前言 1
第一章 统计推断和模糊数学基础 1
1.1 概率基础 1
1.2 序贯统计推断 4
1.3 模糊集理论 7
1.4 可能性理论 21
第二章 问题求解 26
2.1 问题求解简介 26
2.2 问题求解的四种模型 35
第三章 普通图的数学函数式启发式搜索 38
3.1 普通图的一般搜索算法BF和GRAPHSEARCH 38
3.2 启发式搜索算法A 44
3.3 启发式搜索算法B*，B’ 58
3.4 双向启发式搜索 62
3.5 迭代深化的启发式搜索算法IDA 65
3.6 函数加权网络的启发式搜索算法SE 67
3.7 算法复杂度 76
第四章 与/或图的数学函数式搜索 81
4.1 与/或图的通用最好优先算法GBF和AO 81
4.2 博弈及博弈树 87
4.3 极大极小搜索和α-β剪枝搜索 90
4.4 启发式搜索算法SSS 93
4.5 数学函数式启发式搜索应用举例 104
第五章 统计启发式搜索 112
5.1 统计启发式搜索 112
5.2 统计启发式搜索算法SA 113
5.3 算法SA的计算复杂度 115
5.4 逐次SA算法 120
5.5 图的统计启发式搜索 128
5.6 与/或图的统计启发式搜索 131
第六章 模糊普通图的模糊启发式搜索 134
6.1 模糊普通图 134
6.2 模糊启发式搜索算法FA 136
6.3 模糊启发式搜索算法IFA*，IFA｀ 144
6.4 双向模糊启发式搜索算法BFA 151
6.5 线性的模糊启发式搜索算法LFA 162
6.6 具有线性存贮的模糊启发式搜索算法LSFA 172
第七章 模糊与/或图的模糊启发式搜索 185
7.1 第一类模糊与/或图的模糊启发式搜索算法NAO 185
7.2 第二类模糊与/或图的模糊启发式搜索算法FAO｀ 197
7.3 模糊启发式搜索算法FAO*和LFAO 204
7.4 第三类模糊与/或图的模糊启发式搜索算法FBAO 213
7.5 模糊启发式搜索应用举例 228
8.1 并行模糊启发式搜索算法PNAO 233
第八章 并行式和学习式的启发式搜索 233
8.2 并行模糊启发式搜索算法PFAO｀ 236
8.3 并行模糊启发式搜索算法PFBAO 243
8.4 学习式启发式搜索算法SCDF 246
8.5 可采纳性启发式估价函数的学习 254
第九章 神经网络的问题求解 258
9.1 神经网络概述 258
9.2 神经计算原理，Hopfiold模型和TSP问题 266
9.3 能量函数 274
9.4 M-TSP问题的能量函数 278
9.5 在优化问题求解中的应用 286
9.6 模拟退火算法及其应用 315
9.7 问题求解技术的进一步展望 322
参考文献 324