人工智能实战PDF电子书下载

第1章 逻辑学与人工智能 1

1.1 逻辑是什么 1

1.2 命题逻辑 2

1.3 逻辑联结词 3

1.3.1 否定 3

1.3.2 合取 4

1.3.3 析取 4

1.3.4 蕴涵 5

1.3.5 等值 6

1.4 命题逻辑定律 6

1.5 范式 8

1.6 逻辑电路 9

1.7 实际问题：使用继承和C#运算符计算逻辑公式的值 11

1.8 实际问题：将逻辑公式表达为二叉决策树 14

1.9 实际问题：将公式转换为否定范式（NNF） 16

1.10 实际问题：将公式转换为合取范式（CNF） 18

1.11 本章小结 21

第2章 自动定理证明和一阶逻辑 23

2.1 自动定理证明 23

2.2 实际问题：C#中的Clause类和Cnf类 25

2.3 DPLL算法 30

2.4 实际问题：在命题逻辑中建模鸽巢原理 37

2.5 实际问题：判断一个命题逻辑公式是否可满足 37

2.6 一阶逻辑 41

2.7 实际问题：清洁机器人 45

2.8 本章小结 49

第3章 Agents 51

3.1 Agent是什么 51

3.2 Agent的属性 53

3.3 Agent环境的类型 55

3.4 有状态Agent 56

3.5 实际问题：将清洁机器人作为Agent建模并对其添加状态 57

3.6 Agent的架构 63

3.6.1 反应式架构：包容架构 63

3.6.2 慎思式架构：BDI架构 65

3.6.3 混合架构 69

3.6.4 旅行机 71

3.6.5 InteRRaP 72

3.7 本章小结 73

第4章 火星漫游车 75

4.1 火星漫游车简介 75

4.2 火星车的架构 77

4.3 火星车的程序代码 78

4.4 Mars Rover可视化应用程序 96

4.5 本章小结 106

第5章 多Agent系统 107

5.1 多Agent系统是什么 107

5.2 多Agent组织 109

5.3 通信 110

5.3.1 言语行为理论 111

5.3.2 Agent通信语言（ACL） 112

5.4 协调与合作 116

5.4.1 使用合同网协商 118

5.4.2 社会规范与社会 120

5.5 本章小结 121

第6章 基于WCF的多Agent系统通信 123

6.1 服务 123

6.2 契约 124

6.3 绑定 126

6.4 端点 126

6.5 发布者/订阅者模式 127

6.6 实际问题：利用WCF在多个Agent之间通信 127

6.7 本章小结 138

第7章 清洁Agent：一个多Agent系统问题 139

7.1 程序结构 139

7.2 清洁任务 140

7.3 清洁Agent平台 141

7.4 合同网 142

7.5 FIPA-ACL 146

7.6 MAS清洁Agent 149

7.7 GUI 155

7.8 运行应用程序 157

7.9 本章小结 159

第8章 仿真 161

8.1 仿真是什么 161

8.2 离散事件仿真 162

8.3 概率分布 163

8.4 实际问题：机场仿真 165

8.5 本章小结 173

第9章 支持向量机 175

9.1 支持向量机是什么 176

9.2 实际问题：利用C#实现线性SVM 181

9.3 不完全可分情形 189

9.4 非线性可分情形：核心技巧 191

9.5 序列最小优化算法（SMO） 192

9.6 实际问题：SMO实现 196

9.7 本章小结 201

第10章 决策树 203

10.1 决策树是什么 203

10.2 利用ID3算法生成决策树 206

10.2.1 熵和信息增益 207

10.2.2 实际问题：实现ID3算法 208

10.2.3 C4.5算法 217

10.2.4 实际问题：实现C4.5算法 220

10.3 本章小结 226

第11章 神经网络 227

11.1 神经网络是什么 227

11.2 感知器：单神经网络 229

11.2.1 实际问题：实现感知器神经网络 231

11.2.2 Adaline神经网络和梯度下降搜索 235

11.2.3 随机逼近法 237

11.2.4 实际问题：实现Adaline神经网络 238

11.2.5 多层网络 239

11.2.6 反向传播算法 241

11.2.7 实际问题：实现反向传播算法并解决XOR问题 244

11.3 本章小结 251

第12章 手写数字识别 253

12.1 手写数字识别是什么 253

12.2 训练数据集 254

12.3 用于HDR的多层神经网络 255

12.4 实现 256

12.5 测试 261

12.6 本章小结 262

第13章 聚类和多目标聚类 263

13.1 聚类是什么 263

13.2 层次聚类 265

13.3 划分聚类 267

13.4 实际问题：k-Means算法 269

13.5 多目标聚类 274

13.6 帕累托边界生成器 275

13.7 本章小结 278

第14章 启发式方法＆元启发式方法 279

14.1 启发式方法是什么 279

14.2 爬山算法 280

14.3 实际问题：实现爬山算法 282

14.4 P-元启发式算法：遗传算法 286

14.5 实际问题：对旅行商问题实现遗传算法 288

14.6 S-元启发式方法：禁忌搜索 296

14.7 本章小结 300

第15章 游戏编程 303

15.1 电子游戏是什么 303

15.2 游戏中的搜索 304

15.3 无信息搜索 306

15.4 实际问题：实现BFS、DFS、DLS和IDS 308

15.5 实际问题：在滑块拼图问题中实现双向搜索 313

15.6 有信息搜索 319

15.7 运用A＊算法求解滑块拼图 321

15.8 本章小结 324

第16章 博弈论：对抗性搜索与黑白棋游戏 325

16.1 博弈论是什么 326

16.2 对抗性搜索 327

16.3 极小化极大搜索算法 328

16.4 α-β剪枝算法 330

16.5 黑白棋游戏 332

16.6 实际问题：在Windows窗体程序中实现黑白棋游戏 335

16.7 实际问题：使用Minimax算法实现黑白棋AI 347

16.8 本章小结 349

第17章 强化学习 351

17.1 强化学习是什么 351

17.2 马尔可夫决策过程 352

17.3 值函数/动作值函数与策略 355

17.4 值迭代算法 357

17.5 策略迭代算法 358

17.6 Q-Learning和时序差分学习 359

17.7 实际问题：使用Q-Learning求解迷宫问题 360

17.8 本章小结 371