人工智能技术与方法PDF电子书下载

第1章 绪论 1

1.1人工智能的研究 1

1.1.1智能的含义 1

1.1.2人工智能的定义 2

1.1.3人工智能的研究方法 3

1.2人工智能的发展 4

1.2.1形成及第一个兴旺期（19561966） 4

1.2.2萧条波折期（1967—1974） 5

1.2.3第二个兴旺期（19751998） 6

1.3人工智能的研究与应用 7

第2章 知识表示 10

2.1知识的基本概念 10

2.1.1知识的特性 11

2.1.2知识的分类 12

2.1.3知识的表示方法 13

2.2谓词逻辑表示 15

2.2.1命题逻辑 15

2.2.2谓词逻辑 18

2.3产生式表示 21

2.3.1产生式表示法 21

2.3.2产生式系统 22

2.3.3产生式系统的工作过程 24

2.3.4产生式系统的主要优缺点 24

2.4语义表示 25

2.4.1语义网络 25

2.4.2常用语义联系 26

2.4.3语义网络求解问题的过程 28

2.4.4语义网络表示法的主要优点 28

2.5框架表示 28

2.5.1框架的组成结构 29

2.5.2常用的标准槽名 31

2.5.3架系统中问题的求解 34

2.6脚本表示 34

第3章 基本推理原理 38

3.1推理的基本概念 38

3.1.1什么是推理 38

3.1.2推理方法及其分类 38

3.1.3推理的控制策略及其分类 42

3.2推理的逻辑基础 44

3.2.1谓词公式的解释 44

3.2.2谓词公式的永真性与可满足性 46

3.2.3谓词公式的范式 46

3.2.4 置换与合一 47

3.3自然演绎推理 49

3.4归结演绎推理 50

3.4.1子句集及其化简 51

3.4.2海伯伦理论 54

3.4.3鲁宾逊归结原理 54

第4章 不确定推理 60

4.1不确定推理概述 60

4.1.1不确定推理的概念 60

4.1.2不确定推理的基本问题 61

4.1.3不确定性推理的方法 63

4.2确定性方法 63

4.2.1.可信度的概念 64

4.2.2证据不确定性的表示 64

4.2.3知识不确定性的表示 65

4.2.4不确定性的推理计算 66

4.2.5可信度方法应用举例 67

4.3主观Bayes方法 69

4.3.1知识不确定性的表示 69

4.3.2证据不确定性的表示 71

4.3.3不确定性的传递算法 71

4.3.4举例 74

4.3.5主观Bayes方法的主要优缺点 75

4.4证据理论 76

4.4.1知识的不确定表示 76

4.4.2知识的不确定性的表示 83

4.4.3证据的不确定性的表示 83

4.4.4推理计算 83

4.4.5举例 85

4.4.6证据理论的主要优缺点 86

第5章 搜索原理 87

5.1搜索原理概述 87

5.1.1搜索的概念 87

5.1.2搜索方法的分类 88

5.1.3状态空间、搜索空间和解路径 89

5.1.4搜索成本 89

5.2盲目搜索策略 91

5.2.1回溯策略 91

5.2.2图搜索策略 95

5.2.3深度优先搜索 98

5.2.4宽度优先搜索 100

5.2.5等代价搜索 102

5.3启发式搜索 105

5.3.1启发式搜索概述 105

5.3.2启发式搜索算法A 112

5.3.3爬山策略搜索 114

5.3.4启发式搜索算法A 115

5.4博弈树搜索 121

5.4.1博弈树搜索的概念 121

5.4.2 Gndy博弈（完全取胜策略） 123

5.4.3极小极大分析法 125

5.4.4极小极大分析法实例 126

5.4.5关于棋局态势p的静态估计函数f（p）的进一步讨论 128

5.4.6α-β剪枝 128

5.4.7其他改进方法 132

第6章 模糊逻辑与推理技术 134

6.1模糊逻辑 134

6.1.1基本概念 134

6.1.2模糊集合定义 136

6.1.3模糊集合表示方法 138

6.1.4模糊集合的运算 139

6.1.5隶属函数 142

6.1.6分解定理 144

6.2模糊规则与推理 147

6.2.1模糊语言 147

6.2.2模糊关系 150

6.2.3扩展原理 153

6.2.4模糊规则与推理 156

6.2.5模糊推理系统 168

6.2.6模糊控制器 171

第7章 神经网络 178

7.1概述 178

7.1.1基本概念 178

7.1.2人工神经元 181

7.1.3神经网络结构与学习 182

7.1.4神经网络的发展 189

7.1.5神经网络的特点 190

7.2人工神经网络 192

7.2.1感知器 192

7.2.2自适应线性单元 198

7.2.3多层前向网络 201

7.2.5神经网络的应用 211

第8章 进化计算 218

8.1绪论 218

8.1.1遗传与进化的概念 218

8.1.2遗传算法（GA） 221

8.2遗传算法基本原理 228

8.2.1遗传算法的基本内容 228

8.2.2适应度函数 230

8.2.3遗传算法的编码 232

8.2.4遗传算子 234

8.2.5模式理论 237

参考文献 244