秘境寻优：人工智能中的搜索方法

　　人工智能是一个多学科交叉的学科领域，它研究如果通过计算机来模仿人类的智能行为，来辅助人类解决一些复杂的问题，并进一步来提升人类的智能。作为人类的一项重要的本领，搜索和优化也是人工智能领域里的一个重要的基础研究领域。那什么是人工智能领域里的搜索和优化呢？在日常生活和学习中，我们或多或少听过一些词语，比如规划、搜索、优化、优选、实验设计等等，这些词语所表达的意思具有一定的共性，即搜寻*优的方案。 本书主要从方法的角度来介绍人工智能中常用的一些搜索和优化方法。大致可以分为三个部分：第一部分是经典方法，包括线性规划、二次规划和动态规划方法；第二部分是构造方法，包括无信息搜索、启发式搜索、博弈搜索和蒙特卡洛树搜索；第三部分是筛选方法，包括局部搜索、模拟退火、遗传算法及贝叶斯优化。每个章节围绕一个方法展开，介绍其发展历史、基本方法思路、一些简单的示例等。希望通过这样一些介绍，读者能够相对全面了解人工智能中的常用搜索和优化方法吗，了解对于一些具体的问题，怎么采用这些方法来进行问题的求解。

　　周爱民，博士，华东师范大学计算机科学与技术学院副院长（主持工作）。社会兼职主要有：IEEE高级会员；中国计算机学会（CCF）会员；国家自然科学基金通讯评审专家（2011-2019）等。研究方向：机器学习（演化搜索、自动建模）；图像处理；工业应用。代表著作有：《电梯内部行人追踪系统V1.0》《便携式拉曼光谱仪操作软件V2.0》《便携式拉曼光谱仪操作软件V1.0》。研究课题主要有《面向大数据的快速磁共振成像》，国家自然科学基金重点项目；《模型辅助演化多目标优化及应用》，国家自然科学基金面上项目；《基于学习技术的多目标进化算法重组算子研究》，国家自然科学基金面上项目；《 便携式拉曼光谱仪研制》，科技部重大仪器专项子课题等。