《人工智能:計(jì)算agent基礎(chǔ)》討論AI科學(xué)，它將AI作為智能計(jì)算Agent設(shè)計(jì)的研究課題?！度斯ぶ悄?計(jì)算agent基礎(chǔ)》雖然設(shè)計(jì)為教科書(shū)，但它也適合廣大專業(yè)人員和研究人員閱讀?！度斯ぶ悄?計(jì)算agent基礎(chǔ)》的一個(gè)重要特色是其在線學(xué)習(xí)資源。在過(guò)去的幾十年里，人工智能是作為一種嚴(yán)肅科學(xué)和工程學(xué)科出現(xiàn)的。《人工智能:計(jì)算agent基礎(chǔ)》提供了針對(duì)本科生和研究生的第一手便利可用的領(lǐng)域綜合資料，對(duì)當(dāng)今該領(lǐng)域的基礎(chǔ)發(fā)展進(jìn)行了展望。像任何名副其實(shí)的科學(xué)一樣，AI具有條理分明、形式化的理論和難以控制的實(shí)驗(yàn)?！度斯ぶ悄?計(jì)算agent基礎(chǔ)》均衡了理論和實(shí)驗(yàn)部分，并說(shuō)明了如何將理論與實(shí)驗(yàn)密切地聯(lián)系起來(lái)，使科學(xué)與工程應(yīng)用共同發(fā)展。

目錄
出版者的話
譯者序
前言
第一部分世界中的Agent：什么是Agent及如何創(chuàng)建它們
第1章人工智能與Agent
1.1什么是人工智能
1.2人工智能簡(jiǎn)史
1.3環(huán)境中的Agent
1.4知識(shí)表示
1.4.1定義解
1.4.2表示
1.4.3推理與行為
1.5復(fù)雜性維度
1.5.1模塊性
1.5.2表示方案
1.5.3規(guī)劃期
1.5.4不確定性
1.5.5偏好
1.5.6Agent數(shù)量
1.5.7學(xué)習(xí)
1.5.8計(jì)算限制
1.5.9多維交互
1.6原型應(yīng)用
1.6.1自主傳送機(jī)器人
1.6.2診斷助手
1.6.3智能指導(dǎo)系統(tǒng)
1.6.4交易Agent
1.7本書(shū)概述
1.8本章小結(jié)
1.9參考文獻(xiàn)及進(jìn)一步閱讀
1.10習(xí)題
第2章Agent體系結(jié)構(gòu)和分層控制
2.1Agent
2.2Agent系統(tǒng)
2.3分層控制
2.4嵌入式和仿真Agent
2.5通過(guò)推理來(lái)行動(dòng)
2.5.1設(shè)計(jì)時(shí)間與離線計(jì)算
2.5.2在線計(jì)算
2.6本章小結(jié)
2.7參考文獻(xiàn)及進(jìn)一步閱讀
2.8習(xí)題
第二部分表達(dá)和推理
第3章?tīng)顟B(tài)和搜索
3.1用搜索進(jìn)行問(wèn)題求解
3.2狀態(tài)空間
3.3圖搜索
3.4一個(gè)通用搜索算法
3.5無(wú)信息搜索策略
3.5.1深度優(yōu)先搜索
3.5.2寬度優(yōu)先搜索
3.5.3最低花費(fèi)優(yōu)先搜索
3.6啟發(fā)式搜索
3.6.1A*搜索
3.6.2搜索策略總結(jié)
3.7更復(fù)雜的搜索方法
3.7.1環(huán)檢查
3.7.2多路徑剪枝
3.7.3迭代深化
3.7.4分支界限法
3.7.5搜索方向
3.7.6動(dòng)態(tài)規(guī)劃法
3.8本章小結(jié)
3.9參考文獻(xiàn)及進(jìn)一步閱讀
3.10習(xí)題
第4章特征和約束
4.1特征和狀態(tài)
4.2可能世界、變量和約束
4.2.1約束
4.2.2約束滿足問(wèn)題
4.3生成—測(cè)試算法
4.4使用搜索求解CSP
4.5一致性算法
4.6域分割
4.7變量消除
4.8局部搜索
4.8.1迭代最佳改進(jìn)
4.8.2隨機(jī)算法
4.8.3評(píng)估隨機(jī)算法
4.8.4局部搜索中利用命題結(jié)構(gòu)
4.9基于種群的方法
4.10最優(yōu)化
4.10.1最優(yōu)化的系統(tǒng)方法
4.10.2局部搜索最優(yōu)化
4.11本章小結(jié)
4.12參考文獻(xiàn)及進(jìn)一步閱讀
4.13習(xí)題
第5章命題和推理
5.1命題
5.1.1命題演算的語(yǔ)法
5.1.2命題演算的語(yǔ)義
