人工智能-(第3版)

目录 第1章概述 1.1人工智能概述 1.2AI的产生及主要学派 1.3人工智能、专家系统和知识工程 1.4AI模拟智能成功的标准 1.5人工智能应用系统 1.6人工智能的技术特征 习题1 第1部分搜索与问题求解 第2章用搜索求解问题的基本原理 2.1搜索求解问题的基本思路 2.2实现搜索过程的三大要素 2.2.1搜索对象 2.2.2扩展规则 2.2.3目标测试 2.3通过搜索求解问题 2.4问题特征分析 2.4.1问题的可分解性 2.4.2问题求解步骤的撤回 2.4.3问题全域的可预测性 2.4.4问题要求的解的满意度 习题2 第3章搜索的基本策略 3.1盲目搜索方法 3.1.1宽度优先搜索 3.1.2深度优先搜索 3.1.3分支有界搜索 3.1.4迭代加深搜索 3.1.5一个盲目搜索问题的几种实现 3.2启发式搜索 3.2.1启发式信息的表示 3.2.2几种*基本的搜索策略 3.3随机搜索 3.3.1模拟退火法 3.3.2其他典型的随机搜索算法 习题3 第4章图搜索策略 4.1或图搜索策略 4.1.1通用或图搜索算法 4.1.2A算法与A*算法 4.2与/或图搜索 4.2.1问题归约求解方法与“与/或图” 4.2.2与/或图搜索 4.2.3与/或图搜索的特点 4.2.4与/或图搜索算法AO* 4.2.5对AO*算法的进一步观察 4.2.6用AO*算法求解一个智力难题 习题4 第5章博弈与搜索 5.1人机大战 5.1.1国际象棋人机大战 5.1.2围棋人机大战 5.2博弈与对策 5.3极小极大搜索算法 5.3.1极小极大搜索的思想 5.3.2极小极大搜索算法 5.3.3算法分析与举例 5.4α-β剪枝算法 习题5 第6章演化搜索算法 6.1遗传算法的基本概念 6.1.1遗传算法的基本定义 6.1.2遗传算法的基本流程 6.2遗传编码 6.2.1二进制编码 6.2.2Gray编码 6.2.3实数编码 6.2.4有序编码 6.2.5结构式编码 6.3适应值函数 6.4遗传操作 6.4.1选择 6.4.2交叉操作 6.4.3变异操作 6.5初始化群体 6.6控制参数的选取 6.7算法的终止准则 6.8遗传算法的基本理论 6.8.1模式定理 6.8.2隐含并行性 6.8.3构造块假设 6.8.4遗传算法的收敛性 6.9遗传算法简例 6.10遗传算法的应用领域 6.11免疫算法 6.11.1免疫算法的发展 6.11.2免疫算法的基本原理 6.11.3生物免疫系统与人工免疫系统的对应关系 6.11.4免疫算法的基本类型和步骤 6.12典型免疫算法分析 6.12.1阴性选择算法 6.12.2免疫遗传算法 6.12.3克隆选择算法 6.12.4基于疫苗的免疫算法 6.13免疫算法设计分析 6.14免疫算法与遗传算法比较 6.14.1免疫算法与遗传算法的基本步骤比较 6.14.2免疫算法与遗传算法不同之处 6.14.3仿真实验及讨论 6.15免疫算法研究的展望 习题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绍 7.2.1蚁群算法 7.2.2flock算法 7.2.3粒子群算法 7.3集智系统介绍 7.3.1人工鱼 7.3.2Terrarium世界 7.4群集智能的优缺点 习题7 第8章记忆型搜索算法 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点 8.1.6禁忌搜索算法的改进 8.2和声搜索算法 8.2.1和声搜索算法简介和原理 8.2.2算法应用 8.2.3算法比较与分析 习题8 第9章基于Agent的搜索 9.1DAI概述 9.2分布式问题求解 9.3Agent的定义 9.3.1Agent的弱定义 9.3.2Agent的强定义 9.4Agent的分类 9.4.1按功能划分 9.4.2按属性划分 9.5Agent通信 9.5.1Agent通信概述 9.5.2言语动作 9.5.3SHADE通信机制 9.6移动Agent 9.6.1移动Agent系统的一般结构 9.6.2移动Agent的分类 9.6.3移动Agent的优点 9.6.4移动Agent的技术难点 