人工智能导论PDF电子书下载

目 录 1

第一章绪论 1

§1.1人工智能的产生和发展简史 1

1.1.1孕育期（1956年以前） 1

1.1.2推理期（1956年～1975年） 2

1.1.3知识期（1976年至今） 4

§1.2人工智能的学科范畴 6

1.2.1人工智能的研究目标 7

1.2.2人工智能的核心课题 7

1.2.3人工智能研究中的学派 9

1.2.4人工智能的基本技术 11

1.2.5人类智能和人工智能 12

1.2.6人工智能研究的特点 14

§1.3人工智能的具体研究领域 15

1.3.1模式识别（Pattern Recognition） 15

1.3.2物景分析（Scene Analysis） 17

1.3.3 自然语言理解（Natural Language Understanding） 17

1.3.4知识库系统（Knowledge Base Systems） 19

1.3.5博弈（Game Playing） 20

1.3.6 自动定理证明（Automatic Theorem Proving） 20

1.3.7自动程序设计（Automatic Programmiag） 21

1.3.8专家系统（Expert System） 22

1.3.9 自然语言生成（Natural Laaguage Snthesis） 22

1.3.10机器人（Robots） 23

1.3.11人工智能的应用和发展方向 24

§1.4研究智能科学的意义 25

1.4.1当前许多学科发展的需要 25

1.4.2第二次科学革命中的核心课题 27

1.4.3人类社会进化新阶段的要求 29

思考题 32

第二章知识表示 33

§2.1适当的表示对问题求解是至关重要的 33

2.1.1问题的同态变换 33

2.1.2麦卡赛问题和火柴问题 35

2.1.3一字棋游戏的不同表示法 37

2.2.1状态、操作和状态空间 39

§2.2状态空间表示法 39

2.2.2修道士和野人问题的状态空间 41

2.2.3梵塔问题的状态空间 43

2.2.4问题求解的基本框架 45

2.2.5重排九宫问题和隐式图 46

§2.3与／或图表示法 48

2.3.1与／或图的基本概念 48

2.3.2问题递简法和与／或图 50

2.3.3解不定积分问题的状态空间 52

2.3.4博弈问题的状态空间 54

习题 55

3.1.1搜索和推理 56

§3.1基本概念 56

第三章搜索 56

3.1.2启发和算法 57

3.1.3隐式图的搜索过程 59

3.1.4搜索效率 61

§3.2基本搜索策略 62

3.2.1广度优先搜索法A*？？ 62

3.2.2深度优先搜索法Ap？ 63

3.2.3有界深度优先搜索法Acd 66

3.2.4分支界限搜索法A*？？ 68

3.2.5瞎子爬山搜索法Ap？ 71

3.2.6代价树的有界深度优先搜索法Ac？ 72

§3.3启发式搜索的基本原理 73

3.3.1估计函数和启发信息 74

3.3.2搜索策略的诸要素和分类 74

3.3.3最好优先搜索法Acf 76

3.3.4局部择优搜索法Apf 76

3.3.5重排九宫问题的启发式搜索 77

§3.4与／或树的启发式搜索 80

3.4.1与／或树求解中的特殊问题 80

3.4.2与／或树的最好优先搜索法AOef 82

3.4.3博弈树的启发式搜索 84

3.4.4剪枝技术 90

§3.5启发式搜索过程的可采纳性和复杂性 91

3.5.1启发信息的形式 91

3.5.2A*算法的若干性质 93

3.5.3搜索的代价和复杂性 96

习题 97

第四章逻辑推理 99

§4.1王浩算法 100

4.1.1基本系统 100

4.1.2规则证明 102

4.1.3定理证明过程 103

§4.2基于谓词逻辑的知识表示技术 105

4.2.1用谓词逻辑表示状态 105

4.2.2用谓词逻辑表示操作 107

4.2.3用谓词逻辑表示知识单元 109

4.3.1公式的解释 112

4.2.4用计算谓词增大表达能力 112

§4.3海伯伦定理 112

4.3.2子句集合 116

4.3.3子句集的海伯伦全域 118

4.3.4海伯伦定理及其改进 121

