Artificial Intelligence I: Meta-Heuristics and Games in Java

图算法、遗传算法、模拟退火、群智能、极小值、启发式和元启发式

最后更新 03/2022
MP4 | 视频：h264、1280×720 | 音频：AAC，44.1 KHz，2 Ch
类型：eLearning | 语言：英语 + srt | 时长：83 节课（9h 10m）| 大小：2.4 GB

你会学到什么

很好地掌握人工智能
了解 AI 算法的工作原理
了解图搜索算法 – BFS、DFS 和 A* 搜索
了解元启发式算法
了解遗传算法
了解模拟退火
了解群智能和粒子群优化
了解博弈树
了解极小极大算法和 alpha-使用极小极大算法从头开始修剪
井字游戏

要求
基本 Java (SE)

描述

本课程是关于人工智能的基本概念。这个话题现在变得非常热门，因为这些学习算法可以用于从软件工程到投资银行的多个领域。例如，学习算法可以识别有助于检测癌症的模式。我们可以构建算法来很好地猜测市场中的股票价格走势。

– 寻路算法 –

第 1 节 – 广度优先搜索 (BFS)

什么是广度优先搜索算法

为什么要在 AI 中使用图算法

第 2 节 – 深度优先搜索 (DFS)

什么是深度优先搜索算法

迭代和递归实现

深度优先搜索堆栈内存可视化

迷宫逃生应用

第 3 节 – 迭代深化深度优先搜索 (IDDFS)

什么是迭代加深深度优先搜索算法

第 4 节 – A* 搜索算法

什么是 A* 搜索算法

Dijkstra 算法和 A* 搜索有什么区别

什么是启发式

曼哈顿距离和欧几里得距离

– 优化 –

第 5 节 – 优化方法

基本优化算法

蛮力搜索

爬山算法

– 元启发式 –

第 6 节 – 模拟退火

什么是模拟退火

如何找到函数的极值

如何解决组合优化问题

旅行商问题（TSP）

第 7 节 – 遗传算法

什么是遗传算法

人工进化和自然选择

交叉和突变

解决背包问题

第 8 节 – 粒子群优化 (PSO)

什么是群体智能

什么是粒子群优化算法

– 游戏和游戏树 –

第 9 节 – 博弈树

什么是游戏树

如何构建游戏树

第 10 节 – 极小极大算法和游戏引擎

什么是极小极大算法

游戏树有什么问题？

使用 alpha-beta 剪枝方法

国际象棋问题

第 11 节 – Minimax 井字游戏

井字游戏及其实现

使用极小极大算法

在第一章中，我们将讨论基本的图算法。借助图可以解决几种高级算法，因此就我而言，这些算法是第一步。

第二章是关于局部搜索：主要是找到最小值和最大值或全局最优值。例如，当我们使用回归并希望找到适合的参数时，这些搜索经常使用。我们将考虑基本概念以及更高级的算法：启发式和元启发式。

最后一个主题将是关于极小极大算法以及如何在国际象棋或井字游戏等游戏中使用该技术，如何构建和构建游戏树，如何分析这些树状结构等。我们最终将一起实现井字游戏。

感谢您加入课程，让我们开始吧！

本课程面向谁

本课程面向学生或任何对算法和优化方法感兴趣并具有基本 Java 背景的人