目录

第1章人工智能基础

1．1人工智能基本理论

1．1．1人工智能基本概念

1．1．2人工智能发展历史

1．1．3人工智能研究现状

1．1．4通用人工智能初现端倪

1．2人工智能共性技术

1．2．1知识表示与推理

1．2．2问题求解

1．2．3机器学习

1．2．4人工神经网络与深度学习

1．2．5多Agent系统

1．3人工智能典型应用

1．3．1机器视觉

1．3．2语音识别

1．3．3生物特征识别

1．3．4自然语言处理

1．3．5内容生成

1．3．6智能规划与决策

1．3．7计算机博弈

1．3．8机器人

1．3．9自动驾驶

1．4本章小结

第2章Python编程基础

2．1Python语言简介

2．1．1Python的设计思想与特点

2．1．2Python的开发环境与工具

2．1．3Python的数据类型

2．1．4Python的语句与函数

2．1．5Python的输入与输出

2．2Python程序设计

2．2．1程序编写的基本方法

2．2．2程序格式框架

2．2．3程序模块化设计

2．2．4程序调试方法

2．3Python常用库

2．3．1数组计算库NumPy

2．3．2数据分析库Pandas

2．3．3机器学习库Scikitlearn

2．3．4神经网络库TensorFlow

2．3．5深度学习库Keras

2．3．6可视化库Matplotlib

2．4本章小结

第3章状态空间搜索

3．1状态空间搜索基础

3．1．1状态空间的基本概念

3．1．2通用图搜索框架

3．1．3盲目搜索算法

3．1．4启发式搜索算法

3．2基于盲目搜索和A*搜索的路径规划

3．2．1路径规划实验背景与要求

3．2．2搜索算法设计

3．2．3程序实现代码框架

3．2．4实验结果分析

3．3基于代价优先和A*搜索的八数码问题求解

3．3．1八数码实验背景与要求

3．3．2八数码实验启发函数设计

3．3．3程序实现代码框架

3．3．4实验结果分析

3．4基于启发式搜索的规划问题求解

3．4．1规划问题实验背景与要求

3．4．2规划问题实验的启发函数设计

3．4．3程序实现代码框架

3．4．4实验结果分析

3．5本章小结

第4章博弈树搜索

4．1博弈树搜索基础

4．1．1博弈基本概念

4．1．2极小极大搜索

4．1．3αβ剪枝

4．1．4蒙特卡洛树搜索

4．2基于极小极大搜索的中国象棋博弈

4．2．1中国象棋博弈实验背景与要求

4．2．2极小极大搜索算法设计

4．2．3程序实现代码框架

4．2．4实验结果分析

4．3基于αβ剪枝的五子棋博弈

4．3．1五子棋博弈实验背景与要求

4．3．2αβ剪枝搜索算法设计

4．3．3程序实现代码框架

4．3．4实验结果分析

4．4基于蒙特卡洛树搜索的黑白棋博弈

4．4．1黑白棋博弈实验背景与要求

4．4．2蒙特卡洛树搜索算法设计

4．4．3程序实现代码框架

4．4．4实验结果分析

4．5本章小结

第5章智能优化算法

5．1智能优化算法基础

5．1．1智能优化基本概念

5．1．2遗传算法

5．1．3蚁群算法

5．1．4粒子群算法

5．1．5模拟退火算法

5．2基于遗传算法的图像分割

5．2．1图像分割实验背景与要求

5．2．2遗传算法设计

5．2．3程序实现代码框架

5．2．4实验结果分析

5．3基于蚁群算法的路径规划

5．3．1路径规划实验背景与要求

5．3．2蚁群算法设计

5．3．3程序实现代码框架

5．3．4实验结果分析

5．4基于粒子群算法的函数优化

5．4．1函数优化实验背景与要求

5．4．2粒子群算法设计

5．4．3程序实现代码框架

5．4．4实验结果分析

5．5基于模拟退火算法的旅行商问题求解

5．5．1旅行商实验背景与要求

5．5．2模拟退火算法设计

5．5．3程序实现代码框架

5．5．4实验结果分析

5．6本章小结

第6章机器学习

