#2. Делаем генетический алгоритм для задачи OneMax | Генетические алгоритмы на Python
ฝัง
- เผยแพร่เมื่อ 12 ก.ย. 2024
- Пример реализации генетического алгоритма на языке Python для решения задачи OneMax.
Телеграм-канал: t.me/machine_l...
ga_2.py: github.com/sel...
Инфо-сайт: proproprogs.ru/ga
Огромное спасибо за то, что взялись осветить на простых и понятных примерах эту тему!
Это огромная мотивация, чтобы наконец-то понять принципы работы ГА!
Просто супер!. Четко. ясно. понятно. Спасибо.
Это просто нереально) Все доходчиво и понятно, да ещё и код на github. Спасибо!
Спасибо за видео! По вашему примеру попробовал написать генетический алгоритм для поиска минимального покрывающего множества и все получилось. Мне кажется, что на 6:30 отбор трех кандидатов из популяции можно сделать с помощью random.sample. Возможно, так было бы проще.
за ролик спасибо, но на код без слез не взглянешь
Супер вообще! Спасибо!
очень круто!!!! спасибо
спасибо за видео!
Далее этого канала можно на ютуб не ходить
Вы не могли бы пояснить, что означает запятая после return() в определении функции oneMaxFitness? Также для меня необычна нотация последней строки в определении функции mutFlipBit() - ее можно как-то другим (обычным) образом записать? Спасибо
Это основы Python. Если пишем return 1, 2, то создается кортеж.
В строчке 75 у вас есть :
mutant[indx] = If mutant[indx] == 1 else 1
Я бы заменил на обычный mutant[indx] = abs(mutant[indx]-1)
Так когда у нас 1 то будет | 1-1 |= 0
А когда у нас 0 то будет | 0 - 1 | = 1
Впринцепи тоже самое, просто красивее )
можно же просто 1 - mutant[index[
👍
Небольшое дополнение (вдруг кому-то поможет).
При RANDOM_SEED = 42 у меня отбор завершается на 33-м поколении:
Поколение 33: Макс приспособ. = 100, Средняя приспособ. = 97.59
Результат как в финале видео получается если запустить исходную версию программы (до перезалива).
а какой был сид до перезалива?
Здравствуйте, спасибо за классные уроки! Я сам разработчик, недавно начал интересоваться нейросетями, посоветуйте пожалуйста литературу для начинающего, чтобы более-менее разобраться в фундаментальных основах. Книг нашел штук 100, но не охота все подряд покупать))
На мой взгляд, лучшая на русском - это Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. - СПб.: Питер, 2018. - 480 с.
@@selfedu_rus Как смотрите на то, чтобы дополнять курсы списком рекомендуемой литературы?
@@sergeyv1534 подумаю
Спасибо за ролик. Но зачем изобретать велосипед?
Разве deep_copy не сможет клонировать объект?
Здравствуйте, Сергей! Скорее всего, я уже надоел вам своими вопросами, но все же я хотел бы уточнить один момент:
если в функциях нет return, то как мы оттуда получаем измененные/новые значения?
Через ссылки на объекты, которые передаем в качестве параметров. Например, если передать список, то он изменяемый объект и если внутри функции его поменять, то он поменяется и в основной программе.
@@selfedu_rus большое спасибо за помощь и ответы на возникающие вопросы!
Пожалуйста, соблюдайте PEP8: названия калассоа в Camel case, функции через _
Можно попросить снять серию видео по работе с Ubuntu?)
У меня нет такого опыта, поэтому не получится.
@@selfedu_rus Эх, очень печально...
Но спасибо тебе за твои старания) всего доброго
@@selfedu_rus а jpyter notebook как обстоят дела?
Потому что в некоторых видео слышал, что это сильно помогает и ускоряет процесс обучения
@@user-kp1po5wd2f разве что процесс обучения пользователя) Юпитер - просто удобная среда для Data Science. Там удобно заниматься анализом данных и разработкой ИИ. Но все что касается скриптов - лучше делать в стандартной IDE
а почему перезалив?
были ошибки в реализации, поправил, теперь вроде все верно :)
Почему при турнирном отборе популяция того же размера получается? Выходит все особи кандидаты в родители или дубликаты образуются чтобы сами с собой размножаться?
Да, при отборе у нас могут получаться одинаковые особи, но мы потом делаем скрещивание и мутацию, так что разнообразие сохраняется, хотя несколько сужается за счет отбраковки худших особей.
Можно добавить лекции на ту же тему, но не на Python, а на Common Lisp?
Как можно ваще на пайтон программировать, это же просто ущербно
А что в этом ущербного? Если руки прямые, можно писать оптимизированный код, который будет исполняться достаточно быстро.
Но главной его особенностью является обширный набор библиотек, который позволяет делать удобно и, что самое главное, читабельно, что угодно в области машинного обучения (зачастую эти библиотеки написаны на С), анализа данных и их визуализации.
А с использованием чего ещё вы собрались заниматься машинным обучением? C++? Похвально, но там можно застрелиться
🤡