第1章概述
1.1人工智能概述
1.2AI的產(chǎn)生及主要學(xué)派
1.3人工智能、專(zhuān)家系統(tǒng)和知識(shí)工程
1.4AI模擬智能成功的標(biāo)準(zhǔn)
1.5人工智能應(yīng)用系統(tǒng)
1.6人工智能的技術(shù)特征
習(xí)題1
第1部分搜索與問(wèn)題求解
第2章用搜索求解問(wèn)題的基本原理
2.1搜索求解問(wèn)題的基本思路
2.2實(shí)現(xiàn)搜索過(guò)程的三大要素
2.2.1搜索對(duì)象
2.2.2擴(kuò)展規(guī)則
2.2.3目標(biāo)測(cè)試
2.3通過(guò)搜索求解問(wèn)題
2.4問(wèn)題特征分析
2.4.1問(wèn)題的可分解性
2.4.2問(wèn)題求解步驟的撤回
2.4.3問(wèn)題全域的可預(yù)測(cè)性
2.4.4問(wèn)題要求的解的滿意度
習(xí)題2
第3章搜索的基本策略
3.1盲目搜索方法
3.1.1寬度優(yōu)先搜索
3.1.2深度優(yōu)先搜索
3.1.3分支有界搜索
3.1.4迭代加深搜索
3.1.5一個(gè)盲目搜索問(wèn)題的幾種實(shí)現(xiàn)
3.2啟發(fā)式搜索
3.2.1啟發(fā)式信息的表示
3.2.2幾種最基本的搜索策略
3.3隨機(jī)搜索
3.3.1模擬退火法
3.3.2其他典型的隨機(jī)搜索算法
習(xí)題3
第4章圖搜索策略
4.1或圖搜索策略
4.1.1通用或圖搜索算法
4.1.2A算法與A*算法
4.2與/或圖搜索
4.2.1問(wèn)題歸約求解方法與“與/或圖”
4.2.2與/或圖搜索
4.2.3與/或圖搜索的特點(diǎn)
4.2.4與/或圖搜索算法AO*
4.2.5對(duì)AO*算法的進(jìn)一步觀察
4.2.6用AO*算法求解一個(gè)智力難題
習(xí)題4
第5章博弈與搜索
5.1人機(jī)大戰(zhàn)
5.1.1國(guó)際象棋人機(jī)大戰(zhàn)
5.1.2圍棋人機(jī)大戰(zhàn)
5.2博弈與對(duì)策
5.3極小極大搜索算法
5.3.1極小極大搜索的思想
5.3.2極小極大搜索算法
5.3.3算法分析與舉例
5.4α-β剪枝算法
習(xí)題5
第6章演化搜索算法
6.1遺傳算法的基本概念
6.1.1遺傳算法的基本定義
6.1.2遺傳算法的基本流程
6.2遺傳編碼
6.2.1二進(jìn)制編碼
6.2.2Gray編碼
6.2.3實(shí)數(shù)編碼
6.2.4有序編碼
6.2.5結(jié)構(gòu)式編碼
6.3適應(yīng)值函數(shù)
6.4遺傳操作
6.4.1選擇
6.4.2交叉操作
6.4.3變異操作
6.5初始化群體
6.6控制參數(shù)的選取
6.7算法的終止準(zhǔn)則
6.8遺傳算法的基本理論
6.8.1模式定理
6.8.2隱含并行性
6.8.3構(gòu)造塊假設(shè)
6.8.4遺傳算法的收斂性
6.9遺傳算法簡(jiǎn)例
6.10遺傳算法的應(yīng)用領(lǐng)域
6.11免疫算法
6.11.1免疫算法的發(fā)展
6.11.2免疫算法的基本原理
6.11.3生物免疫系統(tǒng)與人工免疫系統(tǒng)的對(duì)應(yīng)關(guān)系
6.11.4免疫算法的基本類(lèi)型和步驟
6.12典型免疫算法分析
6.12.1陰性選擇算法
6.12.2免疫遺傳算法
6.12.3克隆選擇算法
6.12.4基于疫苗的免疫算法
6.13免疫算法設(shè)計(jì)分析
6.14免疫算法與遺傳算法比較
6.14.1免疫算法與遺傳算法的基本步驟比較
6.14.2免疫算法與遺傳算法不同之處
6.14.3仿真實(shí)驗(yàn)及討論
6.15免疫算法研究的展望
習(xí)題6
第7章群集智能算法
7.1群集智能算法的研究背景
7.2群集智能的基本算法介紹
7.2.1蟻群算法
7.2.2flock算法
7.2.3粒子群算法
7.3集智系統(tǒng)介紹
7.3.1人工魚(yú)
7.3.2Terrarium世界
7.4群集智能的優(yōu)缺點(diǎn)
習(xí)題7
第8章記憶型搜索算法
8.1禁忌搜索算法
8.1.1禁忌搜索算法的基本思想
8.1.2禁忌搜索算法的基本流程
8.1.3禁忌搜索示例
8.1.4禁忌搜索算法的基本要素分析
8.1.5禁忌搜索算法流程的特點(diǎn)
8.1.6禁忌搜索算法的改進(jìn)
8.2和聲搜索算法
8.2.1和聲搜索算法簡(jiǎn)介和原理
8.2.2算法應(yīng)用
8.2.3算法比較與分析
習(xí)題8
第9章基于Agent的搜索
