人工智能技术与智能机器人

第1章搜索策略
1.1搜索概述
1.2状态图搜索
1.2.1盲目搜索4
1.2.2启发式搜索7
1.2.3A和A*搜索8
1.2.4A*算法在移动机器人路径规划中的应用10
1.3与或树搜索
1.3.1与或树基础14
1.3.2代价计算16
1.3.3有序搜索17
1.4博弈对策
1.4.1博弈树18
1.4.2极大极小分析法19
1.4.3α-β剪枝技术19

第2章确定性推理
2.1推理概述
2.1.1推理定义21
2.1.2推理方式及分类21
2.1.3推理方向23
2.1.4模式匹配与冲突消解27
2.2自然演绎推理
2.3消解原理
2.3.1子句集31
2.3.2海伯伦理论32
2.3.3鲁宾逊消解原理33
2.4规则演绎
2.4.1基于规则的正向演绎推理34
2.4.2基于规则的逆向演绎推理35
2.4.3规则双向演绎推理36

第3章不确定性推理
3.1不确定性推理概述
3.1.1不确定性的类型37
3.1.2不确定性知识表示38
3.2概率贝叶斯方法
3.2.1简单贝叶斯推理44
3.2.2主观贝叶斯方法45
3.3非单调推理
3.3.1单调推理与非单调推理54
3.3.2非单调推理系统54
3.4模糊推理在机器人避障中的应用
3.4.1救援机器人的运动学模型59
3.4.2环境信息分类及其避障行为60
3.4.3基于模糊推理的避障控制62

第4章专家系统
4.1专家系统概述
4.1.1专家系统的类型67
4.1.2专家系统的应用68
4.1.3专家系统的特点69
4.2专家系统的结构与工作原理
4.3知识获取
4.3.1知识获取的过程72
4.3.2知识获取的直接方法72
4.3.3知识获取的新方法73
4.4专家系统的建造与评价
4.4.1一般步骤与方法74
4.4.2知识表示77
4.4.3知识库及其管理系统77
4.4.4推理机及解释机构79
4.4.5接口设计80
4.4.6专家系统评价80
4.5专家系统的开发工具与开发环境
4.6新型专家系统
4.7专家系统在智能机器人领域的应用

第5章机器学习
5.1机械学习
5.1.1主要模式及问题88
5.1.2应用举例89
5.2归纳学习
5.2.1归纳学习概述90
5.2.2归纳学习方法91
5.2.3决策树学习92
5.3基于案例的推理
5.3.1基于案例的推理过程93
5.3.2基于案例的推理优点及应用94
5.4解释学习
5.4.1解释学习概述97
5.4.2解释学习框架97
5.4.3解释学习过程98
5.5强化学习在机器人系统中的应用
5.6自主学习在机器人系统中的应用

第6章自然语言理解
6.1自然语言概述
6.2语法分析
6.2.1转移网络117
6.2.2扩充转移网络118
6.3语义解释
6.4语言理解
6.4.1简单句理解121
6.4.2复合句理解123
6.5机器翻译
6.6语音识别
6.7自然语言理解系统在机器人中的应用
6.7.1湖水清污机器人中的自然语言理解系统128
6.7.2ASP在服务机器人中的应用129

第7章遗传算法
7.1概述
7.1.1遗传算法与进化论136
7.1.2遗传算法的发展史136
7.1.3遗传算法设计的原则及内容137
7.1.4遗传算法的鲁棒性138
7.2遗传算法的工作原理
7.2.1基本思想139
7.2.2基本操作139
7.3经典遗传算法
7.3.1参数编码144
7.3.2种群设定145
7.3.3适应度函数145
7.3.4选择147
7.3.5交叉149
7.3.6变异151
7.4高级遗传算法
7.4.1选择方法的改进153
7.4.2遗传算法的改进154
7.5改进的遗传算法在机器人路径规划中的应用
7.6免疫遗传算法在机器人路径规划中的应用
7.6.1一种改进的免疫遗传算法160
7.6.2基于免疫遗传算法的最优路径规划162

参考文献