书籍介绍

今天，人工智能在我们的生活中随处可见。它能推送我们喜欢的电视节目，帮助我们诊断疑难杂症，还能向我们推荐商品。因此，让我们掌握人工智能的核心算法，拥抱日新月异的智能世界吧。

与那些充斥着公式和术语的教材不同，本书利用丰富的图表、案例和习题，深入浅出地讲解人工智能的基本概念。你只需要具备高中数学基础知识，即可轻松阅读本书。读完本书之后，你将能亲手设计算法来预测银行交易风险，创造艺术作品甚至配置自动驾驶汽车。

主要内容：

●各种人工智能算法的实践场景

●帮助决策的智能搜索算法

●受生物学启发的算法簇

●机器学习与神经网络

●强化学习 与Q-learning

书籍目录

《人工智能算法图解》包含10章，每一章侧重于不同的人工智能算法或实践方法。书中所涉及的概念由浅入深，前面章节的基本算法和概念将会为后面更复杂的算法奠定基础，以便读者循序渐进地学习。

第1章——人工智能初印象。该章介绍关于人工智能的基本概念，包括数据含义、问题类型、算法分类以及人工智能技术的典型应用。

第2章——搜索算法基础。该章介绍初级搜索算法涉及的数据结构、核心理念、实现方法以及典型应用。

第3章——智能搜索。该章在初级搜索算法的基础上更进一步，引入能寻找更优解决方案的方法——包括如何在竞争环境中寻找解决方案。

第4章——进化算法。该章深入讲解遗传算法的工作原理。通过模仿自然界中的进化过程，算法能反复生成并改进问题的解决方案。

第5章——进化算法(高级篇)。作为上一章的延续，该章深入讨论调整遗传算法中的步骤与参数的方法，以产生更理想的解或解决不同类型的问题。

第6章——群体智能：蚁群优化。该章旨在帮助读者掌握群体智能算法的基本概念，以蚂蚁的生活与工作方式为例，描述蚁群优化算法是如何解决实际难题的。

第7章——群体智能：粒子群优化。该章继续讲解群体智能算法，深入讨论优化问题的本质，并帮助读者掌握使用粒子群优化算法来解决优化问题的方式、方法——群体智能算法常常能在巨大的搜索空间中找到足够理想的解决方案。

第8章——机器学习。结合数据的准备、处理、建模和测试这一常见的机器学习工作流程，讲解如何解决线性回归问题和决策树分类问题。

第9章——人工神经网络。该章揭示训练并使用人工神经网络在数据中寻找模式和进行预测的基本原理、逻辑步骤和计算方法，强调人工神经网络在当代机器学习领域中的地位。

第10章——基于Q-learning的强化学习。该章结合行为心理学讲解强化学习算法的设计思路，并以Q-learning 算法为例，阐明智能体是如何学习在环境中作出决策的。

包邮送书

抽奖送书老规矩（不点赞收藏中奖无效）：注意记得关注博主不然中奖了还不知道！！！

1. 点赞收藏文章 2. 评论区留言：人生苦短，我用Python！！！（留言才能进入奖池，每人最多留言三条） 3. 周日八点爬虫抽奖6人

如果不想抽奖:

京东：https://item.jd.com/13056363.html