Use o código e tenha 10% de desconto!

Computação Evolucionária Aplique os algoritmos genéticos com Python e Numpy

Eduardo Pereira

*Você terá acesso às futuras atualizações do livro.

Conteúdo

A Inteligência Artificial está cada vez mais presente no nosso cotidiano. Dentre sua linha meta-heurística, os algoritmos funcionam como frameworks inteligentes para facilitar tomadas de decisões baseadas em grandes conjuntos de dados. A computação evolucionária coloca populações de indivíduos para evoluir em busca de se resolver um problema, com aplicações fascinantes na atualidade: a programação genética, determinação de melhor rota de veículos, design de circuitos, classificação de clientes, alocação de espaço físico e determinação automática de estruturas de redes neurais artificiais.

Neste livro, Eduardo Pereira apresenta os fundamentos de Algoritmos Genéticos, com aplicação de Programação Orientada a Objetos e a utilização da biblioteca Numpy, como uma extensão da linguagem Python para operar com vetores e matrizes. Você verá como aproveitar a biblioteca Matplotlib para a manipulação de gráficos 3D e geração de animações com os dados gerados. Para colocar tudo isso em prática, a segunda parte conta com uma aplicação prática onde você se debruçará sobre a solução de labirintos.

Saiba o que você vai aprender

 

Sumário

Parte 1: Algoritmo genético

  • 1 Introdução
  • 1.1 Máquina de Turing
  • 1.2 Preparando o ambiente
  • 1.3 Algoritmo genético: conceitos gerais
  • 2 Produção e avaliação de indivíduos
  • 2.1 Criando uma população
  • 2.2 Função de avaliação
  • 3 Seleção
  • 3.1 Seleção via roleta
  • 3.2 Seleção por classificação
  • 3.3 Seleção por torneio
  • 4 Cruzamento
  • 4.1 Cruzamento de um ponto
  • 4.2 Cruzamento em k-pontos
  • 4.3 Embaralhamento
  • 5 Mutação
  • 5.1 Mutação flip
  • 5.2 Mutação de dupla troca
  • 5.3 Mutação de sequência reversa
  • 6 Evolução
  • 6.1 A sobrevivência do mais adaptado: integrando os operadores genéticos
  • 6.2 Encontrando o máximo
  • 7 A evolução através da tragédia
  • 7.1 Operador Epidêmico
  • 8 Disponibilização do pacote
  • 8.1 Organização do pacote
  • 8.2 Subindo o pacote para o PyPi

Parte 2: Estudo de caso

  • 9 Explorando o uso de Algoritmos Genéticos
  • 10 Gerando labirintos
  • 10.1 Grafos
  • 10.2 Gerador de labirinto
  • 11 Da imagem ao grafo
  • 11.1 Do pixel ao vértice
  • 12 Encontrando caminhos
  • 12.1 Avaliação de indivíduo
  • 12.2 Algoritmo genético
  • 13 Conclusões
  • 13.1 Referências bibliográficas

Autor

Eduardo Pereira

Eduardo S. Pereira é mestre e doutor em Astrofísica, pelo Instituto Nacional de Pesquisas Espaciais (INPE). Possui graduação em Física pela Universidade Federal de São João Del-Rei. Também realizou pós-doutorado em Astrofísica, pelo INPE, e em Astronomia Observacional/Computacional, pela Universidade de São Paulo (USP). Atua principalmente nos seguintes temas de pesquisa: cosmologia, ondas gravitacionais, astrofísica computacional, processamento de imagens e inteligência artificial. Atualmente, é professor do curso de Ciência da Computação da Faculdade Anhanguera, e Tutor no curso de física na Universidade Virtual de São Paulo (UNIVESP). Trabalha com Python há mais de 6 anos.

Dados do produto

Número de páginas:
166
ISBN:
978-65-86110-34-0

Compartilhe!

Compartilhe no Facebook Compartilhe no Twitter