阅读 | 001《人工智能导论》（二）知识获取篇

写在前面：

本系列文是笔者在阅读人工智能相关书籍的过程中，结合导图所做的笔记梳理。

• 本文源自：2018年《人工智能导论》李德毅
• 梳理内容：书中中间章节部分（知识获取篇），分别为：05 搜索技术、06 群智能算法、07 机器学习、08 人工神经网络与深度学习
• 本文写于：2022年9月4日~12日

书籍框架：

---

知识获取

第5章、搜索技术

导图 - 搜索问题

搜索空间示意图

5.1 图搜索策略

导图

问题举例 - 传教士和野人问题

5.2 盲目搜索

导图

问题举例 - 4 皇后问题（深度优先搜索）

内容介绍：

动图演示：

问题举例 - 八数码问题（深度优先搜索）

下图中的八数码问题，说明了具有深度限制的深度优先搜索是如何进行的

问题举例 - 八数码问题（宽度优先搜索）

5.3 启发式搜索

导图

A 算法

内容：

示例 - 八数码问题：

A*算法

内容：

示例 - 罗马尼亚度假问题：

罗马尼亚度假问题的 A* 算法搜索动图：

参考：哔哩哔哩 | A算法与A*算法

5.4 博弈搜索

导图

5.5 本章小结

导图

第6章、群智能算法

6.1 群智能算法产生的背景

导图

6.2 遗传算法

导图

示例 - 轮盘赌选择

示例 - 流水车间调度问题（FSP）

小贴士：

• 关于流水车间调度问题的具体内容及代码实现，推荐文章：遗传算法解混合流水车间调度问题

6.3 粒子群优化算法及其应用

导图

粒子群优化算法的算法定义

粒子群优化算法的应用

6.4 蚁群算法

导图

蚁群算法的基本算法

用旅行商问题作为实例阐明蚁群算法：

蚁群算法的应用

示例 - 柔性作业车间调度问题：

6.5 本章小结

导图

第7章、机器学习

导图 - 机器学习

7.1 机器学习的发展

导图

7.2 监督学习

导图

监督学习 —— K-近邻算法（KNN）

监督学习 —— 决策树

监督学习 —— 支持向量机

支持向量机问题的基本模型：

核方法：（扩展低维特征到高维）

7.3 无监督学习

导图

无监督学习 —— K-均值算法

具体步骤：

示例 - 算法对参数的选择比较敏感：

7.4 弱监督学习

导图

弱监督学习 —— 迁移学习

第8章、人工神经网络与深度学习

导图

8.1 神经网络的发展历史

导图

参考文章： 哔哩哔哩 | 神经网络发展史

8.2 神经元与神经网络

导图

8.3 BP 神经网络及其学习算法

导图

BP 神经网络的结构

示例 - 数字分类训练问题

8.4 卷积神经网络

导图

卷积神经网络（CNN）的结构

小贴士

• 关于卷积神经网络的通俗理解，推荐5分钟小视频：哔哩哔哩 | 图解，卷积神经网络（CNN可视化）

8.5 生成对抗网络

导图

8.6 深度学习的应用

导图

8.7 本章小结

导图