Tutorial Algoritmo Genéticos em Python com DEAP

Поділитися
Вставка
  • Опубліковано 19 січ 2025

КОМЕНТАРІ • 14

  • @dmgeo
    @dmgeo 2 роки тому +10

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

  • @Ines-xk5jy
    @Ines-xk5jy 3 роки тому +10

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

  • @douglasteixeiradeabreu
    @douglasteixeiradeabreu 2 роки тому +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.

  • @marcosporto7425
    @marcosporto7425 2 роки тому +1

    Parabéns pelo conteúdo.

  • @terezatvgameplay8938
    @terezatvgameplay8938 Рік тому

    Maravilhoso, esplêndido

  • @vanessagonzalez6095
    @vanessagonzalez6095 Рік тому

    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.

  • @berndof
    @berndof 2 роки тому

    não pareeeeee, muito obrigado e meus parabéns

  • @pauloalessander4165
    @pauloalessander4165 Рік тому

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

  • @julianaauzier1330
    @julianaauzier1330 2 роки тому

    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?

  • @AdrianoAlexSantos
    @AdrianoAlexSantos 2 роки тому

    Sensacional

  • @zecabau
    @zecabau 2 роки тому

    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 роки тому +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.