扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
人工智能超入门丛书--搜索算法:人工智能如何寻觅最优 版权信息
- ISBN：9787122439352
- 条形码：9787122439352 ; 978-7-122-43935-2
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
人工智能超入门丛书--搜索算法:人工智能如何寻觅最优 本书特色
本书面向在人工智能方向零基础的读者，内容定位于专业知识入门和普及层面，全面系统，通俗易懂，让读者真正了解和理解人工智能的相关技术方向，而不仅仅是编程技术。
人工智能超入门丛书--搜索算法:人工智能如何寻觅最优 内容简介
“人工智能超入门丛书”致力于面向人工智能各技术方向零基础的读者，内容涉及数据素养、机器学习、视觉感知、情感分析、搜索算法、强化学习、知识图谱、专家系统等方向，体系完整、内容简洁、文字通俗，综合介绍人工智能相关知识，并辅以程序代码解决问题，使得零基础的读者快速入门。 《搜索算法：人工智能如何寻觅很优》是“人工智能超入门丛书”中的分册，本分册以通俗易懂的语言风格讲解了搜索算法的相关知识，内容包括算法问题中涉及的基本数据结构和复杂度分析，及状态空间、树、图等较复杂的数据结构；同时，通过相关实例，讲解了各类搜索方法及线性规划与非线性规划；也重点解读了组合优化问题和群智能算法。全书内容包含了搜索算法所能用到的核心方法和技术，另附三个附录，分别讲解了类与继承以及博弈基础等。本书搭配关键代码，是一本适合初学者阅读学习的人工智能（AI）图书。 本书可以作为人工智能及计算机相关工作岗位的技术人员的入门读物，也可以供高等院校人工智能及计算机专业的师生阅读参考，对搜索算法及人工智能方向感兴趣的人群也可以阅读。
人工智能超入门丛书--搜索算法:人工智能如何寻觅最优 目录
第1章 搜索的世界 001
1.1 出“棋”不易 002
1.1.1 棋技，智力的象征？ 002
1.1.2 搜索＋评估=智能？ 006
1.1.3 AlphaGo是怎样炼成的？ 008
1.2 给盲目一些信息 011
1.2.1 盲目搜索 011
1.2.2 启发式搜索 013
1.2.3 博弈中前行 015
1.3 一切皆可优化 017
1.3.1 目标与约束 017
1.3.2 蒙特卡洛树搜索 021
1.3.3 群智能 024
第2章 基本数据结构与复杂度分析 030
2.1 数据关系与数据结构 031
2.1.1 数据关系 031
2.1.2 数据结构 032
2.2 栈与队列 033
2.2.1 栈 033
2.2.2 队列 038
2.2.3 双端队列 040
2.3 复杂度 042
2.3.1 衡量算法的效率 042
2.3.2 复杂度的分析 044
第3章 状态空间、树与图 050
3.1 状态空间 051
3.1.1 状态的表示 051
3.1.2 迷宫、汉诺塔与八数码 053
3.1.3 农夫过河 054
3.2 树 057
3.2.1 树的基本概念 057
3.2.2 二叉树 059
3.3 图 062
3.3.1 图的基本概念 062
3.3.2 图的存储方式 065
第4章 搜索技术 072
4.1 盲目搜索 073
4.1.1 广度优先搜索算法 073
4.1.2 深度优先搜索算法 080
4.2 启发式搜索 086
4.2.1 贪婪算法 086
4.2.2 A*算法 089
4.3 对抗搜索 093
4.3.1 博弈下的极小极大搜索 094
4.3.2 alpha–beta剪枝算法 102
第5章 线性与非线性规划中的搜索 105
5.1 优化问题 106
5.1.1 无处不在的优化 106
5.1.2 优化问题的描述 106
5.2 线性规划 108
5.2.1 图解线性规划 110
5.2.2 搜顶点 113
5.2.3 程序求解 114
5.3 非线性规划 117
5.3.1 从导数中获得搜索信息 117
5.3.2 非线性规划难在哪 124
5.3.3 程序求解 126
第6章 组合优化与求解 132
6.1 组合优化问题 133
6.1.1 旅行商问题 134
6.1.2 背包问题 138
6.2 模拟退火 140
6.2.1 基本原理 140
6.2.2 参数与流程 142
6.2.3 程序代码 144
6.3 禁忌搜索 149
6.3.1 基本原理 149
6.3.2 参数与流程 152
6.3.3 程序代码 155
第7章 群智能算法 160
