提出了这种算法。遗传算法遵循“适者生存”的原则。只有最适合的个体才有可能存活到下一代，因此当世代进化时，只有最适合的个体才能生存下来。

遗传算法对解决方案进行操作，因此称为基于搜索的优化算法。它从搜索空间中现有的解决方案集合中搜索最优解决方案。遗传算法的过程如下，

1. 从现有群体中随机选择一些个体（解决方案）

2.计算适应度函数

3. 选择最适合的个体作为亲本染色体

4. 进行交叉（重组）

5. 执行变异

6.重复此过程，直到终止条件

这些步骤表明遗传算法是一种随机的、基于搜索的优化算法。

本课程分为四个模块。

第一个模块——遗传算法的简介、历史和术语。

第二模块-遗传算法的工作原理及示例

第三模块——编码、选择、交叉和变异方法的类型

第四模块——遗传算法的编码和应用

快乐学习！

本课程适合哪些人：

• 计算机科学专业的学生
• 学生进行遗传算法研究
• 有兴趣了解遗传算法基本工作原理的学生
• 对自然启发计算感兴趣
• 计划探索进化计算
• 计划探索优化技术

显示更多显示较少