Tutorial Algoritmo Genéticos em Python com DEAP

แชร์
ฝัง
  • เผยแพร่เมื่อ 7 ก.ย. 2024

ความคิดเห็น • 14

  • @dmgeo
    @dmgeo 2 ปีที่แล้ว +10

    Viva as universidades brasileiras públicas, gratuitas e de qualidade. Conteúdo muito bom.

  • @Ines-xk5jy
    @Ines-xk5jy 2 ปีที่แล้ว +10

    Nem acredito que achei esse tutorial...e em português! Muito obrigado!!!

  • @marcosporto7425
    @marcosporto7425 2 ปีที่แล้ว +1

    Parabéns pelo conteúdo.

  • @douglasteixeiradeabreu
    @douglasteixeiradeabreu ปีที่แล้ว +1

    Oi professor Marcos. Eu fiquei impressionando com seu conhecimento. Tenho um interessante desafio de matrizes curriculares com colisões de disciplinas e módulos que gostaria de compartilhar com você, eu poderia enviar um e-mail. Você tem mais um seguidor, muito obrigado por compartilhar seu conhecimento.

  • @berndof
    @berndof 2 ปีที่แล้ว

    não pareeeeee, muito obrigado e meus parabéns

  • @terezatvgameplay8938
    @terezatvgameplay8938 ปีที่แล้ว

    Maravilhoso, esplêndido

  • @AdrianoAlexSantos
    @AdrianoAlexSantos ปีที่แล้ว

    Sensacional

  • @pauloalessander4165
    @pauloalessander4165 8 หลายเดือนก่อน

    professor, como eu posso usar como genes uma coluna de um dataframe pandas?

  • @vanessagonzalez6095
    @vanessagonzalez6095 9 หลายเดือนก่อน

    Como seria para que a variável inicializada seja binária, e o resultado tbm. O que me interessa é um cromossomo binário que seja 1 para ativo e 0 para desativado.

  • @julianaauzier1330
    @julianaauzier1330 2 ปีที่แล้ว

    Muito bom mesmo!
    Eu só fiquei pensando aqui na codificação dos indivíduos, não entendi.
    Você colocou dist = lista de listas de valores, isso no caso seria um individuo codificado e a partir desses valores o deap faz os outros indivíduos?

  • @zecabau
    @zecabau 2 ปีที่แล้ว

    e como eu faço pra maximizar uma função que tem 2 variaveis. O meu individuo vai ter 2 genes/cromossomos X,Y, como eu calculo o fitness e passo para essa função?

    • @liitufg5823
      @liitufg5823  2 ปีที่แล้ว +1

      Olá Zeca, vamos lá.
      Caso queira otimizar uma função com um único objetivo, mas que possui duas variáveis, basta que as duas variáveis estejam no cromossomo do seu modelo.
      Por exemplo, uma lista com duas variáveis.
      Calcula-se a aptidão (fitness) normalmente usando os valores dessas variáveis.
      Pronto.
      Entretanto, caso queira trabalhar com uma função multi-objetivo, e.g., quero otimizar a distância, mas também o custo.
      Neste caso é necessário especificar que a função tem dois objetivos no campo weight ao criar a aptidão (Fitness).
      Exemplo:
      creator.create("FitnessMin", base.Fitness, weights=(-1.0, -1.0))
      Por fim, para este caso, a função aptidão deve retornar dois valores, o correspondente a cada uma das funções objetivos.