人工智能和Python元启发式(组合优化)视频教程

本课程是关于人工智能和Python元启发式的基本概念。这个话题现在变得非常热门，因为这些学习算法可以用于从软件工程到投资银行的几个领域。例如，学习算法可以识别有助于检测癌症的模式。我们可以构建算法，对市场中的股票价格运动进行很好的猜测。AI and Meta-Heuristics (Combinatorial Optimization) Python

图形算法、遗传算法、模拟退火、群体智能、启发式、极大极小和元启发式

MP4 |视频:h264，1280×720 |音频:AAC，44.1 KHz，2声道
语言：英语+中英文字幕（云桥网络机译） |时长:196节课(17.5小时) |大小解压后:5.25 GB 含课程文件

你会学到什么
理解人工智能为什么重要
理解寻路算法(BFS，DFS和A*搜索)
理解启发式和元启发式
理解遗传算法
了解粒子群优化
了解模拟退火

###寻路算法###

第1部分-广度优先搜索(BFS)

什么是广度优先搜索算法

为什么在人工智能中使用图形算法

第2节-深度优先搜索(DFS)

什么是深度优先搜索算法

用迭代和递归实现

深度优先搜索堆栈内存可视化

迷宫逃脱应用程序

第3节- A*搜索算法

什么是A*搜索算法

Dijkstra的算法和A*搜索有什么区别

什么是启发式

曼哈顿距离和欧几里德距离

###元启发式算法###

第4节-模拟退火

什么是模拟退火

如何求函数的极值

如何解决组合优化问题

旅行推销员问题

用模拟退火法解决数独问题

第5节-遗传算法

什么是遗传算法

人工进化和自然选择

交叉和变异

求解背包问题和N皇后问题

第6节-粒子群优化(PSO)

什么是群体智能

什么是粒子群优化算法

###游戏和游戏树###

第7节-游戏树

什么是博弈树

如何构造博弈树

第8节-极大极小算法和游戏引擎

什么是极大极小算法

游戏树有什么问题？

使用阿尔法-贝塔剪枝方法

象棋问题

第9节-最小最大井字游戏

井字游戏及其实现

使用极大极小算法

使用阿尔法-贝塔剪枝算法

###强化学习###

马尔可夫决策过程

强化学习基础

价值迭代和政策迭代

勘探与开发问题

多武装匪徒问题

q学习算法

用Q学习学习井字游戏

### PYTHON编程速成班###

Python编程基础

基本数据结构

内存管理基础

面向对象编程(OOP)

NumPy

在第一章中，我们将讨论基本的图算法——广度优先搜索(BFS)，深度优先搜索(DFS)和A*搜索算法。有几个高级算法可以借助图来求解，所以在我看来这些算法是至关重要的。

接下来的章节是关于启发式和元启发式的。我们将考虑模拟退火、遗传算法和粒子群优化的理论和实现，以及几个问题，如著名的N皇后问题、旅行商问题(TSP)等。

感谢您参加本课程，让我们开始吧！

这门课程是给谁的
对人工智能和组合优化感兴趣的初级Python程序员

要求
不需要编程经验。你会学到你需要知道的一切。