掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人工智能基礎:問題解決和自動推理 版權信息
- ISBN：9787302662648
- 條形碼：9787302662648 ; 978-7-302-66264-8
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能基礎:問題解決和自動推理 本書特色
（1）知識覆蓋廣泛，包括盲搜、啟發式搜索和退火、對抗搜索、規劃、遺傳算法、人工生命、涌現特性和群體智能、自動推理的要素、邏輯與推理（簡化版）、使用變量的邏輯和推理、表示知識的不同方式，自動推理道路上的障礙、概率推理、模糊集、專家系統的優點和缺點、超越核心人工智能等。
（2）重點突出、易于閱讀理解、理論深度適當，解決人工智能基礎的問題解決和自動推理的兩個關鍵性問題，呈現人工智能的基礎。
（3）以簡潔的格式編寫，具有優化學習的范圍和格式，內容新穎獨特，適合不同層次的學生和學者。從人工智能的內涵講述每個算法自身的故事、歷史背景，以及曾經激發其構想的特定需求，培養讀者對學科的喜愛，使其學習更愉快，進而深度思索人工智能內涵。
人工智能基礎:問題解決和自動推理 內容簡介
本書專注于當今人工智能的核心技術和過程，包括章節總結、歷史概述、練習、計算機作業、思維實驗，以及強化關鍵概念的控制題；借助可視化圖形來說明基本思想，通過易于遵循的示例來說明如何在實際實現中使用這些思想。本書可作為人工智能、計算機科學與技術、控制科學與工程、優化理論等專業本科生、研究生的專業課教材，也可供計算機科學與技術、控制科學與工程、人工智能網絡優化等領域的科技人員參考。
人工智能基礎:問題解決和自動推理 目錄
第1章核心人工智能： 問題解決和
自動推理
1．1早期的里程碑 1．1．1數字運算的極限 1．1．2AI的誕生 1．1．3早期策略： 搜索
算法 1．1．4早期的智慧： 計算機
需要知識 1．1．5編程語言 1．1．6教科書： 許多不同的
主題 1．1．721世紀的展望 1．2問題解決 1．2．1典型問題 1．2．2經典搜索方法 1．2．3規劃 1．2．4遺傳算法 1．2．5群體智能算法 1．2．6涌現特性和人工
生命 1．3自動推理 1．3．1斑馬問題 1．3．2計算機能解決斑馬
問題嗎 1．3．3家庭關系 1．3．4知識表示 1．3．5自動推理 1．3．6不那么明確的
概念 1．3．7不完美的知識 1．3．8不確定性處理 1．3．9專家系統 1．4本書結構與方法 第2章盲搜 2．1動機和術語 2．1．1簡單謎題 2．1．2搜索樹 2．1．3搜索操作符 2．1．4人工智能中的
盲搜 2．1．5滑方塊 2．1．6傳教士和食人族 2．1．7程序員的視角 2．2深度優先搜索和廣度優先
搜索 2．2．1搜索樹舉例 2．2．2深度優先搜索:
原理 2．2．3深度優先搜索
算法 2．2．4數值舉例 2．2．5廣度優先搜索：
原理 2．2．6廣度優先搜索
算法
2．2．7數值舉例 2．3實際考慮 2．3．1通用搜索模型 2．3．2*終狀態的確切形式
可能是未知的 2．3．3*終狀態的未知形式：
舉例 2．3．4驗證狀態是否為*終狀
態可能代價高昂 2．3．5目標1——問題的解看
上去怎樣 2．3．6目標2——什么途徑可
以得到問題的解 2．3．7停止條件 2．3．8檢查Lseen可能代價
高昂 2．3．9搜索有序列表 2．3．10哈希函數 2．4搜索性能方面 2．4．1代價計量 2．4．2分支因子 2．4．3搜索深度 2．4．4BFS的內存開銷 2．4．5DFS的內存開銷 2．4．6兩種算法的計算
代價 2．4．7兩者哪個成本
更低 2．4．8尋找比爾的家 2．4．9具有多個*終狀態的
場景 2．5迭代深化(和擴展) 2．5．1ID算法 2．5．2為什么該技術
有效 2．5．3數值舉例 2．5．4哪些因素決定了搜索
成本 2．5．5迭代深化是否
浪費 2．5．6ID與基本算法的
比較 2．5．7注意事項 2．5．8備選方案： 迭代
擴展 2．6熟能生巧 2．7結語 第3章啟發式搜索和退火 3．1爬山算法和*佳優先搜索 3．1．1評價函數 3．1．2數值舉例： 滑
方塊 3．1．3復雜的評價函數 3．1．4*大化或*小化 3．1．5爬山算法 3．1．6*佳優先搜索 3．1．7實現*佳優先搜索的
兩種方法 3．1．8兩種方法的比較 3．1．9人類的搜索方式 3．2評價函數的實踐方面 3．2．1狀態值的時間
惡化 3．2．2多個狀態可以有
相同的值 3．2．3前瞻性評價策略 3．2．4集束搜索 3．2．5N在集束搜索中的
作用 3．2．6數值舉例 3．2．7昂貴的評價 3．3A*和IDA* 3．3．1動機 3．3．2代價函數 3．3．3A*算法 3．3．4數值舉例 3．3．5A*的兩個版本 3．3．6更復雜的代價
函數 3．3．7跳躍式技術 3．3．8IDA* 3．4模擬退火 3．4．1生長無缺陷晶體 3．4．2正式視圖 3．4．3AI視角 3．4．4簡化視角下的模擬
退火 3．4．5狀態值的影響 3．4．6溫度影響 3．4．7冷卻 3．4．8初始溫度 3．5背景知識的作用 3．5．1AI搜索解決的幻方
