目 錄
第1章 緒論 （1）
1.1 人工智能 （1）
1.1.1 什么是人工智能 （1）
1.1.2 什么是自然智能 （2）
1.2 人工智能發(fā)展史 （3）
1.2.1 階段孕育期（1956年以前） （3）
1.2.2 第二階段人工智能基礎(chǔ)技術(shù)的研究和形成（19561970年） （5）
1.2.3 第三階段發(fā)展和實(shí)用化階段（19711980年） （6）
1.2.4 第四階段知識(shí)工程和深度學(xué)習(xí)（1980年至今） （8）
1.3 人工智能的研究領(lǐng)域 （9）
1.3.1 專家系統(tǒng) （9）
1.3.2 自然語言處理 （10）
1.3.3 機(jī)器學(xué)習(xí) （11）
1.3.4 定理證明 （11）
1.3.5 分布式人工智能 （12）
1.3.6 機(jī)器人 （12）
1.3.7 模式識(shí)別 （13）
1.3.8 博弈和游戲 （14）
1.3.9 計(jì)算機(jī)視覺 （15）
1.3.10 人工神經(jīng)網(wǎng)絡(luò) （15）
習(xí)題1 （16）
第2章 知識(shí)表達(dá)方法 （17）
2.1 知識(shí)的概念和含義 （17）
2.2 知識(shí)表達(dá)方法概述 （18）
2.2.1 知識(shí)類型 （18）
2.2.2 知識(shí)模型變換 （18）
2.3 狀態(tài)空間表達(dá) （19）
2.3.1 狀態(tài)空間表達(dá)法的概念 （19）
2.3.2 狀態(tài)空間表達(dá)法的例子 （20）
2.4 與/或圖表達(dá)法 （20）
2.4.1 與/或圖表達(dá)法的概念 （20）
2.4.2 與/或圖表達(dá)法的例子 （21）
2.5 產(chǎn)生式系統(tǒng) （22）
2.5.1 產(chǎn)生式系統(tǒng)的基本結(jié)構(gòu) （23）
2.5.2 產(chǎn)生式系統(tǒng)的表示 （25）
2.6 知識(shí)的邏輯表達(dá)方法 （28）
2.6.1 命題邏輯 （28）
2.6.2 謂詞邏輯 （32）
2.6.3 一階謂詞邏輯表達(dá)方法 （33）
2.6.4 謂詞邏輯表達(dá)法的特性和應(yīng)用 （35）
2.7 語義網(wǎng)絡(luò) （36）
2.7.1 語義網(wǎng)絡(luò)的概念和特性 （36）
2.7.2 語義網(wǎng)絡(luò)的知識(shí)表示 （37）
2.8 框架表達(dá)法 （42）
2.8.1 框架的構(gòu)成 （43）
2.8.2 框架系統(tǒng)和產(chǎn)生式系統(tǒng)的結(jié)合 （46）
2.9 特征表表達(dá)法 （48）
2.10 面向?qū)ο蟮谋硎?（49）
2.10.1 對(duì)象、消息和方法 （49）
2.10.2 類、類層次和繼承性 （51）
2.10.3 面向?qū)ο蟮闹�識(shí)表示和語義網(wǎng)絡(luò)、框架系統(tǒng)的比較 （51）
習(xí)題2 （52）
第3章 問題求解方法 （54）
3.1 狀態(tài)空間搜索概述 （54）
3.1.1 狀態(tài)圖 （54）
3.1.2 問題在狀態(tài)空間中的圖描述 （55）
3.1.3 將問題求解定義為狀態(tài)空間搜索 （56）
3.1.4 搜索的基本概念 （58）
3.2 盲目的圖搜索 （60）
3.2.1 搜索策略概述 （60）
3.2.2 回溯策略 （61）
3.2.3 寬度優(yōu)先搜索 （64）
3.2.4 深度優(yōu)先搜索 （65）
3.2.5 圖搜索 （68）
3.3　啟發(fā)式圖搜索 （68）
3.3.1　啟發(fā)式策略 （69）
3.3.2　啟發(fā)信息和估價(jià)函數(shù) （71）
3.3.3　啟發(fā)式圖搜索法A及A*搜索算法 （73）
3.3.4　A*搜索算法的討論 （75）
3.4　與/或圖搜索 （77）
3.4.1　與/或圖的概念 （77）
3.4.2　AO及AO*搜索算法 （79）
3.4.3　博弈樹搜索 （83）
3.5　局部搜索算法 （90）
3.6　模擬退火算法 （93）
3.6.1　固體退火過程 （93）
3.6.2　模擬退火算法 （94）
3.6.3 參數(shù)的確定 （95）
3.6.4 應(yīng)用舉例 （99）
3.7 遺傳算法 （100）
3.7.1 生物進(jìn)化和遺傳算法 （100）
3.7.2 遺傳算法的實(shí)現(xiàn)問題 （103）
3.8 約束滿足法 （107）
習(xí)題3 （109）
第4章　基本推理技術(shù) （112）
4.1　推理技術(shù)概述 （112）
4.1.1　推理的概念和類型 （112）
