Читать книгу Algoritmos Genéticos con Python - Álvaro Rodríguez - Страница 17

1 Introducción

1.1 Introducción a los algoritmos genéticos

1.2 Primeros pasos mediante un problema sencillo

1.3 Definición del problema y generación de la población inicial

1.4 Función objetivo y operadores genéticos

1.5 Operadores genéticos

1.6 Últimos pasos: Algoritmo genético como caja negra

1.7 ¿Cómo conseguir resultados consistentes?

1.8 Convergencia del algoritmo

1.9 Exploración versus explotación en algoritmos genéticos

1.10 Código completo y lecciones aprendidas

1.11 Para seguir aprendiendo

2 El problema del viajero

2.1 Introducción al problema del viajero

2.2 Definición del problema y generación de la población inicial

2.3 Función objetivo y operadores genéticos

2.4 Selección del algoritmo genético

2.5 Últimos pasos

2.6 Comprobar la convergencia del algoritmo en problemas complejos

2.7 Ajuste de los hiperparámetros: Probabilidades de cruce y mutación

2.8 Acelerando la convergencia del algoritmo: El tamaño del torneo

2.9 Acelerando la convergencia del algoritmo: Aplicar elitismo

2.10 Complejidad del problema: P vs NP

2.11 Código completo y lecciones aprendidas

2.12 Para seguir aprendiendo

3 Algoritmos genéticos y benchmarking

3.1 Introducción a las funciones de benchmark

3.2 Aprendiendo a usar las funciones de benchmark: Formulación del problema

3.3 Definición del problema y generación de la población inicial

3.4 Función objetivo y operadores genéticos

3.5 Código completo

3.6 Evaluación de algunas funciones de benchmark

3.7 Ajuste de los hiperparámetros de los operadores genéticos

3.8 Lecciones aprendidas

3.9 Para seguir aprendiendo

4 Algoritmos genéticos con múltiples objetivos

4.1 Introducción a los problemas con múltiples objetivos

4.2 Introducción a la Pareto dominancia

4.3 Selección del algoritmo genético

4.4 El problema de la suma de subconjuntos con múltiples objetivos

4.5 Funciones de benchmark con múltiples objetivos

4.6 Lecciones aprendidas

4.7 Para seguir aprendiendo