本书第4版共10章。第1章叙述人工智能的概况和不同学派的认知观。第2章和第3章研究人工智能的知识表示方法和搜索推理技术。第4章探讨不确定性推理的主要方法。第5章阐述计算智能的基本知识。第6章~第10章逐一讨论了人工智能的主要应用领域，包括专家系统、机器学习、自动规划、分布式人工智能和自然语言理解等。与第三版本科生用书相比，许多内容都是第一次出现的，如本体论和非经典推理、粒群优化和蚁群计算、决策树学习和增强学习、词法分析和语料库语言学，以及路径规划和基于Web的专家系统等。其他章节也在第三版的基础上作了相应的修改、精简或补充。 本书可作为高等院校有关专业本科生和研究生的人工智能课程教材，也可供从事人工智能研究与应用的科技工作者学习参考。
目录
- 第1章绪论
- 1.1人工智能的定义与发展
- 1.1.1人工智能的定义
- 1.1.2人工智能的起源与发展
- 1.2人工智能的各种认知观
- 1.2.1人工智能各学派的认知观
- 1.2.2人工智能的争论
- 1.3人类智能与人工智能
- 1.3.1智能信息处理系统的假设
- 1.3.2人类智能的计算机模拟
- 1.4人工智能的研究目标和内容
- 1.4.1人工智能的研究目标
- 1.4.2人工智能研究的基本内容
- 1.5人工智能研究的主要方法
- 1.6人工智能的研究与应用领域
- 1.7本书概要
- 习题
- 第2章知识表示方法
- 2.1状态空间表示
- 2.1.1问题状态描述
- 2.1.2状态图示法
- 2.2问题归约表示
- 2.2.1问题归约描述
- 2.2.2与或图表示
- 2.3谓词逻辑表示
- 2.3.1谓词演算
- 2.3.2谓词公式
- 2.3.3置换与合一
- 2.4语义网络表示
- 2.4.1二元语义网络的表示
- 2.4.2多元语义网络的表示
- 2.4.3语义网络的推理过程
- 2.5框架表示
- 2.5.1框架的构成
- 2.5.2框架的推理
- 2.6本体技术
- 2.6.1本体的概念
- 2.6.2本体的组成与分类
- 2.6.3本体的建模
- 2.7过程表示
- 2.8小结
- 习题
- 人工智能及其应用
- 目录
- 第3章确定性推理
- 3.1图搜索策略
- 3.2盲目搜索
- 3.2.1宽度优先搜索
- 3.2.2深度优先搜索
- 3.2.3等代价搜索
- 3.3启发式搜索
- 3.3.1启发式搜索策略和估价函数
- 3.3.2有序搜索
- 3.3.3A*算法
- 3.4消解原理
- 3.4.1子句集的求取
- 3.4.2消解推理规则
- 3.4.3含有变量的消解式
- 3.4.4消解反演求解过程
- 3.5规则演绎系统
- 3.5.1规则正向演绎系统
- 3.5.2规则逆向演绎系统
- 3.5.3规则双向演绎系统
- 3.6产生式系统
- 3.6.1产生式系统的组成
- 3.6.2产生式系统的推理
- 3.6.3产生式系统举例
- 3.7非单调推理
- 3.7.1缺省推理
- 3.7.2真值维持系统
- 3.8小结
- 习题
- 第4章非经典推理
- 4.1经典推理和非经典推理
- 4.2不确定性推理
- 4.2.1不确定性的表示与量度
- 4.2.2不确定性的算法
- 4.3概率推理
- 4.3.1概率的基本性质和计算公式
- 4.3.2概率推理方法
- 4.4主观贝叶斯方法
- 4.4.1知识不确定性的表示
- 4.4.2证据不确定性的表示
- 4.4.3主观贝叶斯方法的推理过程
- 4.5可信度方法
- 4.5.1基于可信度的不确定性表示
- 4.5.2可信度方法的推理算法
- 4.6证据理论
- 4.6.1证据理论的形式化描述
- 4.6.2证据理论的不确定性推理模型
- 4.6.3推理示例
- 4.7小结
- 习题
- 第5章计算智能
- 5.1概述
- 5.2神经计算
- 5.2.1人工神经网络研究的进展
- 5.2.2人工神经网络的结构
- 5.2.3人工神经网络示例及其算法
- 5.2.4基于神经网络的知识表示与推理
- 5.3模糊计算
- 5.3.1模糊集合、模糊逻辑及其运算
- 5.3.2模糊逻辑推理
- 5.4遗传算法
- 5.4.1遗传算法的基本机理
- 5.4.2遗传算法的求解步骤
- 5.5人工生命
- 5.5.1人工生命研究的起源和发展
- 5.5.2人工生命的定义和研究意义
- 5.5.3人工生命的研究内容和方法
- 5.5.4人工生命实例
- 5.6粒群优化
- 5.6.1群智能和粒群优化概述
- 5.6.2粒群优化算法
- 5.7蚁群算法
- 5.7.1蚁群算法理论
- 5.7.2蚁群算法的研究与应用
- 5.8小结
- 习题
- 第6章专家系统
