人工智能算法 卷2 受大自然启发的算法

算法是人工智能技术的核心，大自然是人工智能算法的重要灵感来源。本书介绍了受到基因、鸟类、蚂蚁、细胞和树影响的算法，这些算法为多种类型的人工智能场景提供了实际解决方法。全书共10章，涉及种群、交叉和突变、遗传算法、物种形成、粒子群优化、蚁群优化、细胞自动机、人工生命和建模等问题。书中所有算法均配以具体的数值计算来进行讲解，每章都配有程序示例，读者可以自行尝试。

[美] 杰弗瑞·希顿（Jeffery Heaton），一位活跃的技术博主、开源贡献者，也是十多本图书的作者。他的专业领域包括数据科学、预测建模、数据挖掘、大数据、商务智能和人工智能等。他拥有华盛顿大学信息管理学硕士学位，是IEEE的高级会员、Sun认证Java程序员、开源机器学习框架Encog的首席开发人员。

第 1 章　种群、计分和选择 1
1．1　理解种群　2
1．1．1　初始种群　3
1．1．2　种群成员之间的竞争　4
1．1．3　种群成员之间的合作　4
1．1．4　表型和基因型　5
1．1．5　岛屿种群　5
1．2　对种群计分　6
1．3　从种群中选择　7
1．4　截断选择　8
1．5　联赛选择　9
1．6　如何选择轮数　12
1．7　适应度比例选择　13
1．8　随机遍历抽样　15
选择一种选择算法　17
1．9　本章小结　18
第　2 章 交叉和突变　20
2．1　演化算法　21
2．2　解编码　22
2．3　交叉　23
2．3．1　拼接交叉　24
2．3．2　无重复拼接交叉　26
1
2．3．3　其他突变和交叉策略　27
2．4　突变　28
2．4．1　改组突变　29
2．4．2　扰动突变　31
2．5　为什么需要精英　33
2．6　本章小结　34
第　3 章 遗传算法　35
3．1　离散问题的遗传算法　35
3．1．1　旅行商问题　36
3．1．2　为旅行商问题设计遗传算法　38
3．1．3　旅行商问题在遗传算法中的应用　40
3．2　连续问题的遗传算法　42
3．3　遗传算法的其他应用　45
3．3．1　标签云　45
3．3．2　马赛克艺术　47
3．4　本章小结　49
第　4 章 遗传编程　50
4．1　程序作为树　50
4．1．1　后缀表示法　52
4．1．2　树表示法　54
4．1．3　终端节点和非终端节点　55
4．1．4　对树求值　55
4．1．5　生成树　58
2
4．1．6　满树初始化　59
4．1．7　生长树初始化　61
4．1．8　混合初始化　62
4．1．9　蓄水池采样　63
4．2　树突变　67
4．3　树交叉　68
4．4　拟合公式　70
4．5　本章小结　73
第　5 章 物种形成　75
5．1　物种形成实现　76
5．1．1　阈值物种形成　76
5．1．2　聚类物种形成　77
5．2　遗传算法中的物种　79
5．3　遗传编程中的物种　79
5．4　使用物种形成　80
5．5　本章小结　81
第　6 章 粒子群优化　83
6．1　群聚　83
6．2　粒子群优化　86
6．2．1　粒子　87
6．2．2　速度计算　88
6．2．3　实现　89
6．3　本章小结　91
3
第　7 章 蚁群优化　93
7．1　离散蚁群优化　95
7．1．1　ACO 初始化　97
7．1．2　蚂蚁移动　98
7．1．3　信息素更新　102
7．2　连续蚁群优化　103
7．2．1　初始候选解　106
7．2．2　蚂蚁移动　106
7．3　本章小结　110
第　8 章 细胞自动机　111
8．1　基本细胞自动机　112
8．2　康威的《生命游戏》　116
8．2．1　《生命游戏》的规则　117
8．2．2　有趣的生命图案　118
8．3　演化自己的细胞自动机　121
理解合并物理学　125
8．4　本章小结　129
第　9 章 人工生命　130
9．1　里程碑 1：绘制植物　131
9．2　里程碑 2：创建植物生长动画　134
9．2．1　植物的物理特征　135
9．2．2　植物生长　138
4
9．3　里程碑 3：演化植物　140
给植物计分　141
9．4　本章小结　142
第　10 章 建模　144
10．1　Kaggle 竞赛　145
10．2　里程碑 1：整理数据　148
10．3　里程碑 2：建立模型　152
10．4　里程碑 3：提交测试回复　156
10．5　本章小结　157
附录　A 示例代码使用说明　159
参考资料　166