搜索算法：人工智能如何寻觅最优

第1章　搜索的世界 001
1.1　出“棋”不易 002
1.1.1　棋技，智力的象征？ 002
1.1.2　搜索＋评估=智能？ 006
1.1.3　AlphaGo是怎样炼成的？ 008
1.2　给盲目一些信息 011
1.2.1　盲目搜索 011
1.2.2　启发式搜索 013
1.2.3　博弈中前行 015
1.3　一切皆可优化 017
1.3.1　目标与约束 017
1.3.2　蒙特卡洛树搜索 021
1.3.3　群智能 024

第2章　基本数据结构与复杂度分析 030
2.1　数据关系与数据结构 031
2.1.1　数据关系 031
2.1.2　数据结构 032
2.2　栈与队列 033
2.2.1　栈 033
2.2.2　队列 038
2.2.3　双端队列 040
2.3　复杂度 042
2.3.1　衡量算法的效率 042
2.3.2　复杂度的分析 044

第3章　状态空间、树与图 050
3.1　状态空间 051
3.1.1　状态的表示 051
3.1.2　迷宫、汉诺塔与八数码 053
3.1.3　农夫过河 054
3.2　树 057
3.2.1　树的基本概念 057
3.2.2　二叉树 059
3.3　图 062
3.3.1　图的基本概念 062
3.3.2　图的存储方式 065

第4章　搜索技术 072
4.1　盲目搜索 073
4.1.1　广度优先搜索算法 073
4.1.2　深度优先搜索算法 080
4.2　启发式搜索 086
4.2.1　贪婪算法 086
4.2.2　A*算法 089
4.3　对抗搜索 093
4.3.1　博弈下的极小极大搜索 094
4.3.2　alpha–beta剪枝算法 102

第5章　线性与非线性规划中的搜索 105
5.1　优化问题 106
5.1.1　无处不在的优化 106
5.1.2　优化问题的描述 106
5.2　线性规划 108
5.2.1　图解线性规划 110
5.2.2　搜顶点 113
5.2.3　程序求解 114
5.3　非线性规划 117
5.3.1　从导数中获得搜索信息 117
5.3.2　非线性规划难在哪 124
5.3.3　程序求解 126

第6章　组合优化与求解 132
6.1　组合优化问题 133
6.1.1　旅行商问题 134
6.1.2　背包问题 138
6.2　模拟退火 140
6.2.1　基本原理 140
6.2.2　参数与流程 142
6.2.3　程序代码 144
6.3　禁忌搜索 149
6.3.1　基本原理 149
6.3.2　参数与流程 152
6.3.3　程序代码 155

第7章　群智能算法 160
7.1　遗传算法 161
7.1.1　基本原理 161
7.1.2　参数与流程 166
7.1.3　程序代码 171
7.2　蚁群算法 176
7.2.1　基本原理 176
7.2.2　参数与流程 180
7.2.3　程序代码 184
7.3　粒子群算法 189
7.3.1　基本原理 189
7.3.2　参数与流程 191
7.3.3　程序代码 196

附录 199
附录一　类与继承 200
附录二　人工智能的博弈基础 208
附录三　腾讯扣叮Python实验室：JupyterLab使用说明 214