人工智能算法 捲2 受大自然啟發的算法 Artificial Intelligence for Humans, Volume 2: Nature-Inspired Algorithms

[美] 傑弗瑞·希頓（Jeffery Heaton），一位活躍的技術博主、開源貢獻者，也是十多本圖書的作者。他的專業領域包括數據科學、預測建模、數據挖掘、大數據、商務智能和人工智能等。
他擁有華盛頓大學信息管理學碩士學位，是IEEE的高級會員、Sun認證Java程序員、開源機器學習框架Encog的首席開發人員。

第1章種群、計分和選擇1
1．1理解種群2
1．1．1初始種群3
1．1．2種群成員之間的競爭4
1．1．3種群成員之間的合作4
1． 1．4表型和基因型5
1．1．5島嶼種群5
1．2對種群計分6
1．3從種群中選擇7
1．4截斷選擇8
1．5聯賽選擇9
1．6如何選擇輪數12
1．7適應度比例選擇13
1．8隨機遍歷抽樣15選擇一種選擇算法17
1．9本章小結18

第2章交叉和突變20
2．1演化算法21
2．2解編碼22
2 ．3交叉23
2．3．1拼接交叉24
2．3．2無重複拼接交叉26
2．3．3其他突變和交叉策略27
2．4突變28
2．4．1改組突變29
2．4 ．2擾動突變31
2．5為什麼需要精英33
2．6本章小結34

第3章遺傳算法35
3．1離散問題的遺傳算法35
3．1．1旅行商問題36
3．1．2為旅行商問題設計遺傳算法38
3．1．3旅行商問題在遺傳算法中的應用40
3．2連續問題的遺傳算法42
3．3遺傳算法的其他應用45
3．3． 1標籤雲45
3．3．2馬賽克藝術47
3．4本章小結49

第4章遺傳編程50
4．1程序作為樹50
4．1．1後綴表示法52
4．1．2樹表示法54
4 ．1．3終端節點和非終端節點55
4．1．4對樹求值55
4．1．5生成樹58
4．1．6滿樹初始化59
4．1．7生長樹初始化61
4． 1．8混合初始化62
4．1．9蓄水池採樣63
4．2樹突變67
4．3樹交叉68
4．4擬合公式70
4．5本章小結73

第5章物種形成75
5．1物種形成實現76
5．1．1閾值物種形成76
5．1．2聚類物種形成77
5．2遺傳算法中的物種79
5．3遺傳編程中的物種79
5．4使用物種形成80
5． 5本章小結81

第6章粒子群優化83
6．1群聚83
6．2粒子群優化86
6．2．1粒子87
6．2．2速度計算88
6．2．3實現89
6．3本章小結91

第7章蟻群優化93
7 ．1離散蟻群優化95
7．1．1 ACO初始化97
7．1．2螞蟻移動98
7．1．3信息素更新102
7．2連續蟻群優化103
7．2．1初始候選解106
7 ．2．2螞蟻移動106
7．3本章小結110

第8章細胞自動機111
8．1基本細胞自動機112
8．2康威的《生命遊戲》 116
8．2．1 《生命遊戲》的規則117
8．2．2有趣的生命圖案118
8．3演化自己的細胞自動機121理解合併物理學125
8．4本章小結129

第9章人工生命130
9．1裏程碑1：繪製植物131
9．2裏程碑2：創建植物生長動畫134
9．2．1植物的物理特徵135
9．2．2植物生長138
9．3裏程碑3：演化植物140給植物計分141
9．4本章小結142

第10章建模144
10．1 Kaggle競賽145
10．2裏程碑1：整理數據148
10．3裏程碑2：建立模型152
10．4裏程碑3：提交測試回復156
10．5本章小結157
附錄A示例代碼使用說明159
參考資料166