人工智能與群智能

第1章 緒論
1.1 什麼是人工智能？強人工智能 vs 弱人工智能
1.2 什麼是湧現
1.3 元胞自動機與混沌邊緣
第2章 人工智能、人工生命和湧現計算
2.1 進化計算
2.1.1 什麼是進化計算
2.1.2 進化策略
2.1.3 多目標優化
2.2 如何獲取收益——探索與開發
2.3 線世界（Wireworld）：元胞自動機的計算機實現
2.4 蘭頓螞蟻
第3章 元啟發式算法
3.1 蟻群算法（ACO）
3.1.1 螞蟻的集體行為
3.1.2 螞蟻信息素蹤跡模擬
3.1.3 形成死亡螺旋
3.1.4 使用信息素蹤跡模型的蟻群算法（ACO）
3.2 粒子群算法（PSO）
3.2.1 類鳥群的集體行為
3.2.2 粒子群算法
3.2.3 與GA的比較
3.2.4 集體記憶與空間排序
3.2.5 被敵攻擊的 Boid
3.3 人工蜂群算法（ABC）
3.4 螢火蟲算法
3.5 布谷鳥算法
3.6 和聲搜索算法
3.7 貓群算法
3.8 重溫元啟發式算法
第4章 湧現性與群體智能
4.1 反應擴散計算
4.1.1 Voronoi 圖生成
4.1.2 圖像理解的細化和骨架化
4.2 排隊論與交通堵塞
4.2.1 大多數隨機顧客與泊松到達
4.2.2 泊松分布與認知錯誤
4.2.3 隊列管理和調度
4.3 矽交通和規則
4.4 “種族隔離”和“移民”：哪個正確
第5章 覆雜自適應系統
5.1 擴散限制凝聚（DLA）
5.2 雪花是怎樣形成的
5.3 魚的形態為什麼會改變
5.4 BZ 反應及其振蕩
5.5 為什麼有斑紋蛇？默裏理論
第6章 智能的湧現
6.1 合作與背叛的演變
6.1.1 怎樣清潔一條魚
6.1.2 囚徒困境
6.1.3 重覆囚徒困境
6.1.4 ESS：進化穩定策略
6.1.5 使用GA的IPD
6.1.6 IPD作為空間遊戲
6.1.7 量子博弈能否消除困境
6.1.8 最後通牒遊戲：人類是自私還是合作
6.2 進化心理學與心理論
6.3 黏液如何解決迷宮問題？黏液智能
6.4 群機器人
6.4.1 進化機器人與群體機器人
6.4.2 群體運輸任務
6.4.3 基於遮擋的推送（OBP）
6.4.4 基於向導的 OBP 方法
6.4.5 看看他們是如何相互合作的
第7章 結論
參考文獻