問題 3．5．2數學家解決幻方
問題 3．5．3課程： 背景知識的
好處 3．5．4數獨中的分支
因子 3．5．5斑馬謎題 3．6連續域 3．6．1連續域舉例 3．6．2離散化 3．6．3梯度上升與神經
網絡 3．6．4群體智能算法 3．7熟能生巧 3．8結語 第4章對抗搜索 4．1典型問題 4．1．1簡單游戲舉例 4．1．2其他游戲 4．1．3更普遍的觀點 4．1．4與經典搜索的
區別 4．2基準極小極大算法 4．2．1*大化者和*小
化者 4．2．2游戲樹 4．2．3父母自孩子遺傳 4．2．4極小極大算法
原理 4．2．5數值舉例 4．2．6回傳值 4．3啟發式極小極大算法 4．3．1游戲樹過于龐大 4．3．2深度必須受到
限制 4．3．3對抗搜索中的評價
函數 4．3．4評價函數從何
而來 4．3．5啟發式極小極大
算法原理 4．3．6影響游戲玩得好壞
的因素 4．3．7靈活的評價深度 4．3．8計算代價可能很
昂貴 4．3．9成功案例 4．4AlphaBeta剪枝 4．4．1常規情況 4．4．2多余的評價 4．4．3另一個例子 4．4．4關于剪枝算法 4．4．5關于AlphaBeta
剪枝 4．4．6反向方法 4．5額外的游戲編程技巧 4．5．1啟發式的算法控制
搜索深度 4．5．2望向視野外 4．5．3開局庫 4．5．4殘局查找表 4．5．5人類模式識別
技能 4．5．6人類的“剪枝”
方式 4．5．7游戲中的模式
識別 4．6熟能生巧 4．7結語 第5章規劃 5．1玩具積木 5．1．1移動積木 5．1．2描述符 5．1．3狀態描述示例 5．1．4注釋 5．2可用操作 5．2．1玩具場景的操作 5．2．2前提條件列表 5．2．3添加列表 5．2．4刪除列表 5．2．5定義move(x,y,z) 5．2．6通用操作的實
例化 5．2．7有多少個實例 5．2．8執行操作 5．2．9示例 5．3使用STRIPS進行規劃 5．3．1目標集 5．3．2一般理念 5．3．3具體實例 5．3．4如何確定行動 5．3．5倒數第二個狀態是
什么樣的 5．3．6STRIPS的偽
代碼 5．4數值舉例 5．4．1應該考慮哪些
操作 5．4．2檢查列表 5．4．3注意事項 5．4．4描述前一個狀態 5．4．5迭代過程 5．5人工智能規劃的高級應用 5．5．1旅行推銷員問題 5．5．2包裹投遞和數據包
路由 5．5．3救護車路由 5．5．4背包問題 5．5．5工作車間調度 5．5．6注意事項 5．5．7重要評論 5．6熟能生巧 5．7結語 第6章遺傳算法 6．1一般模式 6．1．1不完全復制，適者
生存 6．1．2GA應用中的
個體 6．1．3基本循環 6．1．4人口 6．1．5適者生存 6．1．6有多少代 6．1．7停止標準 6．2不完全復制與生存 6．2．1交配 6．2．2重組 6．2．3變異 6．2．4實施生存博弈 6．2．5利用生存機制進行
交配 6．2．6評論生存游戲 6．2．7屬于父母兩邊的
孩子 6．2．8GA的簡單任務 6．2．9探索與父母的
距離 6．2．10重組與變異 6．2．11算法為何有效 6．3其他GA操作符 6．3．1兩點交叉 6．3．2隨機位交換 6．3．3反轉 6．3．4程序員控制程序的
方法 6．4潛在問題 6．4．1退化種群 6．4．2無害退化與過早
退化 6．4．3識別退化狀態 6．4．4擺脫退化狀態 6．4．5設計不當的適應度
函數 6．4．6不能反映遺傳算法目
標的適應度函數 6．5高級變體 6．5．1數字染色體 6．5．2樹結構形式的染
色體 6．5．3多人群和多目標 6．5．4拉馬克方法 6．6GA和背包問題 6．6．1背包規則(修
訂版) 6．6．2用二進制字符串對
問題進行編碼 6．6．3運行程序 6．6．4GA是否能找到*佳
解決方案 6．6．5觀察： 隱含并
行性 6．6．6用數字字符串編碼
包內容 6．6．7數字字符串中的
變異和重組 6．6．8小結 6．7GA和囚徒困境 6．7．1要保密還是選擇告發/
告密 6．7．2實際觀察 6．7．3重復事件的策略 6．7．4在染色體中編碼
策略 6．7．5早期回合 6．7．6錦標賽方法 6．7．7實驗表現 6．7．8小結 6．8熟能生巧 6．9結語 第7章人工生命 7．1涌現特性 7．1．1從原子到蛋白質 7．1．2從分子到社會 7．1．3從字母到詩歌 7．1．4通往人工生命
之路 7．2L系統 7．2．1原始的L系統
規則 7．2．2另一個例子： 康托爾
集合 7．2．3啟示 7．3細胞自動機 7．3．1簡單示例 7．3．2變化 7．3．3增加另一個維度 7．4康威的生命游戲 7．4．1棋盤及其單元格 7．4．2規則 7．4．3更有趣的例子 7．4．4典型行為 7．4．5小結 7．5熟能生巧 7．6結語 第8章涌現特性和群體智能 8．1蟻群優化 8．1．1瑣碎的表述 8．1．2蟻群選擇 8．1．3信息素路徑 8．1．4選擇路徑 8．1．5揮發與添加 8．1．6程序員的視角 8．1．7選擇具體路徑的
概率 8．1．8路徑選擇機制 8．1．9添加信息素 8．1．10信息素揮發 8．1．11非穩態任務 8．2ACO算法解決推銷員
問題 8．2．1螞蟻與智能體 8．2．2ACO對TSP的