4.1.2　推理的控制策略 （115）
4.2　歸結(jié)反演系統(tǒng) （118）
4.2.1　歸結(jié)原理 （118）
4.2.2　歸結(jié)反演 （122）
4.2.3　歸結(jié)反演的控制策略 （124）
4.2.4　應(yīng)用歸結(jié)反演求取問題的答案 （126）
4.3　基于規(guī)則的演繹推理 （128）
4.3.1　正向演繹推理 （128）
4.3.2　反向演繹推理 （133）
4.3.3 雙向演繹推理 （135）
習(xí)題4 （136）
第5章 不精確推理 （138）
5.1 不精確推理概述 （138）
5.2 概率方法 （140）
5.2.1 概率論基礎(chǔ) （140）
5.2.2 概率推理模型 （142）
5.3 主觀貝葉斯方法 （143）
5.3.1 不確定性的表示 （143）
5.3.2 主觀貝葉斯方法推理的基本算法 （145）
5.4 可信度方法 （150）
5.4.1 基于可信度的不確定性表示 （150）
5.4.2 可信度方法推理的基本算法 （152）
5.5 模糊推理 （154）
5.5.1 模糊理論基礎(chǔ) （155）
5.5.2 語言變量和模糊推理 （158）
習(xí)題5 （159）
第6章 PROLOG語言 （161）
6.1 PROLOG語言概述 （161）
6.1.1 PROLOG語言的發(fā)展 （161）
6.1.2 PROLOG語言的特點(diǎn) （161）
6.2 PROLOG語言的數(shù)據(jù)結(jié)構(gòu) （162）
6.2.1 數(shù)據(jù)結(jié)構(gòu) （162）
6.2.2 程序結(jié)構(gòu) （164）
6.3 PROLOG語言的內(nèi)部謂詞 （165）
6.3.1 比較類 （165）
6.3.2 表達(dá)式類 （166）
6.3.3 輸入輸出類 （166）
6.3.4 文件操作類 （166）
6.3.5 控制類 （167）
6.3.6 復(fù)雜目標(biāo)類 （167）
6.3.7 項(xiàng)類 （168）
6.3.8 結(jié)構(gòu)分量類 （168）
6.3.9 項(xiàng)維護(hù)類（動(dòng)態(tài)數(shù)據(jù)庫） （169）
6.4 PROLOG語言的搜索策略 （169）
6.4.1 例化與匹配 （170）
6.4.2 回溯控制 （170）
6.4.3 搜索策略 （172）
6.5 謂詞!的討論 （173）
6.5.1 謂詞!的作用 （174）
6.5.2 用法及舉例 （175）
6.6 PROLOG程序設(shè)計(jì) （178）
6.6.1 數(shù)學(xué)函數(shù) （178）
6.6.2 八皇后問題 （180）
6.6.3 專家系統(tǒng)示例 （181）
6.7 PROLOG語言與C語言的連接 （183）
6.7.1 語言條件 （183）
6.7.2 外部謂詞說明 （184）
6.7.3 參數(shù)傳遞 （184）
6.7.4 外部C語言子程序 （185）
6.7.5 兩個(gè)限制 （185）
習(xí)題6 （186）
第7章 專家系統(tǒng) （189）
7.1 專家系統(tǒng)的定義和分類 （189）
7.1.1 專家系統(tǒng)的定義和特點(diǎn) （189）
7.1.2 專家系統(tǒng)的類型 （192）
7.2 專家系統(tǒng)的結(jié)構(gòu)和工作原理 （194）
7.2.1 專家系統(tǒng)的一般結(jié)構(gòu) （194）
7.2.2 專家系統(tǒng)的工作原理 （195）
7.3 知識(shí)獲取 （197）
7.3.1 知識(shí)獲取的任務(wù) （198）
7.3.2 知識(shí)獲取的模式 （199）
7.4 專家系統(tǒng)的建立 （201）
7.4.1 適于專家系統(tǒng)求解的問題 （201）
7.4.2 專家系統(tǒng)的設(shè)計(jì)原則和開發(fā)步驟 （202）
7.4.3 專家系統(tǒng)的評(píng)價(jià) （205）
7.5 專家系統(tǒng)實(shí)例 （206）
7.5.1 動(dòng)物識(shí)別專家系統(tǒng) （206）
7.5.2 醫(yī)學(xué)專家系統(tǒng)MYCIN （208）
7.5.3 地質(zhì)勘探專家系統(tǒng)PROSPECTOR （216）
7.6 專家系統(tǒng)的開發(fā)工具 （219）
7.6.1 用于開發(fā)專家系統(tǒng)的程序設(shè)計(jì)語言 （219）
7.6.2 骨架系統(tǒng) （219）
7.6.3 通用型知識(shí)表達(dá)語言 （222）
7.6.4 專家系統(tǒng)開發(fā)環(huán)境 （223）
