【新书】人工智能Python代码，227页pdf，Python code for Artificial Intelligence: Foundations of Computational Agents

前言

本书的Python代码旨在演示第二版《计算agent的基础》人工智能中的一些算法，其中包含并解释了所有代码。我们遵循了以下原则:

• 代码应该简单并且尽可能接近伪代码。我们选择了可读性而不是效率:我们尽可能地保持渐近复杂性(除非在某些情况下，更高效的代码是一个练习)，但没有优化常量因素。
• 代码应该可以工作，但它不包括所有可能的功能。缺失的部分可以用作练习。
• 我们广泛使用列表理解、集合和字典。我们尽量不使用那些不明显的库是否合适的库。这是一种学生无需在库中进行广泛搜索就可以编写的代码。
• 它是为Python 3.3及以上版本设计的。(不是Python 2)。你也可以使用最新的版本。我们使用一个简单的方法来跟踪代码，使用一个方法display，它类似于print，但包含一个整数display级别。然后，用户可以设置对应对象(或类)的最大display级别，从而控制print的细节量。我们尽量避免在代码中添加太多的跟踪语句。display的使用是为了使算法的未来图形显示成为可能。

目录

• Python for Artificial Intelligence（基于Python的人工智能）
• Agents and Control（Agents和控制）
• Searching for Solutions（搜索解决方法）
• Reasoning with Constraints（推理与约束）
• Propositions and Inference（命题和推理）
• Planning with Certainty（确定性规划）
• Supervised Machine Learning（有监督机器学习）
• Reasoning with Uncertainty（不确定性推理）
• Planning with Uncertainty（不确定规划）
• Learning with Uncertainty（不确定学习）
• Multiagent Systems（多agent系统）
• Reinforcement Learning（强化学习）
• Relational Learning（关系学习）

作者介绍

David Poole，加拿大不列颠哥伦比亚大学计算机科学教授，计算智能实验室主任。2014-2015年，他是牛津大学Leverhulme Trust客座教授。他还是加拿大人工智能学会（CAIAC）2013年终身成就奖获得者，是国际人工智能促进协会（AAAI）和加拿大人工智能学会（CAIAC）Fellow。 　　

Alan Mackworth，加拿大不列颠哥伦比亚大学计算机科学教授。他的研究兴趣是基于约束的人工智能及其应用，被称为约束满足、机器人足球、混合系统和基于约束的Agent等研究领域的先驱。他是国际人工智能联合会议（IJCAI）公司的总裁和理事，以及IJCAI执行委员会主席；同时还担任许多编委会和程序委员会委员。他是加拿大计算机智能研究会（CSCSI）主席，还担任国际人工智能促进协会（AAAI）主席。荣获的奖励包括：ITAC/NSERC杰出学术奖.Killam研究奖，《人工智能》杂志经典论文奖，CSCSI杰出服务奖，AAAI杰出服务奖，CAIAC终身成就奖等。他是AAAI和CAIAC的Fellow，加拿大前沿科学研究院和加拿大皇家学院院士。