【问题标题】:Genetic algorithm resource [closed]遗传算法资源
【发布时间】:2010-10-05 06:46:30
【问题描述】:

最近我对遗传算法这个话题很感兴趣,但是我找不到任何好的资源。如果您知道任何好的资源、书籍或网站,我将不胜感激。我对算法和人工智能有扎实的了解,但我正在寻找对遗传编程有很好介绍的东西。

【问题讨论】:

  • 您是专门寻找遗传算法还是遗传编程?
  • GP != GA != 变异爬山
  • 也请考虑openGA

标签: algorithm resources genetic-algorithm


【解决方案1】:

迄今为止对我来说最好的参考资料:

另外,如果您是绝对的初学者,我建议您从Hello World of Genetics Algorithms 开始。没有什么比一个很好的干净示例更能开始了。

【讨论】:

  • 我应该说,Melanie Mitchell 的遗传算法简介是一个不错的选择。我阅读了 Melane Mitchell 的“复杂性:复杂系统理论导览”——我无法想象在编写技术材料方面做得更好。
  • @Cody 耶 复杂性很好,我也很喜欢 :)
【解决方案2】:

我发现 Melanie Mitchell 的书 An Introduction to Genetic Algorithms 非常好。为了更广泛地涵盖进化计算主题,Eiben 和 Smith 的 Introduction to Evolutionary Computing 也是值得的。

如果你刚刚开始,我最近写了一个 introductory article 可能有用。

在那篇文章和home page 上都有更多链接,用于我的进化计算框架。

【讨论】:

    【解决方案3】:

    我知道这是一个老问题,但尚未接受任何答案,所以我想我会添加自己的贡献。在我看来,所有与进化计算(遗传算法、进化策略、遗传编程等)相关的最好的免费资源之一是 Sean Luke 的在线书籍Essentials of Metaheuristics

    【讨论】:

      【解决方案4】:

      【讨论】:

        【解决方案5】:

        AI-Junkie.com 有关于遗传算法的精彩介绍,以及许多其他 AI 和机器学习技术的教程。遗传算法教程旨在“充分解释遗传算法,以便您能够在自己的项目中使用它们”,同时尽可能降低数学难度。

        【讨论】:

          【解决方案6】:

          这是 Roger Alsing 最近关于使用遗传算法构建“蒙娜丽莎的照片”的文章:http://rogeralsing.com/2008/12/07/genetic-programming-evolution-of-mona-lisa/

          编辑删除图片的热链接见:http://rogeralsing.files.wordpress.com/2008/12/evolutionofmonalisa1.gif

          我已经实现了我自己的算法版本:


          (来源:tumblr.com

          http://plindenbaum.blogspot.com/2008/12/random-notes-2008-12.html

          【讨论】:

          • 这是一个很酷的图像序列,但我怀疑该博客的所有者是否希望你热链接它。
          • @Jamie。你说得对。我删除了链接。
          • 原版甚至不接近遗传算法(虽然没有看过你的)。它使用贪婪的接受标准模拟退火。
          • 小心你所谓的 GA!
          【解决方案7】:

          Clever Algorithms: Nature-Inspired Programming Recipes

          Jason Brownlee 博士。

          本书可通过free in PDF 获取。本书涵盖了大量受自然启发的算法,包括进化算法、群算法和神经算法。

          【讨论】:

            【解决方案8】:

            我很久以前写的简短介绍可用here,但更好的简短介绍是here

            如需更大、更全面但有些过时的资源列表,请访问comp.ai.genetic FAQ

            【讨论】:

              【解决方案9】:

              如果我可以插入我最喜欢的一本书,Steve Skiena 的The Algorithm Design Manual 有一个关于遗传算法的精彩部分(加上许多其他有趣的启发式方法来解决各种类型的问题)。

              【讨论】:

                【解决方案10】:

                OReilly 的书Programming Collective Intelligence 有一章介绍了遗传算法。 它可能有点基本,但它是一个非常有说明性的例子。

                【讨论】:

                  【解决方案11】:
                  【解决方案12】:

                  【讨论】:

                    【解决方案13】:

                    有关介绍性方法(适用于囚徒困境),请参阅:

                    http://www2.econ.iastate.edu/tesfatsi/holland.gaintro.htm

                    【讨论】:

                      【解决方案14】:

                      我用 java 泛型实现了一个遗传算法。 https://github.com/juanmf/ga

                      它将应用 3 个运算符(Mutation、crossing、Selection)并进化种群,给定 Individual、Gen、FitnessMeter 和暴露为 spring bean 的工厂的具体实现。

                      /*This is all you have to add to the Spring App context 
                       * before running the application
                       */
                      @Configuration
                      public class Config {
                      
                          @Bean(name="individualFactory")
                          public IndividualFactory getIndividualFactory() {
                              return new Team.TeamFactory();
                          }
                      
                          @Bean(name="populationFactory")
                          public PopulationFactory getPopulationFactory() {
                              return new Team.TeamPopulationFactory();
                          }
                      
                          @Bean(name="fitnessMeter")
                          public FitnessMeter getFitnessMeter() {
                              System.out.println("getFitnessMeter");
                              return new TeamAptitudeMeter();
                          }
                      }
                      

                      这就是设计,grandt里面有一个具体问题解决方案的实现,例如。

                      【讨论】:

                        猜你喜欢
                        • 2011-12-25
                        • 1970-01-01
                        • 2011-01-11
                        • 2012-07-07
                        • 2011-07-22
                        • 1970-01-01
                        • 1970-01-01
                        • 1970-01-01
                        • 2016-06-23
                        相关资源
                        最近更新 更多