看法 8．2．3初始化 8．2．4建立概率決策 8．2．5數值舉例 8．2．6一只螞蟻會釋放多少
信息素 8．2．7各路線上的螞蟻
數量 8．2．8在每條邊上添加信
息素 8．2．9更新數值 8．2．10完整的概率
公式 8．2．11ACO處理推銷員問題
(TSP)的概述 8．2．12結束語 8．2．13主要限制 8．3粒子群優化算法 8．3．1是粒子還是鳥 8．3．2尋找多元函數的*
大值 8．3．3專業術語 8．3．43個假設 8．3．5智能體的目標 8．3．6更新速度和位置：
簡單公式 8．3．7速度更新的全尺寸
版本 8．3．8c1和c2的值應該是
多少 8．3．9PSO 算法的總體
流程 8．3．10可能的并發
問題 8．3．11本地極端行為的危
險性 8．3．12多個群體 8．4人工蜂群算法 8．4．1原始靈感 8．4．2這個比喻對人工智能
的貢獻 8．4．3任務 8．4．4**步 8．4．5如何選擇有前途的
目標 8．4．6跟隨蜜蜂 8．4．7更新*佳位置 8．4．8支援蜜蜂 8．4．9參數 8．4．10算法 8．5熟能生巧 8．6結語 第9章自動推理的要素 9．1事實與查詢 9．1．1事實列表 9．1．2回答用戶的查詢 9．1．3帶變量的查詢 9．1．4多個變量 9．1．5復合查詢 9．1．6練習 9．1．7將變量與具體值
綁定 9．1．8如何處理復合
查詢 9．1．9謂詞排序 9．1．10查詢回答和
搜索 9．1．11嵌套論證 9．2規則和基于知識的系統 9．2．1簡單規則 9．2．2較長的規則 9．2．3規則的形式觀 9．2．4封閉世界假設 9．2．5基于知識的系統 9．3使用規則進行簡單推理 9．3．1回答查詢 9．3．2基礎知識之外 9．3．3由多條規則定義的
概念 9．3．4斷分正則表達式 9．3．5遞歸概念定義 9．3．6評估遞歸概念 9．3．7關于遞歸的評論 9．3．8小結 9．4熟能生巧 9．5結語 第10章邏輯與推理（簡化版） 10．1蘊涵、推理、定理證明 10．1．1蘊涵 10．1．2推理過程 10．1．3*簡形式的肯定
前項式 10．1．4示例 10．1．5其他推理
機制 10．1．6推理過程的可
靠性 10．1．7推理過程的完
備性 10．1．8定理證明 10．1．9半可判定性 10．2基于肯定前項式的
推理 10．2．1肯定前項式的
一般形式 10．2．2霍恩子句 10．2．3事件的真實性與
虛假性 10．2．4具體示例 10．2．5實際考慮 10．2．6霍恩子句知識庫中
的推理 10．3運用歸結原則進行
推理 10．3．1標準形式 10．3．2歸結原則 10．3．3理論的優勢 10．3．4具體舉例1 10．3．5實際考慮 10．3．6計算成本 10．3．7反向鏈 10．3．8具體舉例2 10．3．9歸結作為
搜索 10．4運用標準形式表達
知識 10．4．1標準形式(修
改版) 10．4．2轉換為標準
形式 10．4．3具體舉例 10．5熟能生巧 10．6結語 第11章使用變量的邏輯和推理 11．1規則和量詞 11．1．1對象和函數 11．1．2關系 11．1．3常量和變量 11．1．4參數順序 11．1．5原子和表
達式 11．1．6自動推理中的邏輯
表達式 11．1．7全稱量詞 11．1．8存在量詞 11．1．9量詞的順序 11．1．10其他示例 11．2刪除量詞 11．2．1刪除一些存在
量詞 11．2．2存在量化
向量 11．2．3經常被忽視的
案例 11．2．4斯科勒姆化 11．2．5刪除剩余的存在
量詞 11．2．6消失的
后果 11．3綁定、統一和推理 11．3．1綁定變量 11．3．2綁定列表 11．3．3嵌套關系的
綁定 11．3．4統一 11．3．5使用變量的肯定
前項式和歸結
原則 11．4實用推理程序 11．4．1具體示例 11．4．2多個解決
方案 11．4．3綁定數量 11．4．4從左邊開始 11．4．5加速推理
過程 11．4．6先行的策略 11．4．7回跳 11．5熟能生巧 11．6結語 第12章表示知識的不同方式 12．1框架和語義網絡 12．1．1框架的具體
例子 12．1．2繼承值 12．1．3規則的例外 12．1．4語義網絡 12．2基于框架的知識推理 12．2．1查找實例
的類 12．2．2找到一個變量
的值 12．2．3語義網絡中的
推理 12．2．4框架中推理的計算
成本 12．3框架和SN中的N元
關系 12．3．1二元關系與
框架 12．3．2基于二元關系的
框架推理 12．3．3將二元關系轉換為
規則 12．3．4促進二元關系推理
的規則 12．3．5N元關系帶來的
困難 12．4熟能生巧 12．5結語 第13章自動推理道路上的障礙 13．1隱性假設 13．1．1框架問題 13．1．2隱性假設 13．2非單調性 13．2．1推理的單
調性 13．2．2母雞會飛嗎 13．2．3它們不會
飛嗎 13．2．4一般情況 13．2．5異常情況 13．2．6選擇哪個
版本 13．2．7理論、假設和
擴展 13．2．8多個擴展 13．2．9多值邏輯 13．2．10框架和語義
網絡 13．3Mycin的不確定性
因素 13．3．1不確定性
處理 13．3．2Mycin的確定性
因素 13．3．3一組事實和規則
