Java遺傳算法編程 ( 簡體 字) |
| 作者：英 Lee Jacobson 雅各布森 美 Burak Kanber 坎貝爾 | 類別：1. -> 程式設計 -> JAVA -> Java |
| 譯者： |
| 出版社：人民郵電出版社 |  3dWoo書號： 45724
詢問書籍請說出此書號！【有庫存】
NT售價： 245 元 |
| 出版日：12/1/2016 |
| 頁數：199 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787115437310 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介： 當前，機器學習領域已經變得越來越流行，而遺傳算法是機器學習的一個重要子集。
本書簡單、直接地介紹了遺傳算法，并且針對所討論的示例問題，給出了Java代碼的算法實現。全書共分災6章。第1章簡單介紹了人工智能和生物進化的知識背景，這也是遺傳算法的歷史知識背景。第2章給出了一個基本遺傳算法的實現；第4章和第5章，分別針對機器人控制器、旅行商問題、排課問題展開分析和討論，并給出了算法實現。在這些章的末尾，還給出了一些練習供讀者深入學習和實踐。第6章專門討論了各種算法的優化問題。
本書適合機器學習愛好者閱讀，尤其適合對遺傳算法的理論和實現感興趣的讀者閱讀參考。
|
目錄：第1章 簡介 1
1.1 什么是人工智能 2
1.2 生物學類比 3
1.3 進化計算的歷史 4
1.4 進化計算的優勢 5
1.5 生物進化 7
生物進化的一個實例 8
1.6 基本術語 10
術語 10
1.7 搜索空間 11
1.7.1 適應度景觀 12
1.7.2 局部最優 14
1.8 參數 17
1.8.1 變異率 17
1.8.2 種群規模 18
1.8.3 交叉率 19
1.9 基因表示 19
1.10 終止 20
1.11 搜索過程 20
1.12 參考文獻 22
第2章 實現一個基本遺傳算法 23
2.1 實現之前 23
2.2 基本遺傳算法的偽代碼 24
2.3 關于本書的代碼示例 25
2.4 基本實現 26
2.4.1 問題 27
2.4.2 參數 27
2.4.3 初始化 29
2.4.4 評估 35
2.4.5 終止檢查 38
2.4.6 交叉 41
2.5 輪盤賭選擇 41
2.6 交叉方法 42
2.7 交叉偽代碼 43
2.8 交叉實現 44
2.8.1 精英主義 48
2.8.2 變異 50
2.8.3 執行 53
2.9 小結 55
2.10 練習 56
第3章 機器人控制器 57
3.1 簡介 57
3.2 問題 58
3.3 實現 59
3.3.1 開始之前 59
3.3.2 編碼 60
3.3.3 初始化 64
3.3.4 評估 73
3.3.5 終止檢查 87
3.3.6 選擇方法和交叉 91
3.4 錦標賽選擇 91
3.5 單點交叉 93
執行 99
3.6 小結 101
3.7 練習 102
第4章 旅行商 103
4.1 簡介 103
4.2 問題 105
4.3 實現 106
4.3.1 開始之前 106
4.3.2 編碼 106
4.3.3 初始化 107
4.3.4 評估 111
4.3.5 終止檢查 117
4.3.6 交叉 118
4.3.7 變異 124
4.3.8 執行 126
4.4 小結 131
4.5 練習 132
第5章 排課 134
5.1 簡介 134
5.2 問題 135
5.3 實現 136
5.3.1 開始之前 137
5.3.2 編碼 137
5.3.3 初始化 138
5.3.4 執行類 158
5.3.5 評估 167
5.3.6 終止 169
5.3.7 變異 172
5.3.8 執行 174
5.4 分析和改進 179
5.5 小結 182
5.6 練習 182
第6章 優化 183
6.1 自適應遺傳算法 183
6.1.1 實現 184
6.1.2 練習 188
6.2 多次啟發 188
6.2.1 實現 189
6.2.2 練習 190
6.3 性能改進 191
6.3.1 適應度函數設計 191
6.3.2 并行處理 191
6.3.3 適應度值散列 193
6.3.4 編碼 197
6.3.5 變異和交叉方法 197
6.4 小結 198 |
| 序： |
