人工智能及其应用

第 1章 　绪论 1
1.1 人工智能的起源与发展 1
1.1.1 孕育阶段 2
1.1.2 形成阶段 2
1.1.3 发展阶段 2
1.2 人工智能的研究目标和内容 3
1.2.1 人工智能的研究目标 3
1.2.2 人工智能研究的基本内容 4
1.3 人工智能研究的主要途径 5
1.3.1 人工智能研究的特点 5
1.3.2 研究人工智能的方法 5
1.4 人工智能的研究与应用领域 7
1.4.1 自动定理证明 7
1.4.2 博弈 7
1.4.3 专家系统 8
1.4.4 机器视觉 8
1.4.5 人工神经网络 9
小结 9
思考与练习 10
第 2章 　知识 表示方法 11
2.1 状态空间表示 12
2.1.1 问题状态描述 12
2.1.2 状态图示法 13
2.2 问题归约表示 16
2.2.1 问题归约描述 16
2.2.2 与或图表示 17
2.3 谓词逻辑表示 19
Ⅰ
人工智能及其应用
2.3.1 谓词演算 20
2.3.2 谓词公式 20
2.3.3 置换与合一 22
2.4 语义网络表示 22
2.4.1 二元语义网络的表示 23
2.4.2 多元语义网络的表示 24
2.4.3 语义网络的推理过程 24
2.5 框架表示 26
2.5.1 框架的构成 26
2.5.2 框架的推理 29
2.6 脚本表示法 31
2.6.1 脚本的定义与组成 31
2.6.2 用脚本表示知识的步骤 33
2.6.3 用脚本表示知识的推理方法 33
2.6.4 脚本表示法的特点 34
2.7 面向对象的知识表示 34
2.7.1 面向对象的基本概念 34
2.7.2 面向对象的知识表示 35
2.7.3 面向对象方法学的主要观点 36
小结 36
思考与练习 37
第 3章 　确定 性推理 38
3.1 图搜索策略 38
3.2 盲目搜索 39
3.3 启发式搜索 44
3.4 消解原理 49
3.5 规则演绎系统 __________54
3.6 产生式系统 59
小结 63
思考与练习 64
第 4章 　非经 典推理 65
4.1 经典推理和非经典推理 65
4.2 不确定性推理 66
4.3 概率推理 67
4.4 主观贝叶斯方法 69
4.5 可信度方法 73
4.6 证据理论 76
小结 79
思考与练习 80
第 5章 　机器 学习 81
5.1 机器学习概述 81
5.1.1 机器学习的概念 81
5.1.2 机器学习的发展过程 82
5.1.3 机器学习系统的基本模型 82
5.1.4 机器学习的主要策略 83
5.1.5 机器学习的问题 84
5.2 记忆学习 85
5.2.1 概念 85
5.2.2 学习模型 85
5.3 归纳学习 85
5.3.1 示例学习 85
5.3.2 决策树学习 88
5.4 基于神经网络的学习 93
5.4.1 神经元与神经网络 93
5.4.2 前向神经网络 97
5.4.3 动态神经网络 102
5.4.4 径向基神经网络 105
5.4.5 CMAC神经网络 107
5.4.6 Hopfield神经网络 110
小结 115
思考与练习 115
第 6章 　智能 算法及其应用 116
6.1 遗传算法 116
6.1.1 遗传算法概述 116
6.1.2 遗传算法研究与应用 123
6.2 粒子群优化算法 126
6.2.1 粒子群优化概述 127
6.2.2 粒子群优化算法研究与应用 135
6.3 蚁群算法 140
6.3.1 蚁群算法的生物基础 141
6.3.2 旅行商问题 142
6.3.3 基于TSP问题的蚂蚁系统 (AS) 143
6.3.4 基于TSP的蚁群系统 (ACS) 145
6.3.5 最大最小蚂蚁系统 (MMAS) 146
6.3.6 蚁群算法与机器人路径规划 149
6.4 人工鱼群算法 153
6.4.1 人工鱼群算法概述 154
6.4.2 人工鱼群算法研究与应用 158
小结 161
思考与练习 161
参考文献 162