人工智能实战

□□章 逻辑学与人工智能
1．1 逻辑是什么
1．2 命题逻辑
1．3 逻辑联结词
1．3．1 否定
1．3．2 合取
1．3．3 析取
1．3．4 蕴涵
1．3．5 等值
1．4 命题逻辑定律
1．5 范式
1．6 逻辑电路
1．7 实际问题：使用继承和C#运算符计算逻辑公式的值
1．8 实际问题：将逻辑公式表达为二叉决策树
1．9 实际问题：将公式转换为否定范式（NNF）
1．10 实际问题：将公式转换为合取范式（CNF）
1．11 本章小结

第2章 自动定理证明和一阶逻辑
2，1自动定理证明
2．2 实际问题：C#中的Clause类和Cnf类
2．3 DPLL算法
2．4 实际问题：在命题逻辑中建模鸽巢原理
2．5 实际问题：判断一个命题逻辑公式是否可满足
2．6 一阶逻辑
2．7 实际问题：清洁机器人
2．8 本章小结

第3章 Agents
3．1 Agent是什么
3．2 Agent的属性
3．3 Agent环境的类型
3．4 有状态Agent
3．5 实际问题：将清洁机器人作为Agent建模并对其添加状态
3．6 Agent的架构
3．6．1 反应式架构：包容架构
3．6．2 慎思式架构：BDI架构
3．6．3 混合架构
3．6．4 旅行机
3．6．5 InteRRaP
3．7 本章小结

第4章 火星漫游车
4．1 火星漫游车简介
4．2 火星车的架构
4．3 火星车的程序代码
4．4 MarsRover可视化应用程序
4．5 本章小结

第5章 多Agent系统
5．1 多Agent系统是什么
5．2 多Agent组织
5．3 通信
5．3．1 言语行为理论
5．3．2 Agent通信语言（ACL）
5．4 协调与合作
5．4．1 使用合同网协商
5．4．2 社会规范与社会
5．5 本章小结

第6章 基于WCF的多Agent系统通信
6．1 服务
6．2 契约
6．3 绑定
6．4 端点
6．5 发布者／订阅者模式
6．6 实际问题：利用WCF在多个Agent之间通信
6．7 本章小结
……

第7章 清洁Agent：一个多Agent系统
第8章 仿真
第9章 支持向量机
□□0章 决策树
□□1章 神经网络
□□2章 手写数字识别
□□3章 聚类和多目标聚类
□□4章 启发式方法&元启发式方法
□□5章 游戏编程
□□6章 博弈论：对抗性搜索与黑白棋游戏
□□7章 强化学习