Ресурс генетического алгоритма [закрыт]

Я нашел книгу Мелани Митчелл, Введение в генетические алгоритмы , очень хорошей. Для более широкого охвата тем эволюционных вычислений также целесообразно введение в эволюционные вычисления Эйбена и Смита .

Если вы только начинаете, я недавно написал вступительную статью , которая может быть полезной.

Есть дополнительные ссылки как в этой статье, так и на главной странице для моих эволюционных вычислений рамки.

Я знаю, что это старый вопрос, но ответ еще не принят, поэтому я решил добавить свой собственный вклад. Один из лучших свободных ресурсов, на мой взгляд, для всего, что связано с эволюционными вычислениями (генетические алгоритмы, эволюционные стратегии, генетическое программирование и т. д.) является онлайн-книгой Шона ЛюкаОсновы Метаэвристики .

Это хорошая бесплатная книга на эту тему

Http://www.lulu.com/items/volume_63/2167000/2167025/2/print/book.pdf

Вот недавняя статья Роджера Алсинга о построении" картины Моны Лизы " с помощью генетического алгоритма: http://rogeralsing.com/2008/12/07/genetic-programming-evolution-of-mona-lisa/

Отредактировано для удаления горячей ссылки на картинку смотрите: http://rogeralsing.files.wordpress.com/2008/12/evolutionofmonalisa1.gif

Я реализовал свою версию этого алгоритма:

Http://23.media.tumblr.com/NngfN9gsDhlsyws3NvFcuHfgo1_400.png http://23.media.tumblr.com/NngfN9gsDhlsyws3NvFcuHfgo1_400.png

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

Существует большое введение в генетические алгоритмы в AI-Junkie.com а также учебники по многим другим методам искусственного интеллекта и машинного обучения. Учебник по генетическим алгоритмам направлен на то, чтобы "объяснить генетические алгоритмы достаточно, чтобы вы могли использовать их в своих собственных проектах", сохраняя при этом математику как можно ниже.

Умные Алгоритмы: Вдохновленные Природой Рецепты Программирования

Джейсон Браунли PhD.

Эта книга доступна бесплатно в формате PDF. Книга охватывает большое количество алгоритмов, вдохновленных природой, включая эволюционные, роевые и нейронные алгоритмы.

Краткое введение, которое я написал давным-давно, доступно здесь, но более короткое введение-это здесь.

Для получения более широкого и всеобъемлющего, хотя и несколько устаревшего, списка ресурсов посетите comp.ai.genetic FAQ.

Если я могу подключить одну из моих любимых книг, руководство по разработке алгоритма У Стива Скиена есть большой раздел по генетическим алгоритмам (плюс много других интересных эвристик для решения различных типов задач).

В книгеПрограммирование коллективного интеллекта Орейли была глава, посвященная генетическим алгоритмам. Это может быть немного к основному, но это был очень показательный пример.

Практические Генетические Алгоритмы

"введение в генетические алгоритмы" http://www.burns-stat.com/pages/Tutor/genetic.html

Вводный подход (с приложением к дилемме заключенного) см. В разделе:

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

Я реализовал генетический алгоритм с помощью Java generics. https://github.com/juanmf/ga

Он будет применять 3 оператора (мутация, скрещивание, отбор) и эволюционировать популяцию, учитывая конкретные реализации индивида, Гена, FitnessMeter и фабрики, выставленные в качестве весенних бобов.

/*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();
    }
}

Это дизайн, внутри Гранта есть реализация конкретного решения проблемы, как пример.