9.6.5移动Agent技术的标准化 9.7移动Agent平台的介绍 9.7.1General Magic公司的Odysses 9.7.2IBM公司的Aglet 习题9 第2部分知识与推理 第10章知识表示与处理方法 10.1概述 10.1.1知识和知识表示的含义 10.1.2知识表示方法分类 10.1.3AI对知识表示方法的要求 10.1.4知识表示要注意的问题 10.2逻辑表示法 10.3产生式表示法 10.3.1产生式系统的组成 10.3.2产生式系统的知识表示 10.3.3产生式系统的推理方式 10.3.4产生式规则的选择与匹配 10.3.5产生式表示的特点 10.4语义网络表示法 10.4.1语义网络结构 10.4.2二元语义网络的表示 10.4.3多元语义网络的表示 10.4.4连接词和量词的表示 10.4.5语义网络的推理过程 10.4.6语义网络的一般描述 10.5框架表示法 10.5.1框架理论 10.5.2框架结构 10.5.3框架表示下的推理 10.6过程式知识表示 习题10 第11章谓词逻辑的归结原理及其应用 11.1命题演算的归结方法 11.1.1基本概念 11.1.2命题演算的归结方法 11.2谓词演算的归结 11.2.1谓词演算的基本问题 11.2.2将公式化成标准子句形式的步骤 11.2.3合一算法 11.2.4变量分离标准化 11.2.5谓词演算的归结算法 11.3归结原理 11.3.1谓词演算的基本概念 11.3.2归结方法可靠性证明 11.3.3归结方法的完备性 11.4归结过程的控制策略 11.4.1简化策略 11.4.2支撑集策略 11.4.3线性输入策略 11.4.4几种推理规则及其应用 11.5应用实例 11.5.1归约在逻辑电路设计中的应用 11.5.2利用推理破案的实例 习题11 第12章非经典逻辑的推理 12.1非单调推理 12.1.1单调推理与非单调推理的概念 12.1.2默认逻辑 12.1.3默认逻辑非单调推理系统 12.2DempsterShater（DS）证据理论 12.2.1识别框架 12.2.2基本概率分配函数 12.2.3置信函数Bel(A) 12.2.4置信区间 12.2.5证据的组合函数 12.2.6DS理论的评价 12.3不确定性推理 12.3.1不确定性 12.3.2主观概率贝叶斯方法 12.4MYCIN系统的推理模型 12.4.1理论和实际的背景 12.4.2MYCIN模型 12.4.3MYCIN模型分析 12.4.4MYCIN推理网络的基本模式 12.4.5MYCIN推理模型的评价 12.5模糊推理 12.5.1模糊集论与模糊逻辑 12.5.2Fuzzy聚类分析 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案例的表示与组织 12.6.3案例的检索 12.6.4案例的改写 12.7归纳法推理 12.7.1归纳法推理的理论基础 12.7.2归纳法推理的基本概念 12.7.3归纳法推理中的主要难点 12.7.4归纳法推理的应用 习题12 第13章次协调逻辑推理 13.1次协调逻辑的含义 13.1.1传统的人工智能与经典逻辑 13.1.2人工智能中不协调的数据和知识库 13.1.3次协调逻辑 13.2注解谓词演算 13.2.1多真值格 13.2.2注解逻辑 13.2.3注解谓词公式的语义 13.2.4APC中的不协调、非、蕴涵 13.3基于APC的SLDa推导和SLDa反驳 13.3.1SLDa推导和SLDa反驳 13.3.2注解逻辑推理方法 13.3.3注解逻辑推理举例 13.4注解逻辑的归结原理 13.5应用实例 13.6控制策略 习题13 第3部分学习与发现 第14章机器学习 14.1概述 14.1.1机器学习的定义和意义 14.1.2机器学习的研究简史 14.1.3机器学习方法的分类 14.1.4机器学习中的推理方法 14.2归纳学习 14.2.1归纳概念学习的定义 14.2.2归纳概念学习的形式描述 14.2.3归纳概念学习算法的一般步骤 14.2.4归纳概念学习的基本技术 14.3基于解释的学习 14.3.1基于解释学习的基本原理 