遗传算法是人工智能的一个重要领域，负责解决复杂的现实世界问题。这种类型的算法有多种实际应用，可以应用于日常业务情况下的问题解决。一个典型的例子是解决学校的教师排班问题，其中有不同的排班和班级组合，目标是根据班级数量和每位教师的空闲情况动态建立排班。其他例子有：电信公司可以设计新的光网络，运营商可以更好地规划货物的运送路线，投资者可以选择最佳投资；在其他几个。
在本课程中，您将学习进入遗传算法世界所需的一切！这门课程的独特之处在于，您将学习基本的直觉，尤其是在不使用预建库的情况下逐步实施。换句话说，我们将使用 Python 从头开始实现遗传算法。如果您从未听说过这个主题，在课程结束时您将拥有解决您自己或您工作的公司的问题的所有理论和实践基础！
在第 1 部分中，我们将从头开始实施遗传算法来解决与产品运输相关的一个非常常见的问题。假设我们需要在卡车上装载一些产品，但我们需要选择利润最高的产品，并且还要考虑到卡车上没有足够的空间来装载所有产品。因此，遗传算法的目标将是选择最佳的产品集以最大化公司的利润。最后我们会将我们的算法与MySql中的数据库集成，这样会更容易了解如何处理商业应用！
在第 2 部分（在您了解了整个直觉并从头开始实现遗传算法之后），是时候学习如何使用库来解决相同的问题了。除了产品运输的案例研究之外，我们还将解决另一个问题，即寻找团体旅行的最低机票价格。我们将使用两个库来解决这两个问题：DEAP（Python 中的分布式进化算法）和 MLROSe。有趣的是，我们将能够将库的结果与我们从头开始实施的遗传算法的结果进行比较。
这可以被认为是遗传算法的第一门课程，完成后，您可以继续学习更高级的材料。最后，您将拥有开发一些简单项目和学习更高级课程的实践背景。在讲座中，代码将使用 Google Colab 逐步实现，这将确保您在本地机器上安装或配置软件不会出现问题。
MP4 | 视频：h264，1280×720 | 音频：AAC，44.1 KHz，2 Ch
类型：电子学习 | 语言：英语+srt | 持续时间：25 次讲座 (3h 26m) | 大小：1.17 GB
您将学到什么：
理论学习并实践有关遗传算法的主要概念，例如：个体、群体、交叉/繁殖、变异和评估
在 Python 中从头开始实施遗传算法 在中
实施分步遗传算法Python 解决现实世界的问题，例如产品运输和航班时刻表优化
将遗传算法应用于最大化和最小化问题
使用动态图可视化遗传算法结果
将遗传算法与 MySql 中的数据库集成
了解如何使用 DEAP 构建遗传算法和 MLROSe 库
要求
编程逻辑
基础 Python 编程
本课程面向的对象
对遗传算法、优化算法或人工智能感兴趣的人
对从头开始实施遗传算法感兴趣的人
对 DEAP 和 MLROSe 库感兴趣的人
正在学习与人工智能数据科学家相关的科目并希望增加他们的知识的学生遗传算法
