《人工智能原理及其应用(第三版)》课后习题答案

《人工智能原理及其应用（第3版）》是2012年电子工业出版社出版的图书，作者是王万森。

全书共9章，分别是：第1章人工智能概述，第2章确定性知识系统，第3章搜索策略，第4章计算智能，第5章不确定性推理，第6章符号学习，第7章联结学习，第8章分布智能，第9章智能应用简介。

目录

• 第1章　人工智能概述（1）
• 1．1　人工智能的基本概念（1）
• 1．1．1　智能的概念（1）
• 1．1．2　人工智能的概念（3）
• 1．1．3　人工智能的研究目标（3）
• 1．2　人工智能的产生与发展（4）
• 1．2．1　孕育期（4）
• 1．2．2　形成期（4）
• 1．2．3　知识应用期（5）
• 1．2．4　从学派分立走向综合（6）
• 1．2．5　智能科学技术学科的兴起（6）
• 1．3　人工智能研究的基本内容（7）
• 1．3．1　与脑科学和认知科学的交叉研究（7）
• 1．3．2　智能模拟的方法和技术研究（8）
• 1．4　人工智能研究中的不同学派（8）
• 1．4．1　符号主义（9）
• 1．4．2　联结主义（9）
• 1．4．3　行为主义（10）
• 1．5　人工智能的研究和应用领域（10）
• 1．5．1　机器思维（10）
• 1．5．2　机器学习（11）
• 1．5．3　机器感知（13）
• 1．5．4　机器行为（14）
• 1．5．5　计算智能（15）
• 1．5．6　分布智能（16）
• 1．5．7　智能系统（16）
• 1．5．8　人工心理与人工情感（17）
• 1．5．9　人工智能的典型应用（17）
• 1．6　人工智能的现状与思考（19）
• 习题1 （21）
• 第2章　确定性知识系统（22）
• 2．1　确定性知识系统概述（22）
• 2．1．1　确定性知识表示概述（22）
• 2．1．2　确定性知识推理概述（24）
• 2．2　确定性知识表示方法（26）
• 2．2．1　谓词逻辑表示法（26）
• 2．2．2　产生式表示法（33）
• 2．2．3　语义网络表示法（34）
• 2．2．4　框架表示法（40）
• 2．3　确定性知识推理方法（47）
• 2．3．1　产生式推理（47）
• 2．3．2　自然演绎推理（52）
• 2．3．3　归结演绎推理（55）
• 2．4　确定性知识系统简例（65）
• 2．4．1　产生式系统简例（65）
• 2．4．2　归结演绎系统简例（67）
• 习题2 （69）
• 第3章　搜索策略（72）
• 3．1　搜索概述（72）
• 3．1．1　搜索的含义（72）
• 3．1．2　状态空间问题求解方法（72）
• 3．1．3　问题归约求解方法（76）
• 3．2　搜索的盲目策略（78）
• 3．2．1　状态空间的盲目搜索（78）
• 3．2．2　代价树的盲目搜索（80）
• 3．3　状态空间的启发式搜索（81）
• 3．3．1　启发性信息和估价函数（82）
• 3．3．2　A算法（82）
• 3．3．3　A*算法（84）
• 3．3．4　A*算法应用举例（88）
• 3．4　与/或树的启发式搜索（89）
• 3．4．1　解树的代价与希望树（89）
• 3．4．2　与/或树的启发式搜索过程（90）
• 3．5　博弈树的启发式搜索（92）
• 3．5．1　概述（92）
• 3．5．2　极大/极小过程（93）
• 3．5．3　α-β剪枝（93）
• 习题3 （95）
• 第4章　计算智能（97）
• 4．1　计算智能概述（97）
• 4．1．1　什么是计算智能（97）
• 4．1．2　计算智能的产生与发展（97）
• 4．1．3　计算智能与人工智能的关系（98）
• 4．2　神经计算（98）
• 4．2．1　神经计算基础（99）!
• 4．2．2　人工神经网络的互联结构（102）
• 4．2．3　人工神经网络的典型模型（104）
• 4．3　进化计算（108）
• 4．3．1　进化计算概述（108）
• 4．3．2　遗传算法（112）
• 4．4　模糊计算（123）
• 4．4．1　模糊集及其运算（123）
• 4．4．2　模糊关系及其运算（126）
• 4．5　粗糙集（128） !
• 4．5．1　粗糙集概述（128）
• 4．5．2　粗糙集的基本理论（128）
• 4．5．3　决策表的约简（131）
• 习题4 （135）
• 第5章　不确定性推理（137）
• 5．1　不确定性推理概述（137）
• 5．1．1　不确定性推理的含义（137）
• 5．1．2　不确定性推理的基本问题（138）
• 5．1．3　不确定性推理的类型（139）
• 5．2　可信度推理（139）
• 5．2．1　可信度的概念（140）
• 5．2．2　可信度推理模型（140）
• 5．2．3　可信度推理的例子（144）
• 5．3　主观Bayes推理（145）
• 5．3．1　主观Bayes方法的概率论基础（145）