6．1机器学习基础

6．1．1机器学习基本概念

6．1．2有监督学习

6．1．3无监督学习

6．1．4强化学习

6．2基于多元线性拟合的汽车油耗预测

6．2．1汽车油耗预测实验背景与要求

6．2．2多元线性拟合算法设计

6．2．3程序实现代码框架

6．2．4实验结果分析

6．3基于支持向量机的目标识别

6．3．1目标识别实验背景与要求

6．3．2支持向量机算法设计

6．3．3程序实现代码框架

6．3．4实验结果分析

6．4基于决策树的车辆行驶意图预测

6．4．1车辆行驶意图预测实验背景与要求

6．4．2决策树算法设计

6．4．3程序实现代码框架

6．4．4实验结果分析

6．5基于k均值聚类的图像分割

6．5．1图像分割实验背景与要求

6．5．2k均值聚类算法设计

6．5．3程序实现代码框架

6．5．4实验结果分析

6．6基于Q学习和Sarsa算法的悬崖行走

6．6．1悬崖行走实验背景与要求

6．6．2Q学习和Sarsa算法设计

6．6．3程序实现代码框架

6．6．4实验结果分析

6．7本章小结

第7章人工神经网络

7．1人工神经网络基础

7．1．1人工神经网络基本概念

7．1．2感知器

7．1．3误差反向传播网络

7．1．4Hopfield网络

7．1．5自组织特征映射网络

7．2基于感知器的逻辑门设计

7．2．1逻辑门设计实验背景与要求

7．2．2感知器设计

7．2．3程序实现代码框架

7．2．4实验结果分析

7．3基于误差反向传播神经网络的手写数字识别

7．3．1手写数字识别实验背景与要求

7．3．2误差反向传播神经网络设计

7．3．3程序实现代码框架

7．3．4实验结果分析

7．4基于Hopfield网络的旅行商问题求解

7．4．1旅行商实验背景与要求

7．4．2Hopfield网络设计

7．4．3程序实现代码框架

7．4．4实验结果分析

7．5基于自组织特征映射网络的聚类分析

7．5．1聚类分析实验背景与要求

7．5．2自组织特征映射网络设计

7．5．3程序实现代码框架

7．5．4实验结果分析

7．6本章小结

第8章深度学习

8．1深度学习基础

8．1．1深度学习基本概念

8．1．2卷积神经网络与迁移学习

8．1．3循环神经网络

8．1．4生成对抗网络

8．1．5Transformer

8．2基于卷积神经网络的图像分类

8．2．1图像实验背景与要求

8．2．2卷积神经网络设计

8．2．3程序实现代码框架

8．2．4实验结果分析

8．3基于迁移学习的图像分类

8．3．1实验背景与要求

8．3．2迁移学习算法设计

8．3．3程序实现代码框架

8．3．4实验结果分析

8．4基于循环神经网络的影评情感分类

8．4．1影评情感分类实验背景与要求

8．4．2循环神经网络设计

8．4．3程序实现代码框架

8．4．4实验结果分析

8．5基于生成对抗网络的图像生成

8．5．1图像生成实验背景与要求

8．5．2生成对抗网络设计

8．5．3程序实现代码框架

8．5．4实验结果分析

8．6基于Transformer的文本生成

8．6．1文本生成实验背景与要求

8．6．2基于GPT模型的文本生成

8．6．3程序实现代码框架

8．6．4实验结果分析

8．7本章小结

第9章多Agent系统

9．1多Agent系统基础

9．1．1多Agent系统基本概念

9．1．2多Agent系统组织结构

9．1．3多Agent系统通信

9．1．4多Agent系统协同

9．2基于异步回溯算法的N皇后问题求解

9．2．1N皇后实验背景与要求

9．2．2异步回溯算法设计

9．2．3程序实现代码框架

9．2．4实验结果分析

9．3基于多Agent协作的机器人路径规划

9．3．1多Agent路径规划实验背景与要求

9．3．2多Agent协作算法设计

9．3．3程序实现代码框架

9．3．4实验结果分析

9．4本章小结

参考文献