5.2命題確定子句
5.2.1問(wèn)題與解答
5.2.2驗(yàn)證
5.3知識(shí)表示問(wèn)題
5.3.1背景知識(shí)與觀察
5.3.2詢問(wèn)用戶
5.3.3知識(shí)層的解釋
5.3.4知識(shí)層的調(diào)試
5.4反證法驗(yàn)證
5.4.1Horn子句
5.4.2假說(shuō)與沖突
5.4.3基于一致性的診斷
5.4.4通過(guò)假設(shè)和Horn子句推理
5.5完備知識(shí)假設(shè)
5.5.1非單調(diào)推理
5.5.2完備知識(shí)的驗(yàn)證程序
5.6溯因推理
5.7因果模型
5.8本章小結(jié)
5.9參考文獻(xiàn)及進(jìn)一步閱讀
5.10習(xí)題
第6章不確定推理
6.1概率
6.1.1概率的語(yǔ)義
6.1.2概率公理
6.1.3條件概率
6.1.4期望值
6.1.5信息理論
6.2獨(dú)立性
6.3信念網(wǎng)絡(luò)
6.4概率推理
6.4.1信念網(wǎng)絡(luò)中的變量消除
6.4.2通過(guò)隨機(jī)模擬進(jìn)行近似推理
6.5概率和時(shí)間
6.5.1馬爾可夫鏈
6.5.2隱馬爾可夫模型
6.5.3監(jiān)聽(tīng)和平滑算法
6.5.4動(dòng)態(tài)信念網(wǎng)絡(luò)
6.5.5時(shí)間粒度
6.6本章小結(jié)
6.7參考文獻(xiàn)及進(jìn)一步閱讀
6.8習(xí)題
第三部分學(xué)習(xí)與規(guī)劃
第7章學(xué)習(xí)概述與有監(jiān)督學(xué)習(xí)
7.1學(xué)習(xí)問(wèn)題
7.2有監(jiān)督學(xué)習(xí)
7.2.1評(píng)估預(yù)測(cè)
7.2.2無(wú)輸入特征的點(diǎn)估計(jì)
7.2.3概率學(xué)習(xí)
7.3有監(jiān)督學(xué)習(xí)的基本模型
7.3.1決策樹(shù)學(xué)習(xí)
7.3.2線性回歸與分類
7.3.3貝葉斯分類器
7.4組合模型
7.4.1神經(jīng)網(wǎng)絡(luò)
7.4.2集成學(xué)習(xí)
7.5避免過(guò)擬合
7.5.1最大后驗(yàn)概率和最小描述長(zhǎng)度
7.5.2交叉驗(yàn)證
7.6基于案例的推理
7.7改進(jìn)假設(shè)空間的學(xué)習(xí)
7.7.1變型空間學(xué)習(xí)
7.7.2可能近似正確學(xué)習(xí)
7.8貝葉斯學(xué)習(xí)
7.9本章小結(jié)
7.10參考文獻(xiàn)及進(jìn)一步閱讀
7.11習(xí)題
第8章確定性規(guī)劃
8.1狀態(tài)、動(dòng)作以及目標(biāo)的表示
8.1.1顯式狀態(tài)空間表示法
8.1.2基于特征的動(dòng)作表示
8.1.3STRIPS表示法
8.1.4初始狀態(tài)和目標(biāo)
8.2前向規(guī)劃
8.3回歸規(guī)劃
8.4CSP規(guī)劃
8.5偏序規(guī)劃
8.6本章小結(jié)
8.7參考文獻(xiàn)及進(jìn)一步閱讀
8.8習(xí)題
第9章不確定性規(guī)劃
9.1偏好和效用
9.2一次性的決策
9.3序貫決策
9.3.1決策網(wǎng)絡(luò)
9.3.2策略
9.3.3決策網(wǎng)絡(luò)的變量消除
9.4信息與控制的價(jià)值
9.5決策過(guò)程
9.5.1策略值
9.5.2最優(yōu)策略值
9.5.3值迭代
9.5.4策略迭代
9.5.5動(dòng)態(tài)決策網(wǎng)絡(luò)
9.5.6部分可觀察決策過(guò)程
9.6本章小結(jié)
9.7參考文獻(xiàn)及進(jìn)一步閱讀
9.8習(xí)題
第10章多Agent系統(tǒng)
10.1多Agent框架
10.2博弈的表示
10.2.1博弈的標(biāo)準(zhǔn)形式
10.2.2博弈的擴(kuò)展形式
10.2.3多Agent決策網(wǎng)絡(luò)
10.3完全信息的計(jì)算策略
10.4部分可觀察的多Agent推理
10.4.1納什均衡計(jì)算
10.4.2學(xué)習(xí)協(xié)調(diào)
