问题求解的人工智能、神经网络方法

前言
第一章 统计推断和模糊数学基础
1.1 概率基础
1.2 序贯统计推断
1.3 模糊集理论
1.4 可能性理论
第二章 问题求解
2.1 问题求解简介
2.2 问题求解的四种模型
第三章 普通图的数学函数式启发式搜索
3.1 普通图的一般搜索算法BF和GRAPHSEARCH
3.2 启发式搜索算法A
3.3 启发式搜索算法B*，B’
3.4 双向启发式搜索
3.5 迭代深化的启发式搜索算法IDA
3.6 函数加权网络的启发式搜索算法SE
3.7 算法复杂度
第四章 与/或图的数学函数式搜索
4.1 与/或图的通用最好优先算法GBF和AO
4.2 博弈及博弈树
4.3 极大极小搜索和α-β剪枝搜索
4.4 启发式搜索算法SSS
4.5 数学函数式启发式搜索应用举例
第五章 统计启发式搜索
5.1 统计启发式搜索
5.2 统计启发式搜索算法SA
5.3 算法SA的计算复杂度
5.4 逐次SA算法
5.5 图的统计启发式搜索
5.6 与/或图的统计启发式搜索
第六章 模糊普通图的模糊启发式搜索
6.1 模糊普通图
6.2 模糊启发式搜索算法FA
6.3 模糊启发式搜索算法IFA*，IFA｀
6.4 双向模糊启发式搜索算法BFA
6.5 线性的模糊启发式搜索算法LFA
6.6 具有线性存贮的模糊启发式搜索算法LSFA
第七章 模糊与/或图的模糊启发式搜索
7.1 第一类模糊与/或图的模糊启发式搜索算法NAO
7.2 第二类模糊与/或图的模糊启发式搜索算法FAO｀
7.3 模糊启发式搜索算法FAO*和LFAO
7.4 第三类模糊与/或图的模糊启发式搜索算法FBAO
7.5 模糊启发式搜索应用举例
第八章 并行式和学习式的启发式搜索
8.1 并行模糊启发式搜索算法PNAO
8.2 并行模糊启发式搜索算法PFAO｀
8.3 并行模糊启发式搜索算法PFBAO
8.4 学习式启发式搜索算法SCDF
8.5 可采纳性启发式估价函数的学习
第九章 神经网络的问题求解
9.1 神经网络概述
9.2 神经计算原理，Hopfiold模型和TSP问题
9.3 能量函数
9.4 M-TSP问题的能量函数
9.5 在优化问题求解中的应用
9.6 模拟退火算法及其应用
9.7 问题求解技术的进一步展望
参考文献