的真相 13．3．4否定的確
定性 13．3．5數值舉例1 13．3．6確定性因素和肯定
前項式 13．3．7數值舉例2 13．3．8結合證據 13．3．9直觀的解釋 13．3．10數值舉例3 13．3．11數值舉例4 13．3．12兩種以上的
選擇 13．3．13理論基礎 13．4熟能生巧 13．5結語 第14章概率推理 14．1概率論(修改版) 14．1．1概率信息
來源 14．1．2單位間隔 14．1．3聯合概率 14．1．4數值舉例 14．1．5條件概率 14．1．6更一般的
公式 14．1．7罕見事件： m
估計 14．1．8通過m來量化
信心 14．1．9數值舉例 14．2概率與推理 14．2．1家庭關系領域的
例子 14．2．2規則和條件
概率 14．2．3依賴事件和獨立
事件 14．2．4貝葉斯公式 14．2．5貝葉斯公式和概率
推理 14．2．6選擇*有可能的
假設 14．3信念網絡 14．3．1信念網絡
概述 14．3．2數值舉例 14．3．3具體情況的
概率 14．3．4結論的概率 14．3．5B是真的嗎 14．4處理更現實的領域 14．4．1更大的信念
網絡 14．4．2看不見的原因和
漏洞節點 14．4．3需要太多的
概率 14．4．4樸素貝葉斯 14．4．5樸素貝葉斯假設是
否有害 14．4．6否定概率
(提醒) 14．4．7P(X|A1∨A2∨…
∨An)的概率是
多少 14．4．8具體事件的
概率 14．4．9數值舉例 14．4．10這些概率從哪
里來 14．5DempsterShafer理論：
使用權重代替概率 14．5．1動機 14．5．2權重而非
概率 14．5．3辨識框架 14．5．4單例和組合
實例 14．6從權重到信念和可信度 14．6．1基本信念
分配 14．6．2任何BBA的基本
特性 14．6．3相信某個
命題 14．6．4命題的可
信度 14．6．5不確定性由兩個
值量化 14．6．6數值舉例 14．7DST證據組合規則 14．7．1多個權重轉移的
源頭 14．7．2沖突的級別 14．7．3組合法則 14．7．4數值舉例 14．7．5不止兩個來源的
情況 14．7．6BBA通常是什么
樣的 14．8熟能生巧 14．9結語 第15章模糊集 15．1現實世界概念的模
糊性 15．1．1清晰概念和模糊
概念 15．1．2堆的悖論 15．1．3視覺示例 15．1．4另一個例子 15．2模糊集成員資格 15．2．1隸屬度 15．2．2黑色矩形 15．2．3有才華的
學生 15．2．4高個子 15．2．5溫暖的房間 15．2．6μA(x)函數的其他
常見形狀 15．2．7μA(x)的值
來源 15．3模糊性與其他范式的
比較 15．3．1一個清晰事件發生
的概率 15．3．2特征的范圍 15．3．3模糊值的
概率 15．3．4模糊概率 15．4模糊集合運算 15．4．1模糊邏輯 15．4．2合取 15．4．3析取 15．4．4否定 15．4．5圖形說明 15．4．6數值舉例 15．4．7復雜表達 15．5計算語言變量 15．5．1語言變量的
例子 15．5．2語言變量的主
觀性 15．5．3上下文依賴 15．5．4計算模糊對象
數量 15．5．5數值舉例 15．5．6更高級的
例子 15．6模糊推理 15．6．1模糊規則 15．6．2更加真實的
規則 15．6．3用模糊規則
推理 15．6．4傳播隸屬度 15．6．5模糊控制 15．7熟能生巧 15．8結語 第16章專家系統的優點和缺點 16．1早期探索： Mycin 16．1．1實現 16．1．2預期的應用
范圍 16．1．3早期關注 16．1．4早期希望 16．2后續發展 16．2．1另一個醫學
系統 16．2．2發展前景 16．2．3數以百計的專家
系統 16．2．4過高期待的
風險 16．2．5懷疑主義 16．2．6現狀 16．3一些經驗 16．3．15分鐘到5小時
規則 16．3．2瓶頸： 知識庫 16．3．3通信模塊 16．3．4優雅降級 16．4熟能生巧 16．5結語 第17章超越核心人工智能 17．1計算機視覺 17．1．1圖像及其
像素 17．1．2去除噪聲 17．1．3邊緣檢測 17．1．4連接邊緣 17．1．5紋理 17．1．6顏色 17．1．7分割 17．1．8場景解釋 17．1．9現代方法 17．2自然語言處理 17．2．1信號處理 17．2．2句法分析
(解析) 17．2．3語義分析 17．2．4歧義 17．2．5語言生成 17．2．6現代方法： 機器
學習 17．3機器學習 17．3．1知識獲。 人工
智能的瓶頸 17．3．2從實例中
學習 17．3．3規則和決
策樹 17．3．4其他方法 17．3．5舊機器學習的普遍
理念 17．3．6如今的機器
學習 17．4智能體技術 17．4．1為什么選擇智
能體 17．4．2框架 17．5結語 第18章哲學思考 18．1圖靈測試 18．1．1圖靈的基本
方案 18．1．2其他應用 18．1．3打破圖靈
測試 18．2中文房間和其他意見 18．2．1Searle的基本
設想 18．2．2這個人是否懂
中文 18．2．3哲學家的
觀點 18．2．4下棋程序帶來的
啟示 18．2．5圖靈對神學保留
意見的回應 18．2．6弱人工智能與強
