Hands On Genetic Algorithms with Python – Eyal Wirsansky – 1st Edition

Inspirándose en la teoría de la evolución natural de Charles Darwin, los algoritmos genéticos se encuentran entre las técnicas más fascinantes para resolver problemas de búsqueda, optimización y aprendizaje. A menudo pueden resultar exitosos cuando los algoritmos tradicionales no logran proporcionar resultados adecuados en un plazo razonable. Este libro lo llevará en un viaje para dominar este enfoque extremadamente poderoso pero simple y aplicarlo a una amplia variedad de tareas, culminando en aplicaciones de IA. Con este libro, comprenderá los algoritmos genéticos, cómo funcionan y cuándo utilizarlos.

Además, el libro le brindará experiencia práctica en la aplicación de algoritmos genéticos a varios dominios utilizando el popular lenguaje de programación Python. ¿Para quién es este libro? Este libro fue escrito para ayudar a los desarrolladores de software, científicos de datos y entusiastas de la IA interesados en aprovechar los algoritmos genéticos para llevar a cabo tareas que impliquen aprendizaje, búsqueda y optimización en sus aplicaciones, así como mejorar el rendimiento y la precisión de sus aplicaciones inteligentes existentes. Este libro también está dirigido a cualquiera que tenga la tarea de resolver problemas de la vida real difíciles de resolver en los que los algoritmos tradicionales no son útiles o no logran proporcionar resultados adecuados en un período de tiempo práctico. El libro demuestra cómo los algoritmos genéticos pueden usarse como un enfoque poderoso pero simple para resolver una variedad de problemas complejos. Lo que cubre este libro El Capítulo 1, Introducción a los algoritmos genéticos, presenta los algoritmos genéticos, su teoría subyacente y sus principios básicos de funcionamiento. Luego explorará las diferencias entre los algoritmos genéticos y los métodos tradicionales, y aprenderá sobre los mejores casos de uso de los algoritmos genéticos.

El Capítulo 2, Comprensión de los componentes clave de los algoritmos genéticos, profundiza en los componentes clave y los detalles de implementación de los algoritmos genéticos. Después de delinear el flujo genético básico, aprenderá sobre sus diferentes componentes y las diversas implementaciones de cada componente. Inspirándose en la teoría de la evolución natural de Charles Darwin, los algoritmos genéticos se encuentran entre las técnicas más fascinantes para resolver problemas de búsqueda, optimización y aprendizaje.

A menudo pueden resultar exitosos cuando los algoritmos tradicionales no logran proporcionar resultados adecuados en un plazo razonable. Este libro lo llevará en un viaje para dominar este enfoque extremadamente poderoso pero simple y aplicarlo a una amplia variedad de tareas, culminando en aplicaciones de IA. Con este libro, comprenderá los algoritmos genéticos, cómo funcionan y cuándo utilizarlos. Además, el libro le brindará experiencia práctica en la aplicación de algoritmos genéticos a varios dominios utilizando el popular lenguaje de programación Python. ¿Para quién es este libro? Este libro fue escrito para ayudar a los desarrolladores de software, científicos de datos y entusiastas de la IA interesados en aprovechar los algoritmos genéticos para llevar a cabo tareas que impliquen aprendizaje, búsqueda y optimización en sus aplicaciones, así como mejorar el rendimiento y la precisión de sus aplicaciones inteligentes existentes.

Este libro también está dirigido a cualquiera que tenga la tarea de resolver problemas de la vida real difíciles de resolver en los que los algoritmos tradicionales no son útiles o no logran proporcionar resultados adecuados en un período de tiempo práctico. El libro demuestra cómo los algoritmos genéticos pueden usarse como un enfoque poderoso pero simple para resolver una variedad de problemas complejos. Lo que cubre este libro El Capítulo 1, Introducción a los algoritmos genéticos, presenta los algoritmos genéticos, su teoría subyacente y sus principios básicos de funcionamiento. Luego explorará las diferencias entre los algoritmos genéticos y los métodos tradicionales, y aprenderá sobre los mejores casos de uso de los algoritmos genéticos. El Capítulo 2, Comprensión de los componentes clave de los algoritmos genéticos, profundiza en los componentes clave y los detalles de implementación de los algoritmos genéticos.

Después de delinear el flujo genético básico, aprenderá sobre sus diferentes componentes y las diversas implementaciones para cada componente. ce [ 3 ] Capítulo 11, Reconstrucción de imágenes genéticas, experimentos con la reconstrucción de una imagen conocida utilizando un conjunto de polígonos semitransparentes, orquestados mediante algoritmos genéticos. A lo largo del camino, obtendrá experiencia útil en el procesamiento de imágenes y las bibliotecas de Python relevantes. El Capítulo 12, Otras técnicas de computación evolutivas y bioinspiradas, amplía sus horizontes y lo familiariza con otras técnicas de resolución de problemas de inspiración biológica. Dos de estos métodos $programación genética y optimización de enjambre de partículas$ se demostrarán utilizando programas Python basados en DEAP.