- 6.1专家系统概述
- 6.1.1专家系统的特点
- 6.1.2专家系统的结构和建造步骤
- 6.2基于规则的专家系统
- 6.2.1基于规则专家系统的工作模型和结构
- 6.2.2基于规则专家系统的特点
- 6.3基于框架的专家系统
- 6.3.1基于框架专家系统的定义、结构和设计方法
- 6.3.2基于框架专家系统的继承、槽和方法
- 6.4基于模型的专家系统
- 6.4.1基于模型专家系统的提出
- 6.4.2基于神经网络的专家系统
- 6.5基于Web的专家系统
- 6.5.1基于Web专家系统的结构
- 6.5.2基于Web专家系统的实例
- 6.6新型专家系统
- 6.6.1新型专家系统的特征
- 6.6.2分布式专家系统
- 6.6.3协同式专家系统
- 6.7专家系统设计
- 6.7.1专家知识的描述
- 6.7.2知识的使用和决策解释
- 6.8专家系统开发工具
- 6.9小结
- 习题
- 第7章机器学习
- 7.1机器学习的定义和发展历史
- 7.1.1机器学习的定义
- 7.1.2机器学习的发展史
- 7.2机器学习的主要策略与基本结构
- 7.2.1机器学习的主要策略
- 7.2.2机器学习系统的基本结构
- 7.3归纳学习
- 7.3.1归纳学习的模式和规则
- 7.3.2归纳学习方法
- 7.4决策树学习
- 7.4.1决策树和决策树构造算法
- 7.4.2决策树学习算法ID3
- 7.5类比学习
- 7.5.1类比推理和类比学习形式
- 7.5.2类比学习过程与研究类型
- 7.6解释学习
- 7.6.1解释学习过程和算法
- 7.6.2解释学习举例
- 7.7神经网络学习
- 7.7.1基于反向传播网络的学习
- 7.7.2基于Hopfield网络的学习
- 7.8知识发现
- 7.8.1知识发现的发展和定义
- 7.8.2知识发现的处理过程
- 7.8.3知识发现的方法
- 7.8.4知识发现的应用
- 7.9增强学习
- 7.9.1增强学习概述
- 7.9.2Q学习
- 7.10小结
- 习题
- 第8章自动规划
- 8.1自动规划概述
- 8.1.1规划的概念和作用
- 8.1.2规划的分类和问题分解途径
- 8.1.3执行规划系统任务的一般方法
- 8.2任务规划
- 8.2.1积木世界的机器人规划
- 8.2.2STRIPS规划系统
- 8.2.3具有学习能力的规划系统
- 8.2.4分层规划
- 8.2.5基于专家系统的机器人规划
- 8.3路径规划
- 8.3.1机器人路径规划的主要方法和发展趋势
- 8.3.2基于模拟退火算法的机器人局部路径规划
- 8.3.3基于免疫进化和示例学习的机器人路径规划
- 8.3.4基于蚁群算法的机器人路径规划
- 8.4轨迹规划简介
- 8.5小结
- 习题
- 第9章分布式人工智能与Agent(真体)
- 9.1分布式人工智能
- 9.2Agent及其要素
- 9.2.1Agent的定义和译法
- 9.2.2真体的要素和特性
- 9.3真体的结构
- 9.3.1真体的抽象结构和结构特点
- 9.3.2真体结构的分类
- 9.4真体通信
- 9.4.1通信的过程
- 9.4.2真体通信的类型和方式
- 9.4.3交谈的规划与实现
- 9.4.4真体的通信语言
- 9.5移动真体和多真体系统
- 9.5.1移动真体的定义和系统构成
- 9.5.2多真体系统的特征和关键技术
- 9.5.3多真体系统的模型和结构
- 9.5.4多真体的协作、协商和协调
- 9.5.5多真体的学习与规划
- 9.5.6多真体系统的研究和应用领域
- 9.6小结
- 习题
- 第10章自然语言理解
- 10.1自然语言理解概述
- 10.1.1语言与语言理解
- 10.1.2自然语言处理的概念和定义
- 10.1.3自然语言处理的研究领域和意义
- 10.1.4自然语言理解研究的基本方法和进展
- 10.1.5自然语言理解过程的层次
- 10.2词法分析
- 10.3句法分析
- 10.3.1短语结构语法
- 10.3.2乔姆斯基形式语法
- 10.3.3转移网络
- 10.3.4扩充转移网络
- 10.3.5词汇功能语法
- 10.4语义分析
- 10.5句子的自动理解
- 10.5.1简单句的理解方法
- 10.5.2复合句的理解方法
- 10.6语料库语言学
- 10.7文本的自动翻译——机器翻译
- 10.8自然语言理解系统的主要模型
- 10.9自然语言理解系统应用举例
- 10.9.1自然语言自动理解系统
- 10.9.2自然语言问答系统
- 10.10小结
- 习题
- 结束语
- 参考文献
- 索引
