书名：人工智能算法 卷1 基础算法+ 卷2 受大自然启发的算法（套装2册）  
定价：128.0  
ISBN：9787115805287  
作者：杰弗瑞·希顿  
版次：第1版  
出版时间：2020-11  

内容提要：  
9787115523402 人工智能算法 卷1 基础算法 59.00 9787115544315 人工智能算法 卷2 受大自然启发的算法 69.00 《人工智能算法 卷1 基础算法》 算法是人工智能技术的核心。本书介绍了人工智能的基础算法，全书共10 章，涉及维度法、距离度量算法、K 均值聚类算法、误差计算、爬山算法、模拟退火算法、Nelder-Mead 算法和线性回归算法等。书中所有算法均配以具体的数值计算来进行讲解，读者可以自行尝试。每章都配有程序示例，GitHub 上有多种语言版本的示例代码可供下载。本书适合作为人工智能入门读者以及对人工智能算法感兴趣的读者阅读参考。 《人工智能算法 卷2 受大自然启发的算法》 算法是人工智能技术的核心，大自然是人工智能算法的重要灵感来源。本书介绍了受到基因、鸟类、蚂蚁、细胞和树影响的算法，这些算法为多种类型的人工智能场景提供了实际解决方法。全书共10章，涉及种群、交叉和突变、遗传算法、物种形成、粒子群优化、蚁群优化、细胞自动机、人工生命和建模等问题。书中所有算法均配以具体的数值计算来进行讲解，每章都配有程序示例，读者可以自行尝试。  



作者简介：  
[美] 杰弗瑞·希顿（Jeffery Heaton），一位活跃的技术博主、开源贡献者，也是十多本图书的作者。他的专业领域包括数据科学、预测建模、数据挖掘、大数据、商务智能和人工智能等。他拥有华盛顿大学信息管理学硕士学位，是IEEE的*级会员、Sun认证Java程序员、开源机器学习框架Encog的&席开发人员。  