人工智能 18．3工程師角度 18．3．1實踐性 18．3．2人們是否應該
擔憂 18．3．3增強人類
智慧 18．3．4現有人工智能的
局限性 18．4結語 參考文獻
自動推理
1．1早期的里程碑 1．1．1數字運算的極限 1．1．2AI的誕生 1．1．3早期策略： 搜索
算法 1．1．4早期的智慧： 計算機
需要知識 1．1．5編程語言 1．1．6教科書： 許多不同的
主題 1．1．721世紀的展望 1．2問題解決 1．2．1典型問題 1．2．2經典搜索方法 1．2．3規劃 1．2．4遺傳算法 1．2．5群體智能算法 1．2．6涌現特性和人工
生命 1．3自動推理 1．3．1斑馬問題 1．3．2計算機能解決斑馬
問題嗎 1．3．3家庭關系 1．3．4知識表示 1．3．5自動推理 1．3．6不那么明確的
概念 1．3．7不完美的知識 1．3．8不確定性處理 1．3．9專家系統 1．4本書結構與方法 第2章盲搜 2．1動機和術語 2．1．1簡單謎題 2．1．2搜索樹 2．1．3搜索操作符 2．1．4人工智能中的
盲搜 2．1．5滑方塊 2．1．6傳教士和食人族 2．1．7程序員的視角 2．2深度優先搜索和廣度優先
搜索 2．2．1搜索樹舉例 2．2．2深度優先搜索:
原理 2．2．3深度優先搜索
算法 2．2．4數值舉例 2．2．5廣度優先搜索：
原理 2．2．6廣度優先搜索
算法
2．2．7數值舉例 2．3實際考慮 2．3．1通用搜索模型 2．3．2*終狀態的確切形式
可能是未知的 2．3．3*終狀態的未知形式：
舉例 2．3．4驗證狀態是否為*終狀
態可能代價高昂 2．3．5目標1——問題的解看
上去怎樣 2．3．6目標2——什么途徑可
以得到問題的解 2．3．7停止條件 2．3．8檢查Lseen可能代價
高昂 2．3．9搜索有序列表 2．3．10哈希函數 2．4搜索性能方面 2．4．1代價計量 2．4．2分支因子 2．4．3搜索深度 2．4．4BFS的內存開銷 2．4．5DFS的內存開銷 2．4．6兩種算法的計算
代價 2．4．7兩者哪個成本
更低 2．4．8尋找比爾的家 2．4．9具有多個*終狀態的
場景 2．5迭代深化(和擴展) 2．5．1ID算法 2．5．2為什么該技術
有效 2．5．3數值舉例 2．5．4哪些因素決定了搜索
成本 2．5．5迭代深化是否
浪費 2．5．6ID與基本算法的
比較 2．5．7注意事項 2．5．8備選方案： 迭代
擴展 2．6熟能生巧 2．7結語 第3章啟發式搜索和退火 3．1爬山算法和*佳優先搜索 3．1．1評價函數 3．1．2數值舉例： 滑
方塊 3．1．3復雜的評價函數 3．1．4*大化或*小化 3．1．5爬山算法 3．1．6*佳優先搜索 3．1．7實現*佳優先搜索的
兩種方法 3．1．8兩種方法的比較 3．1．9人類的搜索方式 3．2評價函數的實踐方面 3．2．1狀態值的時間
惡化 3．2．2多個狀態可以有
相同的值 3．2．3前瞻性評價策略 3．2．4集束搜索 3．2．5N在集束搜索中的
作用 3．2．6數值舉例 3．2．7昂貴的評價 3．3A*和IDA* 3．3．1動機 3．3．2代價函數 3．3．3A*算法 3．3．4數值舉例 3．3．5A*的兩個版本 3．3．6更復雜的代價
函數 3．3．7跳躍式技術 3．3．8IDA* 3．4模擬退火 3．4．1生長無缺陷晶體 3．4．2正式視圖 3．4．3AI視角 3．4．4簡化視角下的模擬
退火 3．4．5狀態值的影響 3．4．6溫度影響 3．4．7冷卻 3．4．8初始溫度 3．5背景知識的作用 3．5．1AI搜索解決的幻方
問題 3．5．2數學家解決幻方
問題 3．5．3課程： 背景知識的
好處 3．5．4數獨中的分支
因子 3．5．5斑馬謎題 3．6連續域 3．6．1連續域舉例 3．6．2離散化 3．6．3梯度上升與神經
網絡 3．6．4群體智能算法 3．7熟能生巧 3．8結語 第4章對抗搜索 4．1典型問題 4．1．1簡單游戲舉例 4．1．2其他游戲 4．1．3更普遍的觀點 4．1．4與經典搜索的
區別 4．2基準極小極大算法 4．2．1*大化者和*小
化者 4．2．2游戲樹 4．2．3父母自孩子遺傳 4．2．4極小極大算法
原理 4．2．5數值舉例 4．2．6回傳值 4．3啟發式極小極大算法 4．3．1游戲樹過于龐大 4．3．2深度必須受到
限制 4．3．3對抗搜索中的評價
函數 4．3．4評價函數從何
而來 4．3．5啟發式極小極大
算法原理 4．3．6影響游戲玩得好壞
的因素 4．3．7靈活的評價深度 4．3．8計算代價可能很
昂貴 4．3．9成功案例 4．4AlphaBeta剪枝 4．4．1常規情況 4．4．2多余的評價 4．4．3另一個例子 4．4．4關于剪枝算法 4．4．5關于AlphaBeta
剪枝 4．4．6反向方法 4．5額外的游戲編程技巧 4．5．1啟發式的算法控制
搜索深度 4．5．2望向視野外 4．5．3開局庫 4．5．4殘局查找表 4．5．5人類模式識別
技能 4．5．6人類的“剪枝”
方式 4．5．7游戲中的模式
