人工智能:原理与实践

目 录 推荐序一 推荐序二 译者序 前言 第1章 人工智能导论 1 1.1 引言 1 1.2 两大流派 1 1.3 通用人工智能 9 1.4 代理的概念 10 1.5 人工智能中的演绎推理 12 1.5.1 实例 13 1.5.2 演绎推理的经典方法 17 1.5.3 演绎推理的优势和局限 19 1.6 人工智能中的归纳学习 19 1.6.1 学习的类型 20 1.6.2 无监督学习任务 21 1.6.3 监督学习任务 23 1.7 人工智能中的生物进化 24 1.8 总结 25 1.9 拓展阅读 26 1.10 练习 26 第2章 搜索状态空间 27 2.1 引言 27 2.2 不知情搜索算法 30 2.2.1 案例研究：八个拼图问题 35 2.2.2 案例研究：在线迷宫搜索 36 2.2.3 通过双向搜索提高效率 36 2.3 知情搜索：佳优先搜索 37 2.3.1 贪婪佳优先搜索 39 2.3.2 A*-搜索算法 40 2.4 具有特定于状态的损失函数 的局部搜索 41 2.4.1 爬山 43 2.4.2 禁忌搜索 45 2.4.3 模拟退火 47 2.5 遗传算法 48 2.6 约束满足问题 50 2.6.1 作为约束满足的旅行 推销员问题 50 2.6.2 作为约束满足的图着色 51 2.6.3 数独作为约束满足 51 2.6.4 约束满足的搜索算法 52 2.6.5 利用特定于状态的 损失值 53 2.7 总结 53 2.8 拓展阅读 53 2.9 练习 53 第3章 多代理搜索 55 3.1 引言 55 3.2 不知情搜索：AND-OR 搜索树 56 3.2.1 处理两个以上的代理 59 3.2.2 处理非确定性环境 59 3.3 具有特定于状态的损失函数 的知情搜索树 60 3.3.1 启发式变化 63 3.3.2 适应对抗环境 63 3.3.3 预存储子树 65 3.3.4 设计评估函数面临的挑战 66 3.3.5 极小极大树的缺点 67 3.4 alpha-beta剪枝 69 3.5 蒙特卡罗树搜索：归纳视图 71 3.5.1 对预期结果模型的改进 74 3.5.2 演绎与归纳：小值 和蒙特卡罗树 77 3.5.3 应用于非确定性和部分 可观测游戏 78 3.6 总结 79 3.7 拓展阅读 79 3.8 练习 80 第4章 命题逻辑 81 4