§4.4鲁滨逊消解原理 124

4.4.1命题逻辑中的消解原理 124

4.4.2代换与合一 126

4.4.3谓词逻辑中的消解原理 129

§4.5消解原理的改进 132

4.6.1问题的提出 132

4.5.2删除策略 133

4.5.3锁消解 135

4.5.4线性消解 137

4.5.5语义消解 138

习题 139

第五章产生式系统 141

§5.1产生式表示法 141

§5.2产生式系统的基本原理 145

6.2.1产生式系统的组成和分类 145

6.2.2回溯式产生式系统 147

5.2.3图搜索式产生式系统 150

5.2.4可交换的产生式系统 151

5.2.5可分解的产生式系统 152

5.2.6高阶的产生式系统 155

5.3.1基于消解原理的产生式系统 156

§5.3产生式系统的实例 156

5.3.2基于自然演绎法的产生式系统 158

5.3.3基于专门知识的产生式系统 164

习题 165

第六章高级问题求解系统 166

§6.1知识的结构表示 166

6.1.1 语义网络（Semantic Network） 166

6.1.2概念从属（Conceptual Dependency） 173

6.1.3特性表表示法 178

6.1.4框架表示法 180

6.1.5剧本 182

6.2.1日程表 184

§6.2复杂系统的组织 184

6.2.2黑板模型 185

§6.3规划与问题求解 186

6.3.1规划可以进一步减缓组合爆炸 186

6.3.2基本规划 187

6.3.3多层规划 190

§6.4意识胞思维模型 193

6.4.1模型的基本原理 193

6.4.2模型的机器实现 201

习题 209

第七章人工智能语言和人工智能机器 210

7.1.1 LISP语言的特点 211

§7.1 LISP语言 211

7.1.2 LISP的数据结构 213

7.1.3基本LISP函数 216

7.1.4 LISP程序设计 220

7.1.5简单实例 226

§7.2 PROLOG语言 238

7.2.1 PROLOG的三种基本语句 239

7.2.2 PROLOG中的数据结构 241

7.2.3递归 242

7.2.4搜索、匹配、回溯 244

7.2.5截断（Cut!） 247

7.2.6算法＋数据结构＝程序设计 248

§7.3人工智能机器 249

7.3.1 LISP机 250

7.3.2日本的五代机计划 250

习题 252

第八章新的进展 254

§8.1非精确性推理 254

8.1.1非单调推理 254

8.1.2非精确性推理的理论框架 255

8.1.3主观Bayes方法 256

8.1.4确定性理论 257

8.1.5其他模型 260

8.2.1死记硬背式学习 262

§8.2机器学习 262

8.2.2参数修正学习 263

8.2.3演绎式学习 263

8.2.4归纳学习 263

8.2.5类比学习法 265

附录一 267

第九章预备知识 267

§9.1 命题逻辑 267

9.1.1命题和命题定律 267

9.1.2范式（Normal Forms） 271

9.1.3命题逻辑中的推论规则 274

§9.2谓词逻辑 275

9.2.1一阶谓词和量词 275

9.2.2含有量词的等价式和蕴含式 279

9.2.3谓词逻辑中的推论规则 281

9.2.4谓词公式的范式 282

§9.3集合与关系 283

9.3.1集合及其基本运算 284

9.3.2二元关系 286

9.3.3模糊集合的一般概念 290

§9.4形式语言 294

9.4.1四类等价的模型 294

9.4.2语言和文法的分型 295

9.4.3各型语言的实例 298

9.5.1一般概念 300

§9.5自动机 300

9.5.2逻辑自动机 301

9.5.3有穷自动机 303

9.5.4图灵机 308

§9.6可计算性 312

9.6.1图灵可计算函数 312

9.6.2递归函数 313

9.6.3递归集合 317

9.6.4过程和算法 318

习题 319

附录二关于组合爆炸问题的三个表 321

附录三LISP系统函数 323

参考文献 327