識別 4．6熟能生巧 4．7結語 第5章規劃 5．1玩具積木 5．1．1移動積木 5．1．2描述符 5．1．3狀態描述示例 5．1．4注釋 5．2可用操作 5．2．1玩具場景的操作 5．2．2前提條件列表 5．2．3添加列表 5．2．4刪除列表 5．2．5定義move(x,y,z) 5．2．6通用操作的實
例化 5．2．7有多少個實例 5．2．8執行操作 5．2．9示例 5．3使用STRIPS進行規劃 5．3．1目標集 5．3．2一般理念 5．3．3具體實例 5．3．4如何確定行動 5．3．5倒數第二個狀態是
什么樣的 5．3．6STRIPS的偽
代碼 5．4數值舉例 5．4．1應該考慮哪些
操作 5．4．2檢查列表 5．4．3注意事項 5．4．4描述前一個狀態 5．4．5迭代過程 5．5人工智能規劃的高級應用 5．5．1旅行推銷員問題 5．5．2包裹投遞和數據包
路由 5．5．3救護車路由 5．5．4背包問題 5．5．5工作車間調度 5．5．6注意事項 5．5．7重要評論 5．6熟能生巧 5．7結語 第6章遺傳算法 6．1一般模式 6．1．1不完全復制，適者
生存 6．1．2GA應用中的
個體 6．1．3基本循環 6．1．4人口 6．1．5適者生存 6．1．6有多少代 6．1．7停止標準 6．2不完全復制與生存 6．2．1交配 6．2．2重組 6．2．3變異 6．2．4實施生存博弈 6．2．5利用生存機制進行
交配 6．2．6評論生存游戲 6．2．7屬于父母兩邊的
孩子 6．2．8GA的簡單任務 6．2．9探索與父母的
距離 6．2．10重組與變異 6．2．11算法為何有效 6．3其他GA操作符 6．3．1兩點交叉 6．3．2隨機位交換 6．3．3反轉 6．3．4程序員控制程序的
方法 6．4潛在問題 6．4．1退化種群 6．4．2無害退化與過早
退化 6．4．3識別退化狀態 6．4．4擺脫退化狀態 6．4．5設計不當的適應度
函數 6．4．6不能反映遺傳算法目
標的適應度函數 6．5高級變體 6．5．1數字染色體 6．5．2樹結構形式的染
色體 6．5．3多人群和多目標 6．5．4拉馬克方法 6．6GA和背包問題 6．6．1背包規則(修
訂版) 6．6．2用二進制字符串對
問題進行編碼 6．6．3運行程序 6．6．4GA是否能找到*佳
解決方案 6．6．5觀察： 隱含并
行性 6．6．6用數字字符串編碼
包內容 6．6．7數字字符串中的
變異和重組 6．6．8小結 6．7GA和囚徒困境 6．7．1要保密還是選擇告發/
告密 6．7．2實際觀察 6．7．3重復事件的策略 6．7．4在染色體中編碼
策略 6．7．5早期回合 6．7．6錦標賽方法 6．7．7實驗表現 6．7．8小結 6．8熟能生巧 6．9結語 第7章人工生命 7．1涌現特性 7．1．1從原子到蛋白質 7．1．2從分子到社會 7．1．3從字母到詩歌 7．1．4通往人工生命
之路 7．2L系統 7．2．1原始的L系統
規則 7．2．2另一個例子： 康托爾
集合 7．2．3啟示 7．3細胞自動機 7．3．1簡單示例 7．3．2變化 7．3．3增加另一個維度 7．4康威的生命游戲 7．4．1棋盤及其單元格 7．4．2規則 7．4．3更有趣的例子 7．4．4典型行為 7．4．5小結 7．5熟能生巧 7．6結語 第8章涌現特性和群體智能 8．1蟻群優化 8．1．1瑣碎的表述 8．1．2蟻群選擇 8．1．3信息素路徑 8．1．4選擇路徑 8．1．5揮發與添加 8．1．6程序員的視角 8．1．7選擇具體路徑的
概率 8．1．8路徑選擇機制 8．1．9添加信息素 8．1．10信息素揮發 8．1．11非穩態任務 8．2ACO算法解決推銷員
問題 8．2．1螞蟻與智能體 8．2．2ACO對TSP的
看法 8．2．3初始化 8．2．4建立概率決策 8．2．5數值舉例 8．2．6一只螞蟻會釋放多少
信息素 8．2．7各路線上的螞蟻
數量 8．2．8在每條邊上添加信
息素 8．2．9更新數值 8．2．10完整的概率
公式 8．2．11ACO處理推銷員問題
(TSP)的概述 8．2．12結束語 8．2．13主要限制 8．3粒子群優化算法 8．3．1是粒子還是鳥 8．3．2尋找多元函數的*
大值 8．3．3專業術語 8．3．43個假設 8．3．5智能體的目標 8．3．6更新速度和位置：
簡單公式 8．3．7速度更新的全尺寸
版本 8．3．8c1和c2的值應該是
多少 8．3．9PSO 算法的總體
流程 8．3．10可能的并發
問題 8．3．11本地極端行為的危
險性 8．3．12多個群體 8．4人工蜂群算法 8．4．1原始靈感 8．4．2這個比喻對人工智能
的貢獻 8．4．3任務 8．4．4**步 8．4．5如何選擇有前途的
目標 8．4．6跟隨蜜蜂 8．4．7更新*佳位置 8．4．8支援蜜蜂 8．4．9參數 8．4．10算法 8．5熟能生巧 8．6結語 第9章自動推理的要素 9．1事實與查詢 9．1．1事實列表 9．1．2回答用戶的查詢 9．1．3帶變量的查詢 9．1．4多個變量 9．1．5復合查詢 9．1．6練習 9．1．7將變量與具體值
綁定 9．1．8如何處理復合
查詢 9．1．9謂詞排序 9．1．10查詢回答和
搜索 9．1．11嵌套論證 9．2規則和基于知識的系統 9．2．1簡單規則 9．2．2較長的規則 9．2．3規則的形式觀 9．2．4封閉世界假設 9．2．5基于知識的系統 9．3使用規則進行簡單推理 9．3．1回答查詢 9．3．2基礎知識之外 9．3．3由多條規則定義的
