遗传算法与机器学习编程

用小游戏和趣味问题讲解机器学习的方法和思想，轻松理解掌握机器学习概念和技巧，无需深奥的数学知识，美国亚马逊5星图书。

自动驾驶汽车、自然语言识别、内容推荐引擎的实现都离不开人工智能和机器学习算法。机器学习算法只有在解决具体问题时才能体现价值。本书以解决各种有趣的问题为目标，教读者用Python、C++、JavaScript编写机器学习算法，内容深入浅出，兼具实用性与大局观。读者将学习编写遗传算法、启发式算法、爬山算法、模拟退火算法，运用蒙特·卡洛模拟、点格自动机、适应函数解决问题。本书尤其适合对人工智能和机器学习感兴趣的程序员进阶学习。

Frances Buontempo博士多年来一直从事数据挖掘方面的研究工作，她有近三十年的软件开发经验，同时还担任ACCU网站的Overload杂志编辑。Frances Buontempo is the editor of ACCU's Overload magazine (https://accu.org/index.php/journal/?overload_by_cover). She has published articles and given talks centered on technology and machine learning. With a PhD in data mining, she has been programming professionally since the 1990s. During her career as a programmer, she has championed unit testing, mentored newer developers, deleted quite a bit of code and fixed a variety of bugs.

第1章逃出纸口袋1
1.1开始3
1.1.1逃出纸口袋4
1.2目标：寻找出路5
1.3帮助乌龟逃脱6
1.3.1乌龟和纸口袋7
1.4拯救乌龟8
1.4.1正方形9
1.4.2角螺旋10
1.4.3该逃脱了11
1.5算法有效吗12
1.6拓展学习14
第2章寻找纸口袋17
2.1从数据中学习18
2.1.1划分数据21
2.2生成决策树的方法22
2.2.1选取很好特征22
2.3找到纸口袋28
2.3.1寻找分割点29
2.3.2构建决策树30
2.3.3数据分类31
2.3.4将决策树转为规则集32
2.4算法有效吗33
2.4.1如何剪枝36
2.5拓展学习38
第3章遗传算法39
3.1发射炮弹41
3.2解的生成方法44
3.2.1算法的初始化44
3.2.2算法的迭代45
3.2.3如何让解变得更好45
3.2.4最终决策46
3.3发射炮弹47
3.3.1随机初始化48
3.3.2选择过程48
3.3.3交叉53
3.3.4突变54
3.4算法有效吗56
3.4.1画图56
3.4.2记录60
3.4.3突变测试60
3.4.4遗传算法的变体62
3.5拓展学习63
第4章粒子群算法65
4.1控制粒子群67
4.1.1移动单个粒子67
4.1.2移动多个粒子71
4.1.3粒子群75
4.2粒子群的生成76
4.2.1跟随邻近粒子77
4.2.2跟随优选位置78
4.3创建粒子群80
4.3.1跟随邻近粒子80
4.3.2跟随优选位置83
4.4算法有效吗88
4.5拓展学习90
第5章寻找路线91
5.1释放信息素92
5.1.1使用信息素94
5.2怎样生成路线96
5.3让蚂蚁行动起来98
5.3.1随机初始化98
5.3.2画路线102
5.3.3迭代优化路线103
5.4算法有效吗107
5.4.1从同一点出发107
5.4.2随机从不同点出发109
5.4.3α和β的选择109
5.4.4其他参数111
5.5拓展学习112
第6章运用随机模型113
6.1让粒子随机运动114
6.1.1蒙特卡洛模拟114
6.1.2布朗运动117
6.1.3几何布朗运动122
6.1.4跳跃扩散123
6.2如何产生扩散125
6.2.1小随机步长125
6.2.2用C++画图126
6.3让粒子扩散开127
6.3.1布朗运动128
6.3.2股票价格133
6.4算法有效吗137
6.4.1基于特性的测试139
6.5拓展学习143
第7章蜂群算法145
7.1养蜂146
7.1.1让蜜蜂行动起来146
7.1.2蜜蜂的分工147
7.1.3算法总览149
7.2算法分析150
7.2.1算法细节150
7.2.2摇摆舞152
7.3让蜜蜂飞起来152
7.3.1蜂群算法的实现153
7.3.2蜂群算法的可视化161
7.4算法有效吗164
7.5拓展学习166
第8章元胞自动机167
8.1让元胞活起来169
8.2创造人工生命172
8.2.1算法细节173
8.3实现元胞自动机175
8.4算法有效吗182
8.5拓展学习183
第9章遗传算法与元胞自动机185
9.1找到优选的配置186
9.2遗传算法在元胞自动机上的工作方式190
9.3找到很优初始排列193
9.3.1交叉197
9.3.2突变201
9.3.3运行遗传算法202
9.3.4初等元胞自动机204
9.3.5随机规则206
9.4算法有效吗207
9.4.1初等元胞自动机209
9.4.2随机规则211
9.5拓展学习212
第10章找到很优解215
10.1移动乌龟216
10.2乌龟怎么走217
10.2.1爬山法218
10.2.2模拟退火算法220
10.3寻找口袋底部222
10.3.1用函数表示口袋形状223
10.3.2爬山法224
10.3.3模拟退火算法225
10.4算法有效吗228
10.4.1爬山法229
10.4.2模拟退火算法231
10.5更高维度的情况233
10.6拓展学习237
参考文献239