9.1DAI概述
9.2分布式問(wèn)題求解
9.3Agent的定義
9.3.1Agent的弱定義
9.3.2Agent的強(qiáng)定義
9.4Agent的分類(lèi)
9.4.1按功能劃分
9.4.2按屬性劃分
9.5Agent通信
9.5.1Agent通信概述
9.5.2言語(yǔ)動(dòng)作
9.5.3SHADE通信機(jī)制
9.6移動(dòng)Agent
9.6.1移動(dòng)Agent系統(tǒng)的一般結(jié)構(gòu)
9.6.2移動(dòng)Agent的分類(lèi)
9.6.3移動(dòng)Agent的優(yōu)點(diǎn)
9.6.4移動(dòng)Agent的技術(shù)難點(diǎn)
9.6.5移動(dòng)Agent技術(shù)的標(biāo)準(zhǔn)化
9.7移動(dòng)Agent平臺(tái)的介紹
9.7.1General Magic公司的Odysses
9.7.2IBM公司的Aglet
習(xí)題9
第2部分知識(shí)與推理
第10章知識(shí)表示與處理方法
10.1概述
10.1.1知識(shí)和知識(shí)表示的含義
10.1.2知識(shí)表示方法分類(lèi)
10.1.3AI對(duì)知識(shí)表示方法的要求
10.1.4知識(shí)表示要注意的問(wèn)題
10.2邏輯表示法
10.3產(chǎn)生式表示法
10.3.1產(chǎn)生式系統(tǒng)的組成
10.3.2產(chǎn)生式系統(tǒng)的知識(shí)表示
10.3.3產(chǎn)生式系統(tǒng)的推理方式
10.3.4產(chǎn)生式規(guī)則的選擇與匹配
10.3.5產(chǎn)生式表示的特點(diǎn)
10.4語(yǔ)義網(wǎng)絡(luò)表示法
10.4.1語(yǔ)義網(wǎng)絡(luò)結(jié)構(gòu)
10.4.2二元語(yǔ)義網(wǎng)絡(luò)的表示
10.4.3多元語(yǔ)義網(wǎng)絡(luò)的表示
10.4.4連接詞和量詞的表示
10.4.5語(yǔ)義網(wǎng)絡(luò)的推理過(guò)程
10.4.6語(yǔ)義網(wǎng)絡(luò)的一般描述
10.5框架表示法
10.5.1框架理論
10.5.2框架結(jié)構(gòu)
10.5.3框架表示下的推理
10.6過(guò)程式知識(shí)表示
習(xí)題10
第11章謂詞邏輯的歸結(jié)原理及其應(yīng)用
11.1命題演算的歸結(jié)方法
11.1.1基本概念
11.1.2命題演算的歸結(jié)方法
11.2謂詞演算的歸結(jié)
11.2.1謂詞演算的基本問(wèn)題
11.2.2將公式化成標(biāo)準(zhǔn)子句形式的步驟
11.2.3合一算法
11.2.4變量分離標(biāo)準(zhǔn)化
11.2.5謂詞演算的歸結(jié)算法
11.3歸結(jié)原理
11.3.1謂詞演算的基本概念
11.3.2歸結(jié)方法可靠性證明
11.3.3歸結(jié)方法的完備性
11.4歸結(jié)過(guò)程的控制策略
11.4.1簡(jiǎn)化策略
11.4.2支撐集策略
11.4.3線性輸入策略
11.4.4幾種推理規(guī)則及其應(yīng)用
11.5應(yīng)用實(shí)例
11.5.1歸約在邏輯電路設(shè)計(jì)中的應(yīng)用
11.5.2利用推理破案的實(shí)例
習(xí)題11
第12章非經(jīng)典邏輯的推理
12.1非單調(diào)推理
12.1.1單調(diào)推理與非單調(diào)推理的概念
12.1.2默認(rèn)邏輯
12.1.3默認(rèn)邏輯非單調(diào)推理系統(tǒng)
12.2Dempster�睸hater（D�睸）證據(jù)理論
12.2.1識(shí)別框架
12.2.2基本概率分配函數(shù)
12.2.3置信函數(shù)Bel(A)
12.2.4置信區(qū)間
12.2.5證據(jù)的組合函數(shù)
12.2.6D�睸理論的評(píng)價(jià)
12.3不確定性推理
12.3.1不確定性
12.3.2主觀概率貝葉斯方法
12.4MYCIN系統(tǒng)的推理模型
12.4.1理論和實(shí)際的背景
12.4.2MYCIN模型
12.4.3MYCIN模型分析
12.4.4MYCIN推理網(wǎng)絡(luò)的基本模式
12.4.5MYCIN推理模型的評(píng)價(jià)
12.5模糊推理
12.5.1模糊集論與模糊邏輯
12.5.2Fuzzy聚類(lèi)分析
