目 錄 推薦序一 推薦序二 譯者序 前言 第1章 人工智能導(dǎo)論 1 1.1 引言 1 1.2 兩大流派 1 1.3 通用人工智能 9 1.4 代理的概念 10 1.5 人工智能中的演繹推理 12 1.5.1 實(shí)例 13 1.5.2 演繹推理的經(jīng)典方法 17 1.5.3 演繹推理的優(yōu)勢(shì)和局限 19 1.6 人工智能中的歸納學(xué)習(xí) 19 1.6.1 學(xué)習(xí)的類型 20 1.6.2 無監(jiān)督學(xué)習(xí)任務(wù) 21 1.6.3 監(jiān)督學(xué)習(xí)任務(wù) 23 1.7 人工智能中的生物進(jìn)化 24 1.8 總結(jié) 25 1.9 拓展閱讀 26 1.10 練習(xí) 26 第2章 搜索狀態(tài)空間 27 2.1 引言 27 2.2 不知情搜索算法 30 2.2.1 案例研究：八個(gè)拼圖問題 35 2.2.2 案例研究：在線迷宮搜索 36 2.2.3 通過雙向搜索提高效率 36 2.3 知情搜索：佳優(yōu)先搜索 37 2.3.1 貪婪佳優(yōu)先搜索 39 2.3.2 A*-搜索算法 40 2.4 具有特定于狀態(tài)的損失函數(shù) 的局部搜索 41 2.4.1 爬山 43 2.4.2 禁忌搜索 45 2.4.3 模擬退火 47 2.5 遺傳算法 48 2.6 約束滿足問題 50 2.6.1 作為約束滿足的旅行 推銷員問題 50 2.6.2 作為約束滿足的圖著色 51 2.6.3 數(shù)獨(dú)作為約束滿足 51 2.6.4 約束滿足的搜索算法 52 2.6.5 利用特定于狀態(tài)的 損失值 53 2.7 總結(jié) 53 2.8 拓展閱讀 53 2.9 練習(xí) 53 第3章 多代理搜索 55 3.1 引言 55 3.2 不知情搜索：AND-OR 搜索樹 56 3.2.1 處理兩個(gè)以上的代理 59 3.2.2 處理非確定性環(huán)境 59 3.3 具有特定于狀態(tài)的損失函數(shù) 的知情搜索樹 60 3.3.1 啟發(fā)式變化 63 3.3.2 適應(yīng)對(duì)抗環(huán)境 63 3.3.3 預(yù)存儲(chǔ)子樹 65 3.3.4 設(shè)計(jì)評(píng)估函數(shù)面臨的挑戰(zhàn) 66 3.3.5 極小極大樹的缺點(diǎn) 67 3.4 alpha-beta剪枝 69 3.5 蒙特卡羅樹搜索：歸納視圖 71 3.5.1 對(duì)預(yù)期結(jié)果模型的改進(jìn) 74 3.5.2 演繹與歸納：小值 和蒙特卡羅樹 77 3.5.3 應(yīng)用于非確定性和部分 可觀測(cè)游戲 78 3.6 總結(jié) 79 3.7 拓展閱讀 79 3.8 練習(xí) 80 第4章 命題邏輯 81 4