Inteligência Artificial: Algoritmos Genéticos
4.2 (215 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
920 students enrolled

Inteligência Artificial: Algoritmos Genéticos

Introdução à AGs: Maximização de Função 2D
4.2 (215 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
920 students enrolled
Last updated 1/2017
Portuguese
Portuguese [Auto]
Current price: $76.99 Original price: $109.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 5.5 hours on-demand video
  • 13 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • Desenvolver um Algoritmo Genético para encontrar soluções dentre muitas possíveis com a Computação Evolutiva
  • Projetar e Desenvolver AGs para determinado problema em que os seres humanos não são capazes
Course content
Expand all 29 lectures 05:20:31
+ Introdução ao Curso
1 lecture 13:03

Estrutura Curricular:

  1. Teoria do Algoritmo Genético
    1. Inteligência Computacional
    2. Um pouco de Biologia
    3. Conceitos Básicos de AG
    4. Aprofundando em Algoritmos Genéticos
      1. Arquitetura do AG
      2. Representação Cromossômica
      3. Representação Populacional
      4. Função de Avaliação
      5. Média da População
      6. Operadores Genéticos
      7. Seleção dos Pais
      8. Operador Crossover
      9. Operador Mutação
  2. Desenvolvimento de um Algoritmo Genético
    1. Introdução a Maximização de Funções
    2. Arquitetura do Projeto
    3. Preparando o Visual Studio C#
    4. Programando a Classe CONSTANTS
    5. Programando a Classe INDIVIDUO
    6. Programando a Classe POPULACAO
    7. Programando a Classe ALGORITMOSGENETICOS
    8. Programando a Interface Gráfica
    9. Apresentação da Execução do Algoritmo Genético


Preview 13:03
+ Teoria dos Algoritmos Genéticos
9 lectures 01:26:53
Introdução ao Algoritmos Genéticos
18:27
AG: Representação Cromossômica
06:20
AG: Representação Populacional
03:48
AG: Função de Avaliação
05:02
AG: Média de Avaliação da População
05:36
AG: Fluxo de Execução do Algoritmo Genético
15:53
AG: Seleção dos Pais
12:27
AG: Operador de Crossover
12:33
AG: Operador de Mutação
06:47
+ Desenvolvimento do Algoritmo Genético (Maximização de Função)
18 lectures 03:39:26
Introdução à Maximização de Funções
06:38
Configurando o Visual Studio para Projeto de AG
05:42
Prog: Classe Constants (Parâmetros do AG)
10:21
Prog: Classe Individuo - Parte 1
16:42
Prog: Classe Individuo - Parte 2
15:49
Prog: Classe Populacao - Parte 1
13:44
Prog: Classe Populacao - Parte 2
14:33
Prog: Classe Populacao - Parte 3
13:36
Prog: Classe AlgoritmoGenetico - Parte 1
19:17
Prog: Classe AlgoritmoGenetico - Parte 2
19:20
Prog: Classe AlgoritmoGenetico - Parte 3
17:37
Prog: Interface Gráfica de Usuário
11:23
Prog: Back End da Interface Gráfica de Usuário - Parte 1
18:40
Prog: Back End da Interface Gráfica de Usuário - Parte 2
11:54
Prog: Back End da Interface Gráfica de Usuário - Parte 3
12:16
Analisado a Evolução: Modificando os Parâmetros de Configuração
04:47
Requirements
  • Lógica de Programação (Básico)
  • Linguagem c# (Básico)
  • Orientação a Objeto (Básico)
Description

Um Algoritmo Genético (AG) é uma técnica de busca utilizada na ciência da computação para achar soluções aproximadas em problemas de otimização e busca. Algoritmos genéticos diferem dos algoritmos tradicionais de otimização em basicamente quatro aspectos:

  • Baseiam-se em uma codificação do conjunto das soluções possíveis, e não nos parâmetros da otimização em si;
  • Os resultados são apresentados como uma população de soluções e não como uma solução única;
  • Não necessitam de nenhum conhecimento derivado do problema, apenas de uma forma de avaliação do resultado;
  • Usam transições probabilísticas e não regras determinísticas.
função AlgoritmoGenético(população, função-objetivo) saídas: indivíduo
  entradas: população→ uma lista de indivíduos
            função-objetivo→ uma função que recebe um indivíduo e retorna um número real.
  repetir
     lista de pais := seleção(população, função-objetivo)
     população := reprodução(lista de pais)
  enquanto nenhuma condição de parada for atingida
  retorna o melhor indivíduo da população de acordo com a função-objetivo

Este é um curso para quem deseja começar a desenvolver algoritmos para Inteligência Artificial.

Neste curso você aprenderá a teoria básica sobre Algoritmos Genéticos, vamos percorrer todo o caminho no que tange o AG, começando com a teoria da evolução de Darwin e terminando com o desenvolvimento de um Algoritmo Genético para maximizar uma função matemática.

Estrutura Curricular:

  1. Teoria do Algoritmo Genético
    1. Inteligência Computacional
    2. Um pouco de Biologia
    3. Conceitos Básicos de AG
    4. Aprofundando em Algoritmos Genéticos
      1. Arquitetura do AG
      2. Representação Cromossômica
      3. Representação Populacional
      4. Função de Avaliação
      5. Média da População
      6. Operadores Genéticos
      7. Seleção dos Pais
      8. Operador Crossover
      9. Operador Mutação
  2. Desenvolvimento de um Algoritmo Genético
    1. Introdução a Maximização de Funções
    2. Arquitetura do Projeto
    3. Preparando o Visual Studio C#
    4. Programando a Classe CONSTANTS
    5. Programando a Classe INDIVIDUO
    6. Programando a Classe POPULACAO
    7. Programando a Classe ALGORITMOSGENETICOS
    8. Programando a Interface Gráfica
    9. Apresentação da Execução do Algoritmo Genético
Who this course is for:
  • Estudantes iniciantes em Inteligência Artificial
  • Pessoas que procuram aprimorar processos por meio de Computação Evolutiva