【Udemy中英字幕】C++ Machine Learning Algorithms Inspired by Nature

受自然启发的 C++ 机器学习算法

从头开始学习遗传算法、模拟退火、蚁群优化、差分进化算法

讲师：Serban Stoenescu

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

• C++ 中的遗传算法
• 模拟退火
• 差异进化
• 蚁群优化

探索相关主题

• 机器学习
• 其他 IT 和软件
• 信息技术与软件

要求

• 了解基本的 C++，你应该有一个 C++ IDE（任何，我正在使用 Visual Studio）
• 了解一些数学知识
• 对一般算法的理解
• 对酷炫算法的兴趣:)

描述

本在线课程适用于希望通过学习 C++ 中有趣的优化算法来提升技能的学生和软件开发人员。

您将通过从头开始用 C++ 编写来学习一些最著名的 AI 算法，因此我们不会使用任何库。我们将从遗传算法 (GA)开始，继续使用模拟退火 (SA)，然后介绍一个鲜为人知的算法：差分进化。最后，我们将研究蚁群优化 (ACO)。

遗传算法是元启发式算法或优化算法中最著名的算法。您将了解什么是优化算法、何时使用它们，然后您将使用遗传算法 (GA) 解决两个问题。第二个最著名的算法是模拟退火算法。

然而，大自然给了我们令人着迷的灵感来源，例如蚂蚁的行为，因此蚁群优化也是一种有趣的算法。

我们将解决连续问题（找到连续函数的最大值/最小值）和离散问题，例如旅行商问题（TSP），您必须找到城市网络中最短路径，或背包问题。

先决条件：

• 了解基本的 C++
• 任何 C++ IDE（我正在使用 Visual Studio）
• 算法的理解
• 理解数学

我建议你自己做一下例子，而不是被动地观看视频。

以下是您将学到的内容的简要概述：

• 什么是优化算法
• 遗传算法理论：
  • 总体结构
  • 如何进行交叉
  • 突变是如何发生的
• 连续问题的遗传算法：
  • 连续问题特有的挑战：将位（“染色体”）解码为浮点值
  • 交叉：锦标赛选择和单点交叉
  • 突变
• TSP（旅行商问题）的遗传算法：
  • 为 TSP 创建适应度函数
  • 这个问题特别的挑战是：如何进行交叉？
  • 突变
• 模拟退火：
  • 基本理论
  • 优化 Himmelblau 的功能
  • 背包问题
• 差异进化：
  • 理论和不同策略
  • 标准策略 (DE/rand/1/bin) 的代码示例
• 蚁群优化：
  • 理论与启示
  • 旅行商问题示例

立即注册并开始吧！

本课程适合哪些人：

• 想要学习有趣算法的学生和软件开发人员
• 对元启发式算法感兴趣的任何人

显示更多显示较少