人工智能技术与智能机器人PDF电子书下载

第1章 搜索策略 7

1.1搜索概述 7

1.2状态图搜索 7

1.2.1盲目搜索 7

1.2.2启发式搜索 7

1.2.3A和A*搜索 8

1.2.4 A*算法在移动机器人路径规划中的应用 10

1.3与或树搜索 14

1.3.1与或树基础 14

1.3.2代价计算 16

1.3.3有序搜索 17

1.4博弈对策 18

1.4.1博弈树 18

1.4.2极大极小分析法 19

1.4.3 α-β剪枝技术 19

第2章 确定性推理 21

2.1推理概述 21

2.1.1推理定义 21

2.1.2推理方式及分类 21

2.1.3推理方向 23

2.1.4模式匹配与冲突消解 27

2.2自然演绎推理 31

2.3消解原理 31

2.3.1子句集 31

2.3.2海伯伦理论 32

2.3.3鲁宾逊消解原理 33

2.4规则演绎 34

2.4.1基于规则的正向演绎推理 34

2.4.2基于规则的逆向演绎推理 35

2.4.3规则双向演绎推理 36

第3章 不确定性推理 37

3.1不确定性推理概述 37

3.1.1不确定性的类型 37

3.1.2不确定性知识表示 38

3.2概率贝叶斯方法 44

3.2.1简单贝叶斯推理 44

3.2.2主观贝叶斯方法 45

3.3非单调推理 54

3.3.1单调推理与非单调推理 54

3.3.2非单调推理系统 54

3.4模糊推理在机器人避障中的应用 59

3.4.1救援机器人的运动学模型 59

3.4.2环境信息分类及其避障行为 60

3.4.3基于模糊推理的避障控制 62

第4章 专家系统 67

4.1专家系统概述 67

4.1.1专家系统的类型 67

4.1.2专家系统的应用 68

4.1.3专家系统的特点 69

4.2专家系统的结构与工作原理 72

4.3知识获取 72

4.3.1知识获取的过程 72

4.3.2知识获取的直接方法 72

4.3.3知识获取的新方法 73

4.4专家系统的建造与评价 74

4.4.1一般步骤与方法 74

4.4.2知识表示 77

4.4.3知识库及其管理系统 77

4.4.4推理机及解释机构 79

4.4.5接口设计 80

4.4.6专家系统评价 80

4.5专家系统的开发工具与开发环境 81

4.6新型专家系统 82

4.7专家系统在智能机器人领域的应用 83

第5章 机器学习 88

5.1机械学习 88

5.1.1主要模式及问题 88

5.1.2应用举例 89

5.2归纳学习 90

5.2.1归纳学习概述 90

5.2.2归纳学习方法 91

5.2.3决策树学习 92

5.3基于案例的推理 93

5.3.1基于案例的推理过程 93

5.3.2基于案例的推理优点及应用 94

5.4解释学习 97

5.4.1解释学习概述 97

5.4.2解释学习框架 97

5.4.3解释学习过程 98

5.5强化学习在机器人系统中的应用 99

5.6自主学习在机器人系统中的应用 107

第6章 自然语言理解 116

6.1自然语言概述 116

6.2语法分析 117

6.2.1转移网络 117

6.2.2扩充转移网络 118

6.3语义解释 119

6.4语言理解 121

6.4.1简单句理解 121

6.4.2复合句理解 123

6.5机器翻译 128

6.6语音识别 128

6.7自然语言理解系统在机器人中的应用 128

6.7.1湖水清污机器人中的自然语言理解系统 128

6.7.2 ASP在服务机器人中的应用 129

第7章 遗传算法 136

7.1概述 136

7.1.1遗传算法与进化论 136

7.1.2遗传算法的发展史 136

7.1.3遗传算法设计的原则及内容 137

7.1.4遗传算法的鲁棒性 138

7.2遗传算法的工作原理 139

7.2.1基本思想 139

7.2.2基本操作 139

7.3经典遗传算法 144

7.3.1参数编码 144

7.3.2种群设定 145

7.3.3适应度函数 145

7.3.4选择 147

7.3.5交叉 149

7.3.6变异 151

7.4高级遗传算法 153

7.4.1选择方法的改进 153

7.4.2遗传算法的改进 154

7.5改进的遗传算法在机器人路径规划中的应用 160

7.6免疫遗传算法在机器人路径规划中的应用 160

7.6.1一种改进的免疫遗传算法 160

7.6.2基于免疫遗传算法的最优路径规划 162