概念 9．3．4斷分正則表達式 9．3．5遞歸概念定義 9．3．6評估遞歸概念 9．3．7關于遞歸的評論 9．3．8小結 9．4熟能生巧 9．5結語 第10章邏輯與推理（簡化版） 10．1蘊涵、推理、定理證明 10．1．1蘊涵 10．1．2推理過程 10．1．3*簡形式的肯定
前項式 10．1．4示例 10．1．5其他推理
機制 10．1．6推理過程的可
靠性 10．1．7推理過程的完
備性 10．1．8定理證明 10．1．9半可判定性 10．2基于肯定前項式的
推理 10．2．1肯定前項式的
一般形式 10．2．2霍恩子句 10．2．3事件的真實性與
虛假性 10．2．4具體示例 10．2．5實際考慮 10．2．6霍恩子句知識庫中
的推理 10．3運用歸結原則進行
推理 10．3．1標準形式 10．3．2歸結原則 10．3．3理論的優勢 10．3．4具體舉例1 10．3．5實際考慮 10．3．6計算成本 10．3．7反向鏈 10．3．8具體舉例2 10．3．9歸結作為
搜索 10．4運用標準形式表達
知識 10．4．1標準形式(修
改版) 10．4．2轉換為標準
形式 10．4．3具體舉例 10．5熟能生巧 10．6結語 第11章使用變量的邏輯和推理 11．1規則和量詞 11．1．1對象和函數 11．1．2關系 11．1．3常量和變量 11．1．4參數順序 11．1．5原子和表
達式 11．1．6自動推理中的邏輯
表達式 11．1．7全稱量詞 11．1．8存在量詞 11．1．9量詞的順序 11．1．10其他示例 11．2刪除量詞 11．2．1刪除一些存在
量詞 11．2．2存在量化
向量 11．2．3經常被忽視的
案例 11．2．4斯科勒姆化 11．2．5刪除剩余的存在
量詞 11．2．6消失的
后果 11．3綁定、統一和推理 11．3．1綁定變量 11．3．2綁定列表 11．3．3嵌套關系的
綁定 11．3．4統一 11．3．5使用變量的肯定
前項式和歸結
原則 11．4實用推理程序 11．4．1具體示例 11．4．2多個解決
方案 11．4．3綁定數量 11．4．4從左邊開始 11．4．5加速推理
過程 11．4．6先行的策略 11．4．7回跳 11．5熟能生巧 11．6結語 第12章表示知識的不同方式 12．1框架和語義網絡 12．1．1框架的具體
例子 12．1．2繼承值 12．1．3規則的例外 12．1．4語義網絡 12．2基于框架的知識推理 12．2．1查找實例
的類 12．2．2找到一個變量
的值 12．2．3語義網絡中的
推理 12．2．4框架中推理的計算
成本 12．3框架和SN中的N元
關系 12．3．1二元關系與
框架 12．3．2基于二元關系的
框架推理 12．3．3將二元關系轉換為
規則 12．3．4促進二元關系推理
的規則 12．3．5N元關系帶來的
困難 12．4熟能生巧 12．5結語 第13章自動推理道路上的障礙 13．1隱性假設 13．1．1框架問題 13．1．2隱性假設 13．2非單調性 13．2．1推理的單
調性 13．2．2母雞會飛嗎 13．2．3它們不會
飛嗎 13．2．4一般情況 13．2．5異常情況 13．2．6選擇哪個
版本 13．2．7理論、假設和
擴展 13．2．8多個擴展 13．2．9多值邏輯 13．2．10框架和語義
網絡 13．3Mycin的不確定性
因素 13．3．1不確定性
處理 13．3．2Mycin的確定性
因素 13．3．3一組事實和規則
的真相 13．3．4否定的確
定性 13．3．5數值舉例1 13．3．6確定性因素和肯定
前項式 13．3．7數值舉例2 13．3．8結合證據 13．3．9直觀的解釋 13．3．10數值舉例3 13．3．11數值舉例4 13．3．12兩種以上的
選擇 13．3．13理論基礎 13．4熟能生巧 13．5結語 第14章概率推理 14．1概率論(修改版) 14．1．1概率信息
來源 14．1．2單位間隔 14．1．3聯合概率 14．1．4數值舉例 14．1．5條件概率 14．1．6更一般的
公式 14．1．7罕見事件： m
估計 14．1．8通過m來量化
信心 14．1．9數值舉例 14．2概率與推理 14．2．1家庭關系領域的
例子 14．2．2規則和條件
概率 14．2．3依賴事件和獨立
事件 14．2．4貝葉斯公式 14．2．5貝葉斯公式和概率
推理 14．2．6選擇*有可能的
假設 14．3信念網絡 14．3．1信念網絡
概述 14．3．2數值舉例 14．3．3具體情況的
概率 14．3．4結論的概率 14．3．5B是真的嗎 14．4處理更現實的領域 14．4．1更大的信念
網絡 14．4．2看不見的原因和
漏洞節點 14．4．3需要太多的
概率 14．4．4樸素貝葉斯 14．4．5樸素貝葉斯假設是
否有害 14．4．6否定概率
(提醒) 14．4．7P(X|A1∨A2∨…
∨An)的概率是
多少 14．4．8具體事件的
概率 14．4．9數值舉例 14．4．10這些概率從哪
里來 14．5DempsterShafer理論：