12.6基于案例的推理
12.6.1基于案例推理的基本思想
12.6.2案例的表示與組織
12.6.3案例的檢索
12.6.4案例的改寫(xiě)
12.7歸納法推理
12.7.1歸納法推理的理論基礎(chǔ)
12.7.2歸納法推理的基本概念
12.7.3歸納法推理中的主要難點(diǎn)
12.7.4歸納法推理的應(yīng)用
習(xí)題12
第13章次協(xié)調(diào)邏輯推理
13.1次協(xié)調(diào)邏輯的含義
13.1.1傳統(tǒng)的人工智能與經(jīng)典邏輯
13.1.2人工智能中不協(xié)調(diào)的數(shù)據(jù)和知識(shí)庫(kù)
13.1.3次協(xié)調(diào)邏輯
13.2注解謂詞演算
13.2.1多真值格
13.2.2注解邏輯
13.2.3注解謂詞公式的語(yǔ)義
13.2.4APC中的不協(xié)調(diào)、非、蘊(yùn)涵
13.3基于APC的SLDa�餐茖�(dǎo)和SLDa�卜瘩g
13.3.1SLDa�餐茖�(dǎo)和SLDa�卜瘩g
13.3.2注解邏輯推理方法
13.3.3注解邏輯推理舉例
13.4注解邏輯的歸結(jié)原理
13.5應(yīng)用實(shí)例
13.6控制策略
習(xí)題13
第3部分學(xué)習(xí)與發(fā)現(xiàn)
第14章機(jī)器學(xué)習(xí)
14.1概述
14.1.1機(jī)器學(xué)習(xí)的定義和意義
14.1.2機(jī)器學(xué)習(xí)的研究簡(jiǎn)史
14.1.3機(jī)器學(xué)習(xí)方法的分類(lèi)
14.1.4機(jī)器學(xué)習(xí)中的推理方法
14.2歸納學(xué)習(xí)
14.2.1歸納概念學(xué)習(xí)的定義
14.2.2歸納概念學(xué)習(xí)的形式描述
14.2.3歸納概念學(xué)習(xí)算法的一般步驟
14.2.4歸納概念學(xué)習(xí)的基本技術(shù)
14.3基于解釋的學(xué)習(xí)
14.3.1基于解釋學(xué)習(xí)的基本原理
14.3.2基于解釋學(xué)習(xí)的一般框架
14.3.3基于解釋的學(xué)習(xí)過(guò)程
14.4基于類(lèi)比的學(xué)習(xí)
14.4.1類(lèi)比學(xué)習(xí)的一般原理
14.4.2類(lèi)比學(xué)習(xí)的表示
14.4.3類(lèi)比學(xué)習(xí)的求解
14.4.4逐步推理和監(jiān)控的類(lèi)比學(xué)習(xí)
習(xí)題14
第15章人工神經(jīng)網(wǎng)絡(luò)
15.1人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
15.2人工神經(jīng)網(wǎng)絡(luò)的基本原理
15.3人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)模式
15.4人工神經(jīng)網(wǎng)絡(luò)互連結(jié)構(gòu)
15.5神經(jīng)網(wǎng)絡(luò)模型分類(lèi)
15.6幾種基本的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法介紹
15.6.1Hebb型學(xué)習(xí)
15.6.2誤差修正學(xué)習(xí)方法
15.6.3隨機(jī)型學(xué)習(xí)
15.6.4競(jìng)爭(zhēng)型學(xué)習(xí)
15.6.5基于記憶的學(xué)習(xí)
15.6.6結(jié)構(gòu)修正學(xué)習(xí)
15.7幾種典型神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
15.7.1單層前向網(wǎng)絡(luò)
15.7.2多層前向網(wǎng)絡(luò)及BP學(xué)習(xí)算法
15.7.3Hopfield神經(jīng)網(wǎng)絡(luò)
15.8人工神經(jīng)網(wǎng)絡(luò)與人工智能其他技術(shù)的比較
15.9人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域
習(xí)題15
第16章數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)
第17章專(zhuān)家系統(tǒng)
第18章自然語(yǔ)言處理
第19章智能機(jī)器人