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 5.4.3 α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

总算有一本把机器学习讲清楚的书了。从头到尾一点不含糊，感谢作者！——T.R. Hinton，美国亚马逊读者例子很有趣，现在我不仅知道怎么解决问题，而且明白了为什么要这样做！——Hans，美国亚马逊读者所有例子都有动画展示，不罗列概念，不掉书袋，图文并茂，好书！——Fun Gus，美国亚马逊读者我喜欢动手实践，这本书的难度很适合我！——Mr. Skeptical，美国亚马逊读者