IA et méta-heuristique (optimisation combinatoire) Python

Ce cours traite des bases de l’intelligence artificielle et des méta-heuristiques avec Python, et explique comment les utiliser. Les algorithmes d’apprentissage peuvent comprendre des modèles qui peuvent aider à trouver le cancer, par exemple. Nous pourrions être en mesure de créer des algorithmes capables de comprendre comment les cours des actions évolueront sur le marché.

Il existe de nombreux algorithmes qui vous aident à trouver votre chemin.

Ceci est la section 1 : Recherche en profondeur (BFS)

• qu’est-ce que la recherche en largeur ?
• En IA, pourquoi faut-il utiliser des algorithmes de graphes ?

Deuxièmement : recherche en profondeur (DFS)

• qu’est-ce qu’un algorithme de recherche en profondeur ? C’est une façon de chercher des choses.
• L’implémentation avec itération et avec récursivité est de deux façons.
• l’application d’évasion labyrinthe

A* L’algorithme de recherche se trouve dans la section 3.

• A* est un algorithme de recherche qui aide les gens à trouver ce qu’ils veulent.
• Comment fonctionne l’algorithme de Dijkstra et comment fonctionne la recherche A* ?
• Distance de New York et distance euclidienne

Méta-heuristique : ###

Le recuit simulé est dans la section 4.

• comment trouver le point où deux fonctions se rencontrent
• optimisation combinatoire : comment les résoudre
• le voyageur de commerce a un problème (TSP)

Ceci est la Section 5 : Algorithmes génétiques.

• Il est important de savoir ce que sont les « algorithmes génétiques ».
• croix et mutation
• trouver un moyen de résoudre les problèmes du sac à dos et des N reines

La section 6 parle de l’optimisation des essaims de particules (PSO)

• L’intelligence qui provient d’un groupe de personnes est appelée “intelligence en essaim”.
• L’algorithme Particle Swarm Optimization est un moyen de trouver la meilleure façon de faire quelque chose.

Jeux et arborescences de jeux : ###

Les arbres pour les jeux sont dans la section 7.

• Dans les jeux, qu’est-ce que les “arbres” ?
• comment construire des arbres de jeu

L’algorithme Minimax et les moteurs de jeu sont dans la section 8.

• L’algorithme minimax est un moyen de trouver la meilleure réponse possible.
• Quel est le problème avec les arbres de jeu?
• en utilisant la méthode d’élagage alpha-bêta
• jeu d’échecs

Avec Minimax, la section 9 concerne le Tic Tac Toe.

• Le jeu Tic Tac Toe et comment il a été créé
• l’algorithme minimax est utilisé
• Élagage avec l’algorithme alpha-bêta

C’est ce qu’on appelle « l’apprentissage par renforcement ».

• Les bases de l’apprentissage par renforcement
• changement de valeur et changement de politique
• un problème d’exploration et d’exploitation
• Les bandits multi-armés sont un problème
• Q est un algorithme qui aide les gens à apprendre.
• avec Q, vous pouvez apprendre le tic tac toe

Les personnes qui souhaitent apprendre rapidement à programmer en Python devraient suivre ce cours accéléré.

• Les bases de la programmation Python
• Voici une liste des structures de données les plus importantes.
• Les bases de la gestion de la mémoire
• NumPy

Les algorithmes de recherche en largeur d’abord (BFS), de recherche en profondeur d’abord (DFS) et de recherche A * sont parmi les algorithmes de graphe les plus importants. Dans les premiers chapitres, nous parlerons de ces trois types d’algorithmes.

Les deux prochains chapitres portent sur les heuristiques et les méta-heuristiques, qui sont des manières d’y penser. En plus de la théorie, nous verrons comment ces algorithmes fonctionnent dans la pratique. Nous examinerons le problème des N reines, le problème du voyageur de commerce (TSP) et de nombreux autres problèmes.