人工智能：计算Agent基础（原书第2版）

　　《人工智能：计算Agent基础（原书第2版）》特色：优化篇章结构，增加关于机器学习的内容，讨论了与机器学习和Al相关的社会及伦理问题；摒弃先讲关系语言的做法，改为后讲关系方法，更利于知识的呈现和理解；更新代码示例，并增加了一些练习。提出智能体的单一设计空间的概念，从简单的智能体开始，逐步引入十个维度的复杂性，通过模块化方式降低理论学习的难度，并结合自主送货机器人等四个应用实例来展开实践。在宏观层面，搭建了一个连贯的知识框架，利用多维度的设计空间引导读者纵观大局；在细节层面，聚焦于基础技术而非复杂技术，为读者未来的进阶学习及实战打下坚实的基础。

　　[加]大卫·L.普尔（David L.Poole）不列颠哥伦比亚大学计算机科学系教授，计算智能实验室主管。他是加拿大人工智能协会（CAIAC）和人工智能促进协会（AAAI）会士。曾获CAIAC 2013年终身成就奖，曾任人工智能不确定性协会（AUAI）主席。[加]阿兰·K.麦克沃斯（Alan K.Mackworth）不列颠哥伦比亚大学计算机科学系荣休教授。他是CAIAC和AAAI会士，以及加拿大高等研究院（CIFAR）和加拿大皇家学会（RSC）院士。曾任国际人工智能联合会议（IJGAI）、AAAI和CAIAC主席。黄智濒，计算机系统结构博士，北京邮电大学计算机学院讲师。长期从事机器学习、超大规模并行计算、GPU加速计算以及三维计算机视觉和深度学习架构方面的研究。白鹏，博士，中国航天空气动力技术研究院研究员、博士生导师，航天科技集团公司学术技术带头人，《空气动力学学报》编委。长期从事飞行器空气动力学特性评估与气动总体设计领域的科研工作。曾荣获部级科技进步奖（5次）、航天贡献奖及航天基金奖。获国家发明专利20余项，出版学术专著2部，在国内外学术期刊和AIAA等重要国际学术会议上发表论文100余篇。

译者序
前言
致谢
第一部分　世界中的智能体：什么是智能体？如何创建智能体？
第1章　人工智能与智能体2
　11　什么是人工智能2
　　111　人工智能和自然智能3
　12　人工智能简史5
　　121　与其他学科的关系7
　13　环境中的智能体7
　14　设计智能体8
　　141　设计时间计算、离线计算和在线计算8
　　142　任务10
　　143　定义解决方案11
　　144　表示12
　15　智能体设计空间14
　　151　模块性14
　　152　规划视野14
　　153　表示15
　　154　计算限制16
　　155　学习17
　　156　不确定性18
　　157　偏好19
　　158　智能体数量19
　　159　交互性20
　　1510　各维度的相互作用20
　16　原型应用21
　　161　自主送货机器人22
　　162　诊断助手24
　　163　智能辅导系统25
　　164　交易智能体27
　　165　智能家居28
　17　本书概览29
　18　回顾29
　19　参考文献和进一步阅读30
　110　练习31
第2章　智能体的体系结构与层次控制32
　21　智能体32
　22　智能体系统33
　　221　智能体的功能33
　23　层级控制36
　24　用推理行动42
　　241　智能体建模世界42
　　242　知识和行动43
　　243　设计时间计算和离线计算44
　　244　在线计算45
　25　回顾46
　26　参考文献和进一步阅读46
　27　练习47
第二部分　确定性推理、规划与学习
第3章　搜索解决方案50
　31　以搜索的方式解决问题50
　32　状态空间51
　33　图搜索53
　　331　形式化图搜索53
　34　通用搜索算法55
　35　无信息搜索策略57
　　351　广度优先搜索57
　　352　深度优先搜索59
　　353　迭代深化62
　　354　最低代价优先搜索64
　36　启发式搜索65
　　361　A搜索66
　　362　设计启发式函数69
　37　搜索空间的修剪70
　　371　环修剪70
　　372　多路径修剪70
　　373　搜索策略小结72
　38　更复杂的搜索73
　　381　分支定界73
　　382　搜索的方向75
　　383　动态规划77
　39　回顾79
　310　参考文献和进一步阅读80
　311　练习80
第4章　约束推理83
　41　可能世界、变量和约束83
　　411　变量和世界83
　　412　约束86
　　413　约束满足问题87
　42　生成和测试算法88
　43　使用搜索求解CSP88
　44　一致性算法89
　45　域分割93
　46　变量消除94
　47　局部搜索96
　　471　迭代最佳改进98
　　472　随机算法98
　　473　局部搜索的变体99
　　474　评估随机算法102
　　475　随机重启104
　48　基于种群的方法104
　49　优化器106
　　491　系统化的优化方法108
　　492　用于优化的局部搜索110
　410　回顾111
　411　参考文献和进一步阅读112
　412　练习112
第5章　命题与推理115
　51　命题115
　　511　命题演算的语法115
　　512　命题演算的语义116
　52　命题约束119
　　521　用于一致性算法的子句形式120
　　522　在局部搜索中利用命题结构121
　53　命题确定子句121
　　531　问题和答案123
　　532　证明124
　54　知识表示问题129
　　541　背景知识和观察129
　　542　查询用户130
　　543　知识层面的解释131
　　544　知识层面的调试133
　55　反证法137
　　551　霍恩子句137
　　552　假设与冲突138
　　553　基于一致性的诊断139
　　554　用假设和霍恩子句进行推理140
　56　完备知识假设143
　　561　非单调推理145
　　562　否定作为失败的证明过程146
　57　溯因法148
　58　因果模型152
　59　回顾153
　510　参考文献和进一步阅读153
　511　练习154
第6章　确定性规划161
　61　状态、动作、目标的表示161
　　611　显式状态空间表示162
　　612　STRIPS表示163
　　613　基于特征的动作表示164
　　614　初始化状态和目标166
　62　前向规划166
　63　回归规划168
　64　CSP规划169
　　641　动作特征171
　65　偏序规划173
　66　回顾175
　67　参考文献和进一步阅读176
　68　练习176
第7章　有监督机器学习179
　71　学习问题179
　72　有监督学习181
　　721　评估预测值183
　　722　误差类型187
　　723　无输入特征的点估算189
　73　有监督学习的基本模型190
　　731　学习决策树191
　　7