14.3.2基于解释学习的一般框架 14.3.3基于解释的学习过程 14.4基于类比的学习 14.4.1类比学习的一般原理 14.4.2类比学习的表示 14.4.3类比学习的求解 14.4.4逐步推理和监控的类比学习 习题14 第15章人工神经网络 15.1人工神经网络的特点 15.2人工神经网络的基本原理 15.3人工神经网络的基本结构模式 15.4人工神经网络互连结构 15.5神经网络模型分类 15.6几种基本的神经网络学习算法介绍 15.6.1Hebb型学习 15.6.2误差修正学习方法 15.6.3随机型学习 15.6.4竞争型学习 15.6.5基于记忆的学习 15.6.6结构修正学习 15.7几种典型神经网络简介 15.7.1单层前向网络 15.7.2多层前向网络及BP学习算法 15.7.3Hopfield神经网络 15.8人工神经网络与人工智能其他技术的比较 15.9人工神经网络的应用领域 习题15 第16章数据挖掘与知识发现 16.1数据挖掘 16.1.1数据挖掘的定义与发展 16.1.2数据挖掘研究的主要内容 16.1.3数据挖掘的特点 16.1.4数据挖掘的分类 16.1.5数据挖掘常用的技术 16.1.6数据挖掘过程 16.1.7数据挖掘研究面临的困难 16.1.8关联规则挖掘 16.1.9聚类分析 16.2Web挖掘 16.2.1Web挖掘概述 16.2.2Web内容挖掘 16.2.3Web结构挖掘 16.2.4Web使用挖掘 16.2.5Web数据挖掘的技术难点 16.2.6XML与Web数据挖掘技术 16.3文本挖掘 16.3.1文本挖掘的概念 16.3.2文本挖掘预处理 16.3.3文本挖掘的关键技术 16.3.4文本挖掘系统的评价标准 习题16 第4部分领域应用 第17章专家系统 17.1专家系统概述 17.1.1专家系统的定义 17.1.2专家系统的结构 17.1.3专家系统的特点 17.1.4专家系统的类型 17.1.5几个成功的专家系统简介 17.2专家系统中的知识获取 17.2.1概述 17.2.2知识获取的直接方法 17.2.3知识获取的新进展 17.3专家系统的解释机制 17.3.1预制文本解释法 17.3.2路径跟踪解释法 17.3.3自动程序员解释法 17.3.4策略解释法 17.4专家系统开发工具与环境 17.4.1专家系统开发工具的基本概念 17.4.2专家系统工具JESS 17.4.3JESS中的Rete匹配算法和逆向推理机制 17.5专家系统开发 17.5.1专家系统开发的步骤 17.5.2专家系统开发方法 17.6专家系统开发实例 17.6.1动物识别专家系统 17.6.2MYCIN专家系统 习题17 第18章自然语言处理 18.1语言的组成 18.1.1自然语言的基本要素 18.1.2实词和虚词 18.1.3短语结构 18.2上下文无关语法 18.2.1重写规则 18.2.2语法分析 18.3上下文无关语法分析 18.3.1产生后继状态的算法 18.3.2利用词典 18.3.3建立语法分析树 18.4特殊语法的分析 18.4.1引进特征 18.4.2特征匹配 18.5利用图表的高效语法分析 18.5.1chart数据结构 18.5.2有多种解释的句子 18.6语义解释 18.6.1词的意思 18.6.2利用特征的语义解释 18.6.3词义排歧 18.7生成自然语言 18.8在上下文中的自然语言 18.8.1言语的行为 18.8.2创建引用 18.8.3处理数据库的断言和问题 习题18 第19章智能机器人 19.1智能机器人的定义 19.2智能机器人的分类 19.2.1工业机器人 19.2.2服务机器人 19.2.3军用机器人 19.2.4仿生机器人 19.2.5网络机器人 19.3智能机器人的关键技术 19.3.1导航技术 19.3.2路径规划技术 19.3.3机器人视觉技术 19.3.4智能控制技术 19.3.5智能认知与感知技术 19.3.6多模式网络化交互技术 19.4智能机器人未来的发展 19.4.1人工智能技术的应用 19.4.2云机器人 19.4.3移动技术 19.4.4仿生技术 19.4.5机器人体系结构 习题19 参考文献