"本书精选人工智能领域中与搜索、博弈、优化、机器学习、人工神经网络、深度学习和多Agent系统相关的26个实验案例，涵盖路径规划、棋类博弈、目标识别、图像生成、文本生成等多个方面，提供详细的实验背景、目的、要求、算法框架和编程要点。本书启发性强、系统性强、实操性强、前沿性强，可支撑学生的人工智能实践能力培养。 本书共分为9章。第1章是人工智能基础； 第2章是Python编程基础； 第3~5章是状态空间搜索、博弈树搜索和智能优化算法； 第6~8章是机器学习、人工神经网络和深度学习； 第9章是多Agent系统。 本书适合作为高等学校计算机类、自动化类、电气工程类、电子信息类及相关专业本科生、低年级研究生的“人工智能基础实践”课程教材，也可为从事人工智能相关研究与应用的技术人员提供参考。 "

前言 近年来，人工智能飞速发展，迎来第三次浪潮。它广泛应用于国民经济、社会生活、国防军事等各个领域，正在成为推动新的科技革命、产业革命、军事革命的重要引擎。为了适应新形势，国内多所高校开设人工智能学院及人工智能专业。作为一门实际操作性很强的学科，实践教学在“人工智能基础”课程中占有重要地位。建设“人工智能基础实践”课程成为人工智能+X专业的必然选择。特别是近年来随着深度学习、生成式人工智能的发展，迫切需要能够涵盖人工智能最新发展的实践教材，用于支持各高校陆续开设的“人工智能基础实践”课程。 本书精选人工智能领域中与搜索、博弈、优化、机器学习、人工神经网络、深度学习和多Agent系统相关的26个实验案例，涵盖路径规划、棋类博弈、目标识别、图像生成、文本生成等多个方面，提供详细的实验背景、目的、要求、算法框架和编程要点，以支撑人工智能实践教学，用于培养学生解决智能化应用问题所需的实践能力和创新思维。 本书共分为9章。第1章是人工智能基础，介绍人工智能的基本理论、共性技术和典型应用； 第2章是Python编程基础，介绍Python语言的基本语法、开发环境、程序设计方法和常用库； 第3~5章依次是状态空间搜索、博弈树搜索和智能优化算法，主要介绍路径依赖搜索、对抗搜索和局部搜索的算法及相关实验； 第6~8章依次是机器学习、人工神经网络和深度学习，分别介绍传统机器学习、经典人工神经网络和深度学习算法及相关实验； 第9章是多Agent系统，介绍基于Agent的分布式计算方法及相关实验。 本书主要特色如下。 (1) 讲解思路清晰，启发性强。结合作者多...