使用權重代替概率 14．5．1動機 14．5．2權重而非
概率 14．5．3辨識框架 14．5．4單例和組合
實例 14．6從權重到信念和可信度 14．6．1基本信念
分配 14．6．2任何BBA的基本
特性 14．6．3相信某個
命題 14．6．4命題的可
信度 14．6．5不確定性由兩個
值量化 14．6．6數值舉例 14．7DST證據組合規則 14．7．1多個權重轉移的
源頭 14．7．2沖突的級別 14．7．3組合法則 14．7．4數值舉例 14．7．5不止兩個來源的
情況 14．7．6BBA通常是什么
樣的 14．8熟能生巧 14．9結語 第15章模糊集 15．1現實世界概念的模
糊性 15．1．1清晰概念和模糊
概念 15．1．2堆的悖論 15．1．3視覺示例 15．1．4另一個例子 15．2模糊集成員資格 15．2．1隸屬度 15．2．2黑色矩形 15．2．3有才華的
學生 15．2．4高個子 15．2．5溫暖的房間 15．2．6μA(x)函數的其他
常見形狀 15．2．7μA(x)的值
來源 15．3模糊性與其他范式的
比較 15．3．1一個清晰事件發生
的概率 15．3．2特征的范圍 15．3．3模糊值的
概率 15．3．4模糊概率 15．4模糊集合運算 15．4．1模糊邏輯 15．4．2合取 15．4．3析取 15．4．4否定 15．4．5圖形說明 15．4．6數值舉例 15．4．7復雜表達 15．5計算語言變量 15．5．1語言變量的
例子 15．5．2語言變量的主
觀性 15．5．3上下文依賴 15．5．4計算模糊對象
數量 15．5．5數值舉例 15．5．6更高級的
例子 15．6模糊推理 15．6．1模糊規則 15．6．2更加真實的
規則 15．6．3用模糊規則
推理 15．6．4傳播隸屬度 15．6．5模糊控制 15．7熟能生巧 15．8結語 第16章專家系統的優點和缺點 16．1早期探索： Mycin 16．1．1實現 16．1．2預期的應用
范圍 16．1．3早期關注 16．1．4早期希望 16．2后續發展 16．2．1另一個醫學
系統 16．2．2發展前景 16．2．3數以百計的專家
系統 16．2．4過高期待的
風險 16．2．5懷疑主義 16．2．6現狀 16．3一些經驗 16．3．15分鐘到5小時
規則 16．3．2瓶頸： 知識庫 16．3．3通信模塊 16．3．4優雅降級 16．4熟能生巧 16．5結語 第17章超越核心人工智能 17．1計算機視覺 17．1．1圖像及其
像素 17．1．2去除噪聲 17．1．3邊緣檢測 17．1．4連接邊緣 17．1．5紋理 17．1．6顏色 17．1．7分割 17．1．8場景解釋 17．1．9現代方法 17．2自然語言處理 17．2．1信號處理 17．2．2句法分析
(解析) 17．2．3語義分析 17．2．4歧義 17．2．5語言生成 17．2．6現代方法： 機器
學習 17．3機器學習 17．3．1知識獲。 人工
智能的瓶頸 17．3．2從實例中
學習 17．3．3規則和決
策樹 17．3．4其他方法 17．3．5舊機器學習的普遍
理念 17．3．6如今的機器
學習 17．4智能體技術 17．4．1為什么選擇智
能體 17．4．2框架 17．5結語 第18章哲學思考 18．1圖靈測試 18．1．1圖靈的基本
方案 18．1．2其他應用 18．1．3打破圖靈
測試 18．2中文房間和其他意見 18．2．1Searle的基本
設想 18．2．2這個人是否懂
中文 18．2．3哲學家的
觀點 18．2．4下棋程序帶來的
啟示 18．2．5圖靈對神學保留
意見的回應 18．2．6弱人工智能與強
人工智能 18．3工程師角度 18．3．1實踐性 18．3．2人們是否應該
擔憂 18．3．3增強人類
智慧 18．3．4現有人工智能的
局限性 18．4結語 參考文獻
展開全部
人工智能基礎:問題解決和自動推理 作者簡介
（美）米羅斯拉夫·庫巴特（MIROSLAV KUBAT），邁阿密大學電氣與計算機工程名譽副教授。教授人工智能及相關課程超過25年。發表了 100 多篇同行評審論文，是商業上成功的教科書《機器學習導論》的作者。
羅俊海，電子科技大學副教授、碩士生導師。長期從事智能數據處理、目標檢測和網絡安全的教學和科研工作。主持過國家自然科學基金項目、四川省科技廳基金項目、總裝預研基金項目和中央高；究蒲袠I務項目等15項。參與制訂標準6項，發表文章60余篇，其中SCI檢索50余篇。申請和授權發明專利共30余項，獲得四川省科技進步獎二等2項，三等1項。出版《多源數據融合和傳感器管理》《物聯網系統開發及應用實戰》《使用HTML和CSS開發WEB網站》《實用MATLAB深度學習基于項目的方法》（譯著）《Python深度強化學習—使用PyTorch, TensorFlow 和OpenAI Gym》等8部教材和專著。
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
名家帶你讀魯迅:朝花夕拾
- >
【精裝繪本】畫給孩子的中國神話
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
上帝之肋:男人的真實旅程
- >
山海經
本類暢銷
