Data Science at Home: Solving the Nanny Schedule Puzzle with Monte Carlo and Genetic Algorithms
让混乱变得有序，同时简化我们寻找完美保姆的过程作为数据科学领导者，我习惯于拥有一支能够将混乱变为清晰的团队。但是，当混乱是你自己家庭的保姆时间表时，即使是最好的计划也会出错。一想到工作会议、午睡时间和不可预测的轮班，我们的思绪就会陷入混乱——直到我意识到我可以使用解决业务问题的相同算法来解决非常个人的问题。借助蒙特卡罗模拟、遗传算法和一些父母的聪明才智，我开始了一场驯服我们疯狂时间表的旅程，每次调整一个算法。结果如何？好吧，我们只能说我们保姆的新时间表看起来非常合适。照片由 Markus Spiske 在 Unsplash 上拍摄设置舞台：伟大的时间表难题我们的家庭时间表看起来就像瓷器店里的公
Understanding and Implementing Genetic Algorithms in Python
了解遗传算法是什么以及如何在 Python 中实现它们。
Soft Computing, Volume 29, Issue 8, April 2025
1）使用GrossoneAuthor（S）：Louis d’Alotopages：3749-37552）遗传算法中的选择噪声分析的无限计算和Büchi自动机分析：Nataliya M. Gulayya M. Gulayya，JoaquínBorregodogogodogogogogogogo-díaz，37777 37 37 37 37 33.部分公制空间代数为代数：Sarvesh Kumar Mishra，Mukesh Kumar Shukla，Akhilesh Kumar Singhpages：3775-37844）演绎系统和R -Congruences and R -Congruence
Google’s AlphaEvolve Is Evolving New Algorithms — And It Could Be a Game Changer
LLMS创造性生成能力与遗传算法的混合物The Post Google的Alphaevolve正在不断发展新算法 - 它可能是改变游戏规则的人，首先是迈向数据科学的。
IEEE Transactions on Evolutionary Computation, Volume 29, Issue 2, April 2025
1）知识结构保存基于进化的多任务优化授课者：Yi Jiang，Zhi-hui Zhan，Kay Chen Tan，Sam Kwong，Jun Zhangpages：287-3012）贝叶斯贝叶斯贝叶斯贝叶斯贝叶斯对质量多样性的优化，可搜索质量多样性，并使用Coupled distriptor functore functore functore functor functions functions jeantor（s）： BrankePages: 302 - 3163) Machine Learning-Assisted Multiobjective Evolutionary Algorit
IEEE Transactions on Emerging Topics in Computational Intelligence, Volume 8, Issue 6, December 2024
1) 多人差分博弈系统的去中心化触发和基于事件的积分强化学习作者：Chaoxu Mu、Ke Wang、Song Zhu、Guangbin Cai页数：3727 - 37412) 基于同步视频和 EEG 的儿童癫痫发作检测作者：Jiuwen Cao、Yuan Fang、Xiaonan Cui、Runze Zheng、Tiejia Jiang、Feng Gao页数：3742 - 37533) 考虑隐私的在线优化零阶去中心化对偶平均作者：Keke Zhang、Qingguo Lü、Xiaofeng Liao、Huaqing Li页数：3754 - 37664) 不平衡和不完整时间序列数据的深度回归建
Reinforcement Learning for Physics: ODEs and Hyperparameter Tuning
使用 gymnasium 控制微分方程并优化算法超参数照片由 Brice Cooper 在 Unsplash 上拍摄如前所述，强化学习 (RL) 提供了一种强大的新工具来应对控制非线性物理系统的挑战。非线性物理系统的特点是行为复杂，输入的微小变化可能导致输出的剧烈变化，或者只有微小的输出变化可能来自大输入。解决方案可以分裂，相同条件可以产生不同的输出，甚至以路径依赖的形式具有“记忆”。我们介绍了两种将 RL 应用于非线性物理系统的不同方法：传统的基于神经网络的软演员评论家 (SAC) 和不常见的基于遗传算法的遗传编程 (GP) 方法。简而言之，SAC 使用两个神经网络，一个用于学习环境的行为方
Detachable Robotic Hand Crawls Around on Finger-Legs
当我们想到抓取机器人时，我们会想到某种机械臂末端的某种操纵器。因为我们当然会这样做——这就是（我们大多数人）的构造方式，也是我们优化周围世界的心态。但机器人的一大优点是它们不必受到我们约束的限制，在本周鹿特丹举行的 ICRA@40 上，我们看到了一种新奇的东西：一种机械手，它可以从手臂上分离出来，然后爬行以抓住原本无法触及的物体，由瑞士洛桑联邦理工学院的机器人专家设计。从根本上讲，机械手和爬行机器人有很多相似之处，包括身体以及一些伸出并做事的摆动部件。但大多数机械手都是为抓取而不是爬行而设计的，据我所知，没有机械手被设计成同时做这两件事。由于这两种能力都很重要，因此你不一定非要坚持传统的以抓握
IEEE Transactions on Evolutionary Computation, Volume 28, Issue 4, August 2024
1) 通过问题重构和重复处理解决分类中的多目标特征选择问题作者：Ruwang Jiao, Bing Xue, Mengjie Zhang页数：846 - 8602) 用于深度知识追踪的遗传因果解释器作者：Qing Li, Xin Yuan, Sannyuya Liu, Lu Gao, Tianyu Wei, Xiaoxuan Shen, Jianwen Sun页数：861 - 8753) 用于计算 4-D 空间中超体积贡献的快速精确算法作者：Jingda Deng, Qingfu Zhang, Jianyong Sun, Hui Li页数：876 - 8904) 不确定的质量多样性：不确定领域
IEEE Transactions on Evolutionary Computation, Volume 28, Issue 3, June 2024
1) 特邀编辑进化神经架构搜索作者：Yanan Sun、Bing Xue、Mengjie Zhang、Gary G. Yen页数：566 - 5692) 多目标进化神经架构搜索的帕累托排序分类器作者：Lianbo Ma、Nan Li、Guo Yu、Xiaoyu Geng、Shi Cheng、Xingwei Wang、Min Huang、Yaochu Jin页数：570 - 5813) EGANS：用于零样本学习的进化生成对抗网络搜索作者：Shiming Chen、Shuhuang Chen、Wenjin Hou、Weiping Ding、Xinge You页数：582 - 5964) 用于医学
Melanie Mitchell: Concepts, Analogies, Common Sense & Future of AI
Melanie Mitchell 是波特兰州立大学的计算机科学教授，也是圣达菲研究所的外聘教授。她从令人着迷的角度研究和撰写了有关人工智能的文章，包括自适应复杂系统、遗传算法和 Copycat 认知架构，后者将类比过程置于人类认知的核心。从她与导师 Douglas Hofstadter 和 John Holland 一起攻读博士到今天，她为人工智能领域贡献了很多重要的想法，包括她最近的一本书，简称为《人工智能：思考人类的指南》。本次对话是人工智能播客的一部分。如果您想获得有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、F