習(xí)題7 （224）
第8章 機(jī)器學(xué)習(xí) （225）
8.1 機(jī)器學(xué)習(xí)概述 （225）
8.1.1 機(jī)器學(xué)習(xí)的基本概念 （225）
8.1.2 機(jī)器學(xué)習(xí)的主要策略 （226）
8.1.3 機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu) （226）
8.1.4 機(jī)器學(xué)習(xí)系統(tǒng)的主要特性 （228）
8.2 機(jī)械學(xué)習(xí) （230）
8.2.1 機(jī)械學(xué)習(xí)模式及主要問題 （230）
8.2.2 機(jī)械學(xué)習(xí)應(yīng)用舉例 （232）
8.3 示例學(xué)習(xí) （233）
8.3.1 示例學(xué)習(xí)模型 （234）
8.3.2 示例學(xué)習(xí)的一般過程 （235）
8.3.3 示例表示 （238）
8.3.4 示例復(fù)用 （239）
8.3.5 示例保存 （240）
8.4 類比學(xué)習(xí) （241）
8.4.1 類比學(xué)習(xí)的概念 （241）
8.4.2 類比學(xué)習(xí)的表示和求解 （242）
8.5 幾種類比學(xué)習(xí)系統(tǒng)介紹 （244）
8.5.1 轉(zhuǎn)換類比學(xué)習(xí) （244）
8.5.2 派生類比學(xué)習(xí) （248）
8.5.3 因果關(guān)系類比學(xué)習(xí) （249）
8.5.4 聯(lián)想類比學(xué)習(xí) （252）
8.6 歸納學(xué)習(xí) （253）
8.6.1 歸納學(xué)習(xí)概述 （253）
8.6.2 歸納學(xué)習(xí)的一般模式 （254）
8.6.3 類型定義 （254）
8.6.4 結(jié)構(gòu)歸納學(xué)習(xí)及示例 （256）
8.6.5 基于決策樹的歸納學(xué)習(xí)方法 （259）
習(xí)題8 （261）
第9章 人工神經(jīng)網(wǎng)絡(luò) （263）
9.1 神經(jīng)網(wǎng)絡(luò)概述 （263）
9.2 人工神經(jīng)元模型 （264）
9.2.1 神經(jīng)元模型 （264）
9.2.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及工作方式 （266）
9.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法 （267）
9.3.1 學(xué)習(xí)方式 （267）
9.3.2 學(xué)習(xí)規(guī)則 （267）
9.3.3 學(xué)習(xí)與自適應(yīng) （268）
9.4 前饋神經(jīng)網(wǎng)絡(luò) （269）
9.4.1 前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) （269）
9.4.2 利用BP算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練 （270）
9.5 Hopfield神經(jīng)網(wǎng)絡(luò) （276）
9.5.1 神經(jīng)聯(lián)想記憶 （276）
9.5.2 Hopfield網(wǎng)絡(luò) （276）
9.5.3 Hopfield網(wǎng)絡(luò)的一個(gè)范例 （281）
9.6 Kohonen自組織神經(jīng)網(wǎng)絡(luò) （283）
習(xí)題9 （284）
第10章 人工智能游戲 （286）
10.1 計(jì)算機(jī)游戲中的人工智能 （286）
10.2 游戲編程中的人工智能 （287）
10.3 游戲中的移動(dòng) （288）
10.3.1 環(huán)境和空間 （288）
10.3.2 游戲世界的類型 （289）
10.3.3 處理移動(dòng) （291）
10.3.4 假設(shè) （292）
10.3.5 測(cè)試條件 （292）
10.3.6 導(dǎo)航的技巧 （293）
10.3.7 游戲中的機(jī)器人及其移動(dòng) （293）
10.3.8 仿生機(jī)器人的自主導(dǎo)航 （294）
10.3.9 移動(dòng)的標(biāo)準(zhǔn) （295）
10.3.10 實(shí)例研究 （295）
10.4 實(shí)驗(yàn)平臺(tái)FEAR （296）
習(xí)題10 （299）
參考文獻(xiàn) （300）