10.5群體決策
10.6機(jī)制設(shè)計(jì)
10.7本章小結(jié)
10.8參考文獻(xiàn)及進(jìn)一步閱讀
10.9習(xí)題
第11章有監(jiān)督之外的其他學(xué)習(xí)模型
11.1聚類
11.1.1期望最大化
11.1.2k—均值
11.1.3用于軟聚類的期望最大化
11.2信念網(wǎng)絡(luò)學(xué)習(xí)
11.2.1概率學(xué)習(xí)
11.2.2未觀察到的變量
11.2.3缺失數(shù)據(jù)
11.2.4結(jié)構(gòu)學(xué)習(xí)
11.2.5信念網(wǎng)絡(luò)學(xué)習(xí)的一般情形
11.3增強(qiáng)學(xué)習(xí)
11.3.1演化算法
11.3.2時(shí)聞差
11.3.3Q—學(xué)習(xí)
11.3.4探索與利用
11.3.5增強(qiáng)學(xué)習(xí)算法的評(píng)估
11.3.6在策略學(xué)習(xí)
11.3.7為路徑分配信用和責(zé)任
11.3.8基于模型的方法
11.3.9基于特征的增強(qiáng)學(xué)習(xí)
11.4本章小結(jié)
11.5參考文獻(xiàn)及進(jìn)一步閱讀
11.6習(xí)題
第四部分個(gè)體與關(guān)系的推理
第12章個(gè)體與關(guān)系
12.1在特征之外利用結(jié)構(gòu)
12.2符號(hào)與語(yǔ)義
12.3Datalog：一個(gè)關(guān)聯(lián)規(guī)則語(yǔ)言
12.3.1基Datalog的語(yǔ)義
12.3.2解釋變量
12.3.3帶變量的查詢
12.4證明與替換
12.4.1帶變量的自底向上過(guò)程
12.4.2帶變量的確定性歸結(jié)
12.5函數(shù)符號(hào)
12.6在自然語(yǔ)言處理中的應(yīng)用
12.6.1在上下文無(wú)關(guān)文法中使用限定子句
12.6.2增強(qiáng)文法
12.6.3為非終結(jié)符號(hào)建立結(jié)構(gòu)
12.6.4封裝的文本輸出
12.6.5強(qiáng)制約束
12.6.6建立自然語(yǔ)言與數(shù)據(jù)庫(kù)的接口
12.6.7局限
12.7相等
12.7.1允許相等斷言
12.7.2唯一名字假設(shè)
12.8完備知識(shí)假設(shè)
12.9本章小結(jié)
12.10參考文獻(xiàn)及進(jìn)一步閱讀
12.11習(xí)題
第13章本體和基于知識(shí)的系統(tǒng)
13.1知識(shí)共享
13.2靈活的表示
13.2.1選擇個(gè)體和關(guān)系
13.2.2圖形化表示
13.2.3原始關(guān)系與導(dǎo)出關(guān)系
13.3本體與知識(shí)共享
13.3.1描述邏輯
13.3.2頂層本體
13.4查詢用戶和其他知識(shí)來(lái)源
13.4.1函數(shù)化關(guān)系
13.4.2更普遍的問(wèn)題
13.5實(shí)現(xiàn)基于知識(shí)的系統(tǒng)
13.5.1基語(yǔ)言和元語(yǔ)言
13.5.2普通的元解釋器
13.5.3擴(kuò)展基語(yǔ)言
13.5.4深度有限搜索
13.5.5元解釋器構(gòu)建證明樹(shù)
13.5.6可詢問(wèn)用戶的元解釋器
13.5.7推遲目標(biāo)
13.6本章小結(jié)
13.7參考文獻(xiàn)及進(jìn)一步閱讀
13.8習(xí)題
第14章關(guān)系規(guī)劃、學(xué)習(xí)和概率推理
14.1規(guī)劃個(gè)體與關(guān)系
14.1.1情景演算
14.1.2事件演算
14.2個(gè)體與關(guān)系的學(xué)習(xí)
14.3概率關(guān)系模型
14.4本章小結(jié)
14.5參考文獻(xiàn)及進(jìn)一步閱讀
14.6習(xí)題
第五部分宏觀圖景
第15章回顧與展望
15.1復(fù)雜性維度回顧
15.2社會(huì)與道德后果
15.3參考文獻(xiàn)及進(jìn)一步閱讀
附錄A數(shù)學(xué)基礎(chǔ)與記號(hào)
參考文獻(xiàn)
索引