AI 和 Meta-Heuristics (組合優化) 組合優化 Python

Contents

圖演算法( Graph Algorithms )、遺傳演算法( Genetic Algorithms )、模擬退火(Annealing，冶金上的處理)、群體智慧( Swarm Intelligence )、啟發式(Heuristics )、極小極大( MiniMax) 和元啟發式( Meta-Heuristics )

從這 17.5 小時的課程，你會學到

理解為什麼人工智慧很重要
了解尋路演算法（pathfinding algorithms ：BFS、DFS 和 A* 搜索）
理解啟發式和元啟發式
了解遺傳演算法
理解粒子群( particle swarm )優化
了解模擬退火( simulated annealing )

要求

無需程式經驗。你會學到你需要知道的一切。

課程說明

本課程介紹人工智慧的基本概念和使用 Python 的元啟發式方法。這個話題現在變得非常熱門，因為這些學習演算法可以用於從軟體工程到投資銀行的多個領域。例如，學習演算法可以識別有助於檢測癌症的模式。我們可以構建可以很好地猜測市場中股票價格變動的演算法。

尋路演算法

第 1 節 – 廣度優先搜索 (BFS)

什麼是廣度優先搜索演算法
為什麼在人工智慧中使用圖演算法

第 2 節 – 深度優先搜索 (DFS)

什麼是深度優先搜索演算法
通過迭代和遞歸實現
深度優先搜索堆棧記憶視覺化
迷宮逃生應用

第 3 節 – A* 搜索演算法

什麼是 A* 搜索演算法
Dijkstra 演算法和A*搜索有什麼區別
什麼是啟發式
曼哈頓距離和歐氏距離

元啟發式

第 4 節 – 模擬退火

什麼是模擬退火
如何找到函數的極值
如何解決組合優化問題
旅行業務員業務員問題（Traveling Salesman Problem，TSP）
用模擬退火解決數獨問題

第 5 節 – 遺傳演算法

什麼是遺傳演算法
人工進化與自然選擇
交叉( crossover )和變異( mutation )
解決背包問題和N皇后問題

第 6 節 – 粒子群優化 (PSO)

什麼是群體智能
什麼是粒子群優化演算法

遊戲和遊戲樹

第 7 節 – 遊戲樹

什麼是遊戲樹
如何建構博弈樹

第 8 節 – Minimax 演算法和遊戲引擎

什麼是極小極大( Minimax )演算法
遊戲樹有什麼問題？
使用 alpha-beta 修剪方法
西洋象棋問題

第 9 節 – 以 Minimax 實現井字遊戲

井字遊戲( Tic Tac Toe )及其實現
使用極小極大( Minimax )演算法
使用 alpha-beta 修剪演算法( pruning algorithm )

強化學習

馬爾可夫決策過程 (Markov Decision Processes，MDP)
強化學習基礎
價值迭代和策略迭代
探索與開發問題
多臂式吃角子老虎機問題
Q learning 演算法
通過 Q learning 學習井字遊戲

PYTHON 程式設計速成課程

Python 程式設計基礎
基本資料結構
記憶管理基礎
物件導向程式設計 (OOP)
NumPy

在第一章中，我們將討論基本的圖形演算法 – 廣度優先搜索 (BFS)、深度優先搜索 (DFS) 和 A* 搜索演算法。一些高級演算法可以藉助圖形來解決，所以在我看來這些演算法是至關重要的。

接下來的章節是關於啟發式和元啟發式的。我們將考慮理論以及模擬退火、遺傳演算法和粒子群優化的實現 – 有幾個問題，如著名的 N 皇后問題、旅行業務員問題 (TSP) 等。

感謝您加入課程，讓我們開始吧！

目標受眾

對人工智慧和組合優化感到好奇的初學者 Python 程式設計師

講師簡介

Holczer Balazs 軟體工程師

我的名字是 Balazs Holczer。我來自匈牙利布達佩斯。我有資格成為一名物理學家。目前我在一家跨國公司擔任仿真工程師。自大學以來，我一直對演算法和資料結構及其實現感興趣，尤其是在 Java 中。後來我熟悉了機器學習技術、人工智慧、數值方法和處方，例如求解微分方程、線性代數、內插法和外插法。這些東西在幾個領域可能被證明是非常重要的：軟體工程、研發或投資銀行。我特別喜歡 Black-Scholes 模型或 Merton 模型等定量模型。

如果您對這些主題感興趣，請查看我的網站！