目录：  
《人工智能算法 卷1 基础算法》  
第　1 章 AI 入门　1  
1.1　与人类大脑的联系　2  
1.1.1　大脑和真实世界　3  
1.1.2　缸中之脑　5  
1.2　对问题建模　6  
1.2.1　大脑和真实世界　7  
1.2.2　回归分析　9  
1.2.3　聚类问题　10  
1.2.4　时序问题　10  
1.3　对输入/ 输出建模　11  
1.3.1　一个简单的例子　15  
1.3.2　燃油效率　16  
1.3.3　向算法传入图像　18  
1.3.4　金融算法　20  
1.4　理解训练过程　21  
1.4.1　评估成果　22  
1.4.2　批量学习和在线学习　22  
1.4.3　监督学习和非监督学习　23  
1.4.4　随机学习和确定学习　23  
1.5　本章小结　23  
第　2 章 数据归一化　25  
2.1　计量尺度　25  
2.2　观测值归一化　29  
2.2.1　名义量归一化　30  
2.2.2　顺序量归一化　32  
2.2.3　顺序量解归一化　34  
2.2.4　数字量归一化　35  
2.2.5　数字量解归一化　37  
2.3　其他归一化方法　38  
2.3.1　倒数归一化　38  
2.3.2　倒数解归一化　38  
2.3.3　理解等边编码法　39  
2.3.4　等边编码法的实现　41  
2.4　本章小结　45  
第3　章 距离度量　47  
3.1　理解向量　47  
3.2　计算向量距离　49  
3.2.1　欧氏距离　49  
3.2.2　曼哈顿距离　51  
3.2.3　切比雪夫距离　53  
3.3　光学字符识别　54  
3.4　本章小结　57  
第4　章 随机数生成　59  
4.1　伪随机数生成算法的概念　60  
4.2　随机数分布类型　61  
4.3　轮盘模拟法　64  
4.4　伪随机数生成算法　65  
4.4.1　线性同余生成法　66  
4.4.2　进位乘数法　67  
4.4.3　梅森旋转算法　68  
4.4.4　Box-Muller 转换法　70  
4.5　用蒙特卡洛方法估算PI 值　72  
4.6　本章小结　74  
第5　章 K 均值聚类算法　75  
5.1　理解训练集　77  
5.1.1　非监督学习　77  
5.1.2　监督学习　80  
5.2　理解K 均值算法　80  
5.2.1　分配　81  
5.2.2　更新　83  
5.3　K 均值算法的初始化　84  
5.3.1　随机K 均值初始化　84  
5.3.2　K 均值算法的Forgy 初始化　87  
5.4　本章小结　90  
第6　章 误差计算　91  
6.1　方差和误差　92  
6.2　均方根误差　93  
6.3　均方误差　93  
6.4　误差计算方法的比较　94  
6.5　本章小结　96  
第7　章 迈向机器学习　97  
7.1　多项式系数　99  
7.2　训练入门　101  
7.3　径向基函数网络　103  
7.3.1　径向基函数　104  
7.3.2　径向基函数网络　107  
7.3.3　实现径向基函数网络　109  
7.3.4　应用径向基函数网络　113  
7.4　本章小结　115  
第8　章 优化训练　117  
8.1　爬山算法　117  
8.2　模拟退火算法　121  
8.2.1　模拟退火算法的应用　122  
8.2.2　模拟退火算法　123  
8.2.3　冷却进度　126  
8.2.4　退火概率　127  
8.3　Nelder-Mead 算法　128  
8.3.1　反射　130  
8.3.2　扩张操作　131  
8.3.3　收缩操作　132  
8.4　Nelder-Mead 算法的终止条件　133  
8.5　本章小结　134  
第9　章 离散优化　135  
9.1　旅行商问题　135  
9.1.1　旅行商问题简要说明　136  
9.1.2　旅行商问题求解的实现　137  
9.2　环形旅行商问题　138  
9.3　背包问题　139  
9.3.1　背包问题简要说明　140  
9.3.2　背包问题求解的实现　141  
9.4　本章小结　143  
第　10 章 线性回归　144  
10.1　线性回归　144  
10.1.1　*小二乘法拟合　146  
10.1.2　*小二乘法拟合示例　148  
10.1.3　安斯库姆四重奏　149  
10.1.4　鲍鱼数据集　151  
10.2　广义线性模型　152  
10.3　本章小结　155  
附录A　示例代码使用说明　157  
A.1　“读懂人工智能”系列书简介　157  
A.2　保持更新　157  
A.3　获取示例代码　158  
A.4　示例代码的内容　159  
A.5　如何为项目做贡献　163  
参考资料　164  
《人工智能算法　卷2 受大自然启发的算法》  
第　1 章 种群、计分和选择　1  
1.1　理解种群　2  
1.1.1　初始种群　3  
1.1.2　种群成员之间的竞争　4  
1.1.3　种群成员之间的合作　4  
1.1.4　表型和基因型　5  
1.1.5　岛屿种群　5  
1.2　对种群计分　6  
1.3　从种群中选择　7  
1.4　截断选择　8  
1.5　联赛选择　9  
1.6　如何选择轮数　12  
1.7　适应度比例选择　13  
1.8　随机遍历抽样　15  
选择一种选择算法　17  
1.9　本章小结　18  
第　2 章 交叉和突变　20  
2.1　演化算法　21  
2.2　解编码　22  
2.3　交叉　23  
2.3.1　拼接交叉　24  
2.3.2　无重复拼接交叉　26  
1  
2.3.3　其他突变和交叉策略　27  
2.4　突变　28  
2.4.1　改组突变　29  
2.4.2　扰动突变　31  
2.5　为什么需要精英　33  
2.6　本章小结　34  
第　3 章 遗传算法　35  
3.1　离散问题的遗传算法　35  
3.1.1　旅行商问题　36  
3.1.2　为旅行商问题设计遗传算法　38  
3.1.3　旅行商问题在遗传算法中的应用　40  
3.2　连续问题的遗传算法　42  
3.3　遗传算法的其他应用　45  
3.3.1　标签云　45  
3.3.2　马赛克艺术　47  
3.4　本章小结　49  
第　4 章 遗传编程　50  
4.1　程序作为树　50  
4.1.1　后缀表示法　52  
4.1.2　树表示法　54  
4.1.3　终端节点和非终端节点　55  
4.1.4　对树求值　55  
4.1.5　生成树　58  
2  
4.1.6　满树初始化　59  
4.1.7　生长树初始化　61  
4.1.8　混合初始化　62  
4.1.9　蓄水池采样　63  
4.2　树突变　67  
4.3　树交叉　68  
4.4　拟合公式　70  
4.5　本章小结　73  
第　5 章 物种形成　75  
5.1　物种形成实现　76  
5.1.1　阈值物种形成　76  
5.1.2　聚类物种形成　77  
5.2　遗传算法中的物种　79  
5.3　遗传编程中的物种　79  
5.4　使用物种形成　80  
5.5　本章小结　81  
第　6 章 粒子群优化　83  
6.1　群聚　83  
6.2　粒子群优化　86  
6.2.1　粒子　87  
6.2.2　速度计算　88  
6.2.3　实现　89  
6.3　本章小结　91  
3  
第　7 章 蚁群优化　93  
7.1　离散蚁群优化　95  
7.1.1　ACO 初始化　97  
7.1.2　蚂蚁移动　98  
7.1.3　信息素更新　102  
7.2　连续蚁群优化　103  
7.2.1　初始候选解　106  
7.2.2　蚂蚁移动　106  
7.3　本章小结　110  
第　8 章 细胞自动机　111  
8.1　基本细胞自动机　112  
8.2　康威的《生命游戏》　116  
8.2.1　《生命游戏》的规则　117  
8.2.2　有趣的生命图案　118  
8.3　演化自己的细胞自动机　121  
理解合并物理学　125  
8.4　本章小结　129  
第　9 章 人工生命　130  
9.1　里程碑 1：绘制植物　131  
9.2　里程碑 2：创建植物生长动画　134  
9.2.1　植物的物理特征　135  
9.2.2　植物生长　138  
4  
9.3　里程碑 3：演化植物　140  
给植物计分　141  
9.4　本章小结　142  
第　10 章 建模　144  
10.1　Kaggle 竞赛　145  
10.2　里程碑 1：整理数据　148  
10.3　里程碑 2：建立模型　152  
10.4　里程碑 3：提交测试回复　156  
10.5　本章小结　157  
附录　A 示例代码使用说明　159  
参考资料　166