搜尋演算法：人工智慧如何尋找最優

第1章搜尋的世界 001
1.1 出「棋」不易 002
1.1.1 棋技，智力的象徵？002
1.1.2 搜尋＋評估=智能？006
1.1.3 AlphaGo是怎麼煉成的？008
1.2 給盲目一些訊息 011
1.2.1 盲目搜尋 011
1.2.2 啟發式搜尋 013
1.2.3 博弈中前行 015
1.3 一切皆可優化 017
1.3.1 目標與限制 017
1.3.2 蒙地卡羅樹搜尋 021
1.3.3 群智能 024

第2章基本資料結構與複雜度分析 030
2.1 資料關係與資料結構 031
2.1.1 數據關係 031
2.1.2 資料結構 032
2.2 棧與佇列 033
2.2.1 棧 033
2.2.2 隊列 038
2.2.3 雙端隊列 040
2.3 複雜度 042
2.3.1 衡量演算法的效率 042
2.3.2 複雜度的分析 044

第3章狀態空間、樹與圖 050
3.1 狀態空間 051
3.1.1 狀態的表示 051
3.1.2 迷宮、漢諾塔與八數碼 053
3.1.3 農夫過河 054
3.2 樹 057
3.2.1 樹的基本概念 057
3.2.2 二元樹 059
3.3 圖 062
3.3.1 圖的基本概念 062
3.3.2 圖的儲存方式 065

第4章搜尋技術 072
4.1 盲目搜尋 073
4.1.1 廣度優先搜尋演算法 073
4.1.2 深度優先搜尋演算法 080
4.2 啟發式搜尋 086
4.2.1 貪婪算法 086
4.2.2 A*演算法 089
4.3 對抗搜索 093
4.3.1 博弈下的極小極大搜尋 094
4.3.2 alpha–beta剪枝演算法 102

第5章線性與非線性規劃中的搜尋 105
5.1 最佳化問題 106
5.1.1 無所不在的最佳化 106
5.1.2 最佳化問題的描述 106
5.2 線性規劃 108
5.2.1 圖解線性規劃 110
5.2.2 搜頂點 113
5.2.3 程式求解 114
5.3 非線性規劃 117
5.3.1 從導數中獲得搜尋資訊 117
5.3.2 非線性規劃難在哪 124
5.3.3 程式求解 126

第6章組合最佳化與求解 132
6.1 組合最佳化問題 133
6.1.1 旅行商問題 134
6.1.2 背包問題 138
6.2 模擬退火 140
6.2.1 基本原理 140
6.2.2 參數與流程 142
6.2.3 程式碼 144
6.3 禁忌搜尋 149
6.3.1 基本原理 149
6.3.2 參數與流程 152
6.3.3 程式碼 155

第7章群智能演算法 160
7.1 遺傳演算法 161
7.1.1 基本原理 161
7.1.2 參數與流程 166
7.1.3 程式碼 171
7.2 蟻群演算法 176
7.2.1 基本原理 176
7.2.2 參數與流程 180
7.2.3 程式碼 184
7.3 粒子群演算法 189
7.3.1 基本原理 189
7.3.2 參數與流程 191
7.3.3 程式碼 196

附錄 199
附錄一類與繼承 200
附錄二人工智慧的博弈基礎 208
附錄三騰訊扣叮Python實驗室：JupyterLab使用說明 214