• 5．3．2　主观Bayes方法的推理模型（146）
• 5．3．3　主观Bayes推理的例子（150）
• 5．3．4　主观Bayes推理的特性（152）
• 5．4　证据理论（152）
• 5．4．1　证据理论的形式化描述（152）
• 5．4．2　证据理论的推理模型（156）
• 5．4．3　推理实例（157）
• 5．4．4　证据理论推理的特性（159）
• 5．5　模糊推理（159）
• 5．5．1　模糊知识表示（159）
• 5．5．2　模糊概念的匹配（161）
• 5．5．3　模糊推理的方法（162）
• 5．6　概率推理（166）
• 5．6．1　贝叶斯网络的概念及理论（166）
• 5．6．2　贝叶斯网络推理的概念和类型（169）
• 5．6．3　贝叶斯网络的精确推理（170）
• 5．6．4　贝叶斯网络的近似推理（171）
• 习题5 （172）
• 第6章　符号学习（175）
• 6．1　符号学习概述（175）
• 6．1．1　学习的概念（175）
• 6．1．2　机器学习的概念（176）
• 6．1．3　符号学习系统的基本模型（178）
• 6．2　记忆学习（179）
• 6．3　示例学习（180）
• 6．3．1　示例学习的类型（181）
• 6．3．2　示例学习的模型（181）
• 6．3．3　示例学习的归纳方法（183）
• 6．4　决策树学习（184）
• 6．4．1　决策树的概念（184）
• 6．4．2　ID3算法（185）
• 6．5　统计学习（188）
• 6．5．1　小样本统计学习理论（188）
• 6．5．2　支持向量机（190）
• 习题6 （195）
• 第7章　联结学习（196）
• 7．1　联结学习概述（196）
• 7．1．1　联结学习的生理学基础（196）
• 7．1．2　联结学习规则（197）
• 7．2　感知器学习（198）
• 7．2．1　单层感知器学习算法（198）
• 7．2．2　单层感知器学习的例子（199）
• 7．2．3　多层感知器学习问题（200）
• 7．3　BP网络学习（201）
• 7．3．1　BP网络学习的基础（201）
• 7．3．2　BP算法的传播公式（202）
• 7．3．3　BP网络学习算法（205）
• 7．3．4　BP网络学习的讨论（206）
• 7．4　Hopfield网络学习（206）
• 7．4．1　Hopfield网络的能量函数（206）
• 7．4．2　Hopfield网络学习算法（207）
• 习题7 （208）
• 第8章　分布智能（209）
• 8．1　分布智能概述（209）
• 8．1．1　分布智能的概念（209）
• 8．1．2　分布式问题求解（210）!
• 8．1．3　多Agent系统（211）
• Ⅹ 人工智能原理及其应用（第3版）
• 8．2　Agent的结构（213）
• 8．2．1　Agent的机理（213）
• 8．2．2　反应Agent的结构（214）
• 8．2．3　认知Agent的结构（214）
• 8．2．4　混合Agent的结构（215）
• 8．3　多Agent系统（215）
• 8．3．1　Agent通信（215）
• 8．3．2　多Agent合作（220）
• 8．4　移动Agent （226）
• 8．4．1　移动Agent系统的一般结构（226）
• 8．4．2　移动Agent的实现技术及应用（227）
• 习题8 （229）
• 第9章　智能应用简介（230）
• 9．1　自然语言理解简介（230）
• 9．1．1　自然语言理解的基本概念（230）
• 9．1．2　词法分析（232）
• 9．1．3　句法分析（233）
• 9．1．4　语义分析（237）
• 9．2　专家系统简介（239）
• 9．2．1　专家系统概述（239）
• 9．2．2　基于规则和基于框架的专家系统（243）
• 9．2．3　模糊专家系统和神经网络专家系统（245）!
• 9．2．4　基于Web的专家系统（247）
• 9．2．5　分布式和协同式专家系统（248）
• 9．2．6　专家系统的开发（250）
• 习题9 （255）
• 附录A　人工智能课程实验大纲（257）
• A．1　分章实验（257）
• 分章实验1　简单动物识别系统的知识表示（第2章） （257）
• 分章实验2　简单动物识别系统的推理（第2章） （257）
• 分章实验3　简单的一字棋游戏（第3章） （258）
• 分章实验4　简单的遗传优化（第4章） （258）
• 分章实验5　简单的可信度推理（第5章） （258）
• 分章实验6　简单的单层感知器分类（第7章） （259）
• A．2　综合实验（259）
• 综合实验1　智能五子棋游戏（259）
• 综合实验2　基于BP网络的预测或评价系统（259）
• 综合实验3　基于Web的不确定推理专家系统（260）
• 参考文献（261）