# ai

**Repository Path**: qifeng-dai/ai

## Basic Information

- **Project Name**: ai
- **Description**: 一些AI的例子，包括传统AI、深度学习等例子。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-02-15
- **Last Updated**: 2025-04-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: AI

## README

# ai

#### 介绍
一些AI的例子，参考的书籍和视频：
1. 《人工智能 - 一种现代方法》(Stuart J.Russell、Peter Norvig): AI的百科全书
2. 《模式分类》(Richard Duda、Peter Hart、David、Stork): 非常经典，贝叶斯决策原理透彻
3. 《模式分类与机器学习》(Christopher Bishop): 经典，推荐（个人认为在3，4中选择一本即可）
4. 《神经网络与深度学习》(邱锡鹏): 全面透彻，值得推荐
5. 《动手学深度学习》(李沫等): 实践性很强
6. 《Deep-Learning-with-PyTorch》: pytorch介绍全面
7. [Hung-yi Lee老师的机器学习课程](https://www.youtube.com/watch?v=fZAZUYEeIMg&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49)

#### 项目

##### C++ 项目
1. number_puzzle: 华容道/数码问题求解，支持`3*3~5*5`数码问题求解，采用了`启发式搜索算法`，需要设计启发式函数
2. multi_queen: 皇后问题求解，支持多种策略，包括`爬山/模拟退火/局部束搜索/进化算法`，会评估每种策略情况下，多少次能求解成功
    * 爬山法: 还是比较高效的，对于200~300个皇后问题能快速求解
    * 模拟退火: 依赖于调参，目前调的不是很好，使用不要传入太大的参数
    * 局部束搜索: 也是很高效的一种方法，对于200~300个皇后问题能快速求解
    * 遗传算法: 依赖于调参，目前调的也不是很好😞
3. gobang: 五子棋，通过`Max-Min`策略，配合`α-β`剪枝，以及基于蒙特卡洛树搜索策略实现
    * `α-β`剪枝: 必须结合`α-β`剪枝，不然慢的可以
    * 蒙特卡洛树搜索: 比较高效，比较适合并行化，已经做了并行
    * 目前机器确实能打败我，太牛逼了😀
4. sudoku: 数独求解器，通过`CSP`来实现，目前实现了`AC-2`以及回溯法，可以求解难度极高的问题

##### Python 项目

主要是关于LLM、AI相关的，可以自行查看。

#### 使用

只需要输入二进制文件名称，系统自动提示所需参数。

#### 编译

1. Required: g++ 17
2. Compile: `g++ *.cpp` or `g++ -g *.cpp` for debug

#### 参考阅读

1. [遗传算法](https://zhuanlan.zhihu.com/p/100337680)
2. [蒙特卡洛树搜索](https://www.youtube.com/watch?v=J3I3WaJei_E)
3. [贝叶斯估计](https://www.zhangzhenhu.com/glm/source/%E8%B4%9D%E5%8F%B6%E6%96%AF%E4%BC%B0%E8%AE%A1/content.html)