人工智能与机器人专业实战训练

目录
前言
第1部分基础知识
第1章人工智能基础2
1.1人工智能的相关概念2
1.2人工智能的发展历程4
1.3人工智能的研究方法6
1.3.1符号主义（功能模拟）6
1.3.2联结主义（结构模拟）10
1.3.3行为主义（行为模拟）13
1.4新一代人工智能14
1.4.1新一代人工智能发展三要素14
1.4.2新一代人工智能发展主要特征15
第2章机器人基础16
2.1机器人的感知系统16
2.1.1传感器技术16
2.1.2传感器分类17
2.1.3传感器组成18
2.2机器人的运动系统19
2.2.1机器人的移动机构19
2.2.2机器人的运动控制21
2.2.3机器人的控制策略22
2.2.4机器人的驱动技术23
2.3机器人通信系统27
2.4机器人自主导航与路径规划28
第3章机器鼠概述31
3.1机器鼠起源31
3.1.1机器鼠解迷宫任务概述31
3.1.2机器鼠的发展历史31
3.1.3机器鼠与人工智能33
3.2机器鼠竞赛34
3.3认识机器鼠实物34
3.3.1机器鼠概貌35
3.3.2机器鼠实训平台35
第2部分环境感知与运动控制
第4章信息感知系统39
4.1信息感知基本过程39
4.2机器鼠常用传感器40
4.2.1红外传感器40
4.2.2陀螺仪42
4.2.3里程计43
4.3机器鼠传感器应用实践43
第5章嵌入式控制系统55
5.1嵌入式控制系统介绍55
5.2机器鼠的主控电路59
第6章运动控制系统63
6.1机器鼠行走结构63
6.1.1驱动元件64
6.1.2驱动控制策略——脉冲宽度
调制（PWM）64
6.2机器鼠运动控制实践65
第3部分路径搜索与*优决策
第7章环境建模与决策81
7.1迷宫环境建模81
7.1.1坐标建立81
7.1.2方向转换83
7.1.3坐标转换86
7.1.4墙壁信息存储86
7.2控制决策87
7.2.1传感器检测墙体/转角信息88
7.2.2运动控制决策（搜索和
冲刺）89
7.3环境建模与控制决策实践90
第8章传统盲目式搜索策略108
8.1基础搜索法则108
8.2深度优先搜索110
8.3广度优先搜索123
8.4向心法则搜索实践130
8.5深度优先搜索实践138
第9章经典启发式搜索战略148
9.1A*搜索算法148
9.2A*算法实践152
第10章基于等高图的路径规划172
10.1路径规划与等高图172
10.2利用广度优先搜索算法制作等高图174
10.3利用深度优先搜索算法制作等高图195
第11章群体智能抉择*优路径——遗传
算法202
11.1遗传算法基本原理202
11.2遗传算法抉择迷宫*优路径205
11.2.1迷宫问题中的基因与个体205
11.2.2迷宫问题中的适应度206
11.2.3迷宫问题中的迭代过程207
11.3遗传算法实践209
第12章群体智能抉择*优路径——粒子
群算法225
12.1粒子群算法基本原理225
12.2粒子群算法抉择迷宫*优路径233
12.2.1迷宫问题中的粒子群初始化233
12.2.2迷宫问题中的适应度评价234
12.2.3迷宫问题中的信息迭代236
12.3粒子群算法实践240
附录IEEE电脑鼠竞赛规则257
参考文献259