7.1 遗传算法 161
7.1.1 基本原理 161
7.1.2 参数与流程 166
7.1.3 程序代码 171
7.2 蚁群算法 176
7.2.1 基本原理 176
7.2.2 参数与流程 180
7.2.3 程序代码 184
7.3 粒子群算法 189
7.3.1 基本原理 189
7.3.2 参数与流程 191
7.3.3 程序代码 196
附录 199
附录一 类与继承 200
附录二 人工智能的博弈基础 208
附录三 腾讯扣叮Python实验室：JupyterLab使用说明 214
1.1 出“棋”不易 002
1.1.1 棋技，智力的象征？ 002
1.1.2 搜索＋评估=智能？ 006
1.1.3 AlphaGo是怎样炼成的？ 008
1.2 给盲目一些信息 011
1.2.1 盲目搜索 011
1.2.2 启发式搜索 013
1.2.3 博弈中前行 015
1.3 一切皆可优化 017
1.3.1 目标与约束 017
1.3.2 蒙特卡洛树搜索 021
1.3.3 群智能 024
第2章 基本数据结构与复杂度分析 030
2.1 数据关系与数据结构 031
2.1.1 数据关系 031
2.1.2 数据结构 032
2.2 栈与队列 033
2.2.1 栈 033
2.2.2 队列 038
2.2.3 双端队列 040
2.3 复杂度 042
2.3.1 衡量算法的效率 042
2.3.2 复杂度的分析 044
第3章 状态空间、树与图 050
3.1 状态空间 051
3.1.1 状态的表示 051
3.1.2 迷宫、汉诺塔与八数码 053
3.1.3 农夫过河 054
3.2 树 057
3.2.1 树的基本概念 057
3.2.2 二叉树 059
3.3 图 062
3.3.1 图的基本概念 062
3.3.2 图的存储方式 065
第4章 搜索技术 072
4.1 盲目搜索 073
4.1.1 广度优先搜索算法 073
4.1.2 深度优先搜索算法 080
4.2 启发式搜索 086
4.2.1 贪婪算法 086
4.2.2 A*算法 089
4.3 对抗搜索 093
4.3.1 博弈下的极小极大搜索 094
4.3.2 alpha–beta剪枝算法 102
第5章 线性与非线性规划中的搜索 105
5.1 优化问题 106
5.1.1 无处不在的优化 106
5.1.2 优化问题的描述 106
5.2 线性规划 108
5.2.1 图解线性规划 110
5.2.2 搜顶点 113
5.2.3 程序求解 114
5.3 非线性规划 117
5.3.1 从导数中获得搜索信息 117
5.3.2 非线性规划难在哪 124
5.3.3 程序求解 126
第6章 组合优化与求解 132
6.1 组合优化问题 133
6.1.1 旅行商问题 134
6.1.2 背包问题 138
6.2 模拟退火 140
6.2.1 基本原理 140
6.2.2 参数与流程 142
6.2.3 程序代码 144
6.3 禁忌搜索 149
6.3.1 基本原理 149
6.3.2 参数与流程 152
6.3.3 程序代码 155
第7章 群智能算法 160
7.1 遗传算法 161
7.1.1 基本原理 161
7.1.2 参数与流程 166
7.1.3 程序代码 171
7.2 蚁群算法 176
7.2.1 基本原理 176
7.2.2 参数与流程 180
7.2.3 程序代码 184
7.3 粒子群算法 189
7.3.1 基本原理 189
7.3.2 参数与流程 191
7.3.3 程序代码 196
附录 199
附录一 类与继承 200
附录二 人工智能的博弈基础 208
附录三 腾讯扣叮Python实验室：JupyterLab使用说明 214
展开全部
书友推荐
- >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥36.0¥48.0 - >
莉莉和章鱼
莉莉和章鱼
¥16.4¥42.0 - >
名家带你读鲁迅:朝花夕拾
名家带你读鲁迅:朝花夕拾
¥10.5¥21.0 - >
诗经-先民的歌唱
诗经-先民的歌唱
¥15.5¥39.8 - >
李白与唐代文化
李白与唐代文化
¥12.5¥29.8 - >
经典常谈
经典常谈
¥28.3¥39.8 - >
史学评论
史学评论
¥23.2¥42.0 - >
月亮虎
月亮虎
¥19.7¥48.0
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
