《问题求解的人工智能、神经网络方法》

前言1

第一章 统计推断和模糊数学基础1

1.1 概率基础1

1.2 序贯统计推断4

1.3 模糊集理论7

1.4 可能性理论21

第二章 问题求解26

2.1 问题求解简介26

2.2 问题求解的四种模型35

第三章 普通图的数学函数式启发式搜索38

3.1 普通图的一般搜索算法BF和GRAPHSEARCH38

3.2 启发式搜索算法A44

3.3 启发式搜索算法B*，B’58

3.4 双向启发式搜索62

3.5 迭代深化的启发式搜索算法IDA65

3.6 函数加权网络的启发式搜索算法SE67

3.7 算法复杂度76

第四章 与/或图的数学函数式搜索81

4.1 与/或图的通用最好优先算法GBF和AO81

4.2 博弈及博弈树87

4.3 极大极小搜索和α-β剪枝搜索90

4.4 启发式搜索算法SSS93

4.5 数学函数式启发式搜索应用举例104

第五章 统计启发式搜索112

5.1 统计启发式搜索112

5.2 统计启发式搜索算法SA113

5.3 算法SA的计算复杂度115

5.4 逐次SA算法120

5.5 图的统计启发式搜索128

5.6 与/或图的统计启发式搜索131

第六章 模糊普通图的模糊启发式搜索134

6.1 模糊普通图134

6.2 模糊启发式搜索算法FA136

6.3 模糊启发式搜索算法IFA*，IFA｀144

6.4 双向模糊启发式搜索算法BFA151

6.5 线性的模糊启发式搜索算法LFA162

6.6 具有线性存贮的模糊启发式搜索算法LSFA172

第七章 模糊与/或图的模糊启发式搜索185

7.1 第一类模糊与/或图的模糊启发式搜索算法NAO185

7.2 第二类模糊与/或图的模糊启发式搜索算法FAO｀197

7.3 模糊启发式搜索算法FAO*和LFAO204

7.4 第三类模糊与/或图的模糊启发式搜索算法FBAO213

7.5 模糊启发式搜索应用举例228

8.1 并行模糊启发式搜索算法PNAO233

第八章 并行式和学习式的启发式搜索233

8.2 并行模糊启发式搜索算法PFAO｀236

8.3 并行模糊启发式搜索算法PFBAO243

8.4 学习式启发式搜索算法SCDF246

8.5 可采纳性启发式估价函数的学习254

第九章 神经网络的问题求解258

9.1 神经网络概述258

9.2 神经计算原理，Hopfiold模型和TSP问题266

9.3 能量函数274

9.4 M-TSP问题的能量函数278

9.5 在优化问题求解中的应用286

9.6 模拟退火算法及其应用315

9.7 问题求解技术的进一步展望322

参考文献324