ヒューリスティック探索　合理的なAIをつくるためのアルゴリズム

1章　人工知能とヒューリスティック探索
1.1　なぜ人工知能に探索が必要なのか
1.2　ヒューリスティック探索とは
1.3　本書の読み進め方
1.4　練習問題の解答
1.5　関連書籍
1.6　Python実装について

2章　状態空間問題
2.1　状態空間問題とは
2.2　状態空間問題の例
2.3　非明示的状態空間グラフによる状態空間問題の定式化
2.4　状態空間問題の難しさ
2.5　Python実装
2.6　まとめ
練習問題
Appendix　状態空間問題以外の問題について

3章　情報なし探索
3.1　木探索アルゴリズム
3.2　グラフ探索アルゴリズム
3.3　幅優先探索
3.4　深さ優先探索
3.5　ダイクストラ法
3.6　情報なし探索の比較
3.7　Python実装
3.8　まとめ
練習問題
Appendix　情報なし探索では不十分なのか

4章　ヒューリスティック探索
4.1　ヒューリスティックとは
4.2　ヒューリスティック関数
4.3　A*探索
4.4　ヒューリスティック関数に望ましい性質
4.5　ヒューリスティック関数の性質とA*探索
4.6　ヒューリスティック関数の例
4.7　非最適解を発見するためのヒューリスティック探索
4.8　ヒューリスティック探索が思ったよりも遅い場合
4.9　Python実装
4.10　まとめ
練習問題
Appendix　関連するアルゴリズム

5章　グラフ探索のためのデータ構造
5.1　オープンリスト
5.2　クローズドリスト
5.3　Python実装
5.4　まとめ
練習問題
Appendix　関連文献

6章　時間・空間制限下のヒューリスティック探索
6.1　最適解を見つけたい場合のアルゴリズム
6.2　最適解でなくてもよい場合のアルゴリズム
6.3　追加のハードウェアリソースを使ったアルゴリズム
6.4　Python実装
練習問題

7章　ゲーム木探索
7.1　マルバツゲーム
7.2　二人ゲーム問題
7.3　ゲーム木
7.4　α-β分枝法
7.5　モンテカルロ木探索
7.6　ゲームの解決
練習問題
Appendix　本章で扱った以外の問題

8章　自動行動計画問題
8.1　古典的プランニング問題の定義
8.2　STRIPSモデルにおけるヒューリスティック関数の自動生成
8.3　自動行動計画問題の記述言語：PDDL
8.4　自動行動計画問題の例
8.5　Python実装
練習問題
Appendix　自動行動計画問題の関連研究

9章　大規模言語モデル（LLM）によるテキスト生成
9.1　言語モデル（LM）
9.2　大規模言語モデルの発展の歴史
9.3　テキスト生成問題
9.4　デコーディングアルゴリズム
練習問題
Appendix　大規模言語モデルの今後の発展