人工智能·机器学习算法笔记

目录

• 学习类算法导论

• Problems

  • 分布式车间调度问题

• 参数设置分析方法

  • 响应面方法（RSM）
  • 田口方法（Taguchi Method）

• 强化学习

  • 强化学习概述
  • 贝尔曼公式
  • 贝尔曼最优公式
  • 值迭代与策略迭代
  • 蒙特卡罗方法
  • 随机近似算法
  • 时序差分方法
  • 值函数方法
  • 策略梯度算法
  • 演员-评论家方法
  • 总结

• 智能优化算法指南

  • Theory
    优化理论智能优化算法的分类优化问题的分类基于模型方法 VS 非基于模型方法
  • 分布估计算法（EDAs）
  • 可变邻域搜索 (VNS)
  • 多目标优化问题
    算法性能指标多目标进化算法（MOEA）
  • 进化算法导论（EA）
    遗传算法（GA）进化策略（ES）进化规划（EP）遗传规划（GP）模拟二进制交叉算子（SBX）多项式变异

• 机器学习

  • K近邻算法（KNN）

• 深度学习指南

  • 必备代码
  • 长短时记忆网络 LSTM
  • 门控循环神经网络 GRU
  • 残差连接和归一化层 Add & Norm

• 通识基础

  • 无免费午餐定理与归纳偏置
  • 消融实验
  • 逆变换采样

• 非学习类算法

  • TOPSIS 逼近理想解排序法