人工智能实践教程

前言
教学建议
第1章　绪论1
1.1　人工智能的基本概念1
1.2　人类智能与人工智能1
1.3　人工智能各学派的认知观3
1.4　人工智能的研究与应用领域4
1.4.1　智能感知4
1.4.2　智能推理6
1.4.3　智能学习8
1.4.4　智能行动10
1.5　人工智能发展动态14
1.6　案例分析17
1.6.1　SP先生谜题17
1.6.2　NIM问题18
1.7　习题22
1.8　思考题22
第2章　知识表示和推理24
2.1　概述24
2.2　命题逻辑25
2.3　谓词逻辑28
2.3.1　语法28
2.3.2　语义30
2.3.3　谓词逻辑形式系统FC32
2.4　归结推理33
2.4.1　命题演算中的归结推理33
2.4.2　谓词演算中的归结推理35
2.4.3　谓词演算归结反演的合理性和完备性38
2.5　产生式系统40
2.6　知识表示的其他方法43
2.6.1　语义网络43
2.6.2　框架45
2.6.3　脚本46
2.7　基于知识的系统47
2.7.1　知识获取47
2.7.2　知识组织49
2.7.3　知识应用49
2.7.4　常识知识和大规模知识处理50
2.8　案例分析51
2.8.1　传教士和野人问题51
2.8.2　量水问题52
2.8.3　汉诺塔问题57
2.8.4　一个基于逻辑的财务顾问61
2.8.5　电路领域的知识工程64
2.9　习题67
2.10　思考题70
第3章　搜索技术73
3.1　概述73
3.2　盲目搜索方法74
3.3　启发式搜索76
3.3.1　启发性信息和评估函数76
3.3.2　最好优先搜索算法77
3.3.3　贪婪最好优先搜索算法78
3.3.4　A算法和A算法79
3.3.5　迭代加深A算法81
3.4　问题归约和AND-OR图启发式搜索82
3.4.1　问题归约的描述82
3.4.2　问题的AND-OR图表示83
3.4.3　AO算法85
3.5　博弈88
3.5.1　极大极小过程90
3.5.2　α-β过程92
3.6　案例分析94
3.6.1　八皇后问题94
3.6.2　洞穴探宝95
3.6.3　五子棋97
3.7　习题102
3.8　思考题103
第4章　高级搜索107
4.1　爬山法搜索107
4.2　模拟退火搜索109
4.2.1　模拟退火搜索的基本思想110
4.2.2　模拟退火算法111
4.2.3　模拟退火算法关键参数和操作的设计112
4.3　遗传算法114
4.3.1　遗传算法的基本思想114
4.3.2　遗传算法的基本操作115
4.4　案例分析120
4.4.1　爬山算法求解旅行商问题120
4.4.2　模拟退火算法求解旅行商问题121
4.4.3　遗传算法求解旅行商问题122
4.5　习题124
4.6　思考题124
第5章　不确定知识表示和推理125
5.1　概述125
5.2　非单调逻辑127
5.2.1　单调性与非单调性127
5.2.2　缺省推理逻辑127
5.2.3　非单调逻辑系统128
5.2.4　非单调规则129
5.3　主观Bayes方法130
5.3.1　全概率公式和Bayes公式131
5.3.2　主观Bayes方法132
5.4　确定性理论137
5.4.1　建造医学专家系统时的问题137
5.4.2　C-F模型138
5.5　证据理论142
5.5.1　假设和证据的不确定性142
5.5.2　证据的组合函数144
5.5.3　规则的不确定性145
5.5.4　不确定性的传递145
5.5.5　不确定性的组合145
5.6　模糊逻辑和模糊推理146
5.6.1　模糊集合及其运算146
5.6.2　模糊关系147
5.6.3　模糊逻辑148
5.6.4　模糊推理148
5.7　案例分析150
5.7.1　有经纪人的交易150
5.7.2　小型动物分类专家系统152
5.8　习题155
5.9　思考题157
第6章　智能体和多智能体系统158
6.1　概述158
6.1.1　智能体的概念与示例158
6.1.2　多智能体系统的概念
与示例160
6.2　智能体的体系结构161
6.2.1　知识型体系结构161
6.2.2　反应型体系结构163
6.2.3　认知型体系结构164
6.2.4　混合型体系结构167
6.3　智能体间的交互与协同169
6.3.1　智能体间的交互方式170
6.3.2　智能体通信语言ACL171
6.3.3　交互协议和协同模型174
6.4　多智能体系统的应用177
6.4.1　多智能体系统技术的适应系统178
6.4.2　多智能体系统技术的应用领域179
6.5　多智能体系统的实现方式181
6.6　多智能体系统开发框架JADE184
6.6.1　程序模型186
6.6.2　可重用开发包186
6.6.3　开发和运行的支持工具191
6.7　火星探矿机器人案例分析193
6.7.1　需求分析193
6.7.2　设计与实现194
6.8　习题198
6.9　思考题199
第7章　自然语言处理技术200
7.1　自然语言理解的一般问题200
7.2　词法分析202
7.3　句法分析202
7.4　语义分析205
7.5　大规模真实文本的处理205
7.6　信息搜索206
7.7　机器翻译208
7.8　语音识别210
7.9　案例分析213
7.9.1　在线汉英互译举例分析213
7.9.2　单词音节划分214
7.9.3　中文文本的词频统计215
7.9.4　中文语句自动分析218
7.9.5　美国地理信息查询系统223
7.10　习题231
7.11　思考题232
第8章　机器学习和神经网络234
8.1　机器学习概述234
8.2　基于符号的机器学习方法236
8.2.1　机械学习236
8.2.2　归纳学习237
8.2.3　决策树学习238
8.2.4　基于范例的学习240
8.2.5　解释学习244
8.2.6　强化学习246
8.3　基于神经网络的学习247
8.3.1　神经网络概述247
8.3.2　基于反向传播网络的学习250
8.3.3　Hopfield网络模型258
8.4　知识发现261
8.5　案例分析262
8.5.1　感知器分类262
8.5.2　非线性可分的分类问题264
8.5.3　基于反向传播网络拟合曲线266
8.6　习题271
8.7　思考题274
第9章　智能规划276
9.1　规划问题276
9.2　状态空间搜索规划279
9.3　偏序规划282
9.4　命题逻辑规划286
9.5　分层任务网络规划288
9.6　非确定性规划290
9.7　多智能体规划292
9.8　案例分析296
9.8.1　Shakey世界296
9.8.2　规划问题的建模与规划系统的求解过程297
9.9　习题299
9.10　思考题300
第10章　机器人学301
10.1　概述301
10.1.1　机器人的分类302
10.1.2　机器人的特性303
10.1.3　机器人学的研究领域303
10.2　机器人系统304
10.2.1　机器人系统的组成304
10.2.2　机器人的工作空间305
10.2.3　机器人的性能指标307
10.3　机器人的编程模式与语言308
10.4　机器人的应用与展望309
10.4.1　机器人应用310
10.4.2　机器人发展展望313
10.5　机器人足球案例分析315
10.5.1　仿真平台316
10.5.2　机器人运动程序318
10.5.3　动作函数321
10.5.4　足球比赛策略322
10.5.5　定位球状态的判断方法325
10.5.6　比赛规则326
10.6　习题326
10.7　思考题326
参考文献328