人工智能原理PDF电子书下载

第1章 绪论 1

1.1人工智能的起源与发展 1

1.2人工智能学术流派 4

1.3人工智能的研究与应用领域 6

第2章 知识表示和推理 10

2.1知识和知识表示的基本概念 10

2.2命题逻辑 12

2.2.1语法 13

2.2.2语义 13

2.2.3命题演算形式系统 14

2.3谓词逻辑 15

2.3.1语法 16

2.3.2语义 19

2.4归结推理 23

2.4.1子句集及其简化 24

2.4.2海伯伦定理 27

2.4.3 Robinson归结原理 31

2.4.4利用 Robinson归结原理实现定理证明 35

2.4.5应用归结原理求解问题 39

2.5产生式系统 40

2.5.1产生式系统的组成部分 42

2.5.2产生式系统的控制策略 42

2.5.3产生式系统的推理方式 43

2.6语义网络表示法 44

2.6.1语义网络的结构 44

2.6.2基本命题的语义网络表示 45

2.6.3语义网络的知识表示方法 47

2.6.4语义网络表示法的特点 51

2.7框架表示法 52

2.8状态空间表示法 54

2.9与或图表示法 55

第3章 图搜索技术 56

3.1问题的提出 56

3.2状态图搜索 58

3.2.1状态图搜索分类 58

3.2.2穷举式搜索 59

3.2.3启发式搜索 62

3.2.4 A算法及A*算法 66

3.3与或图搜索 68

3.3.1与或图 68

3.3.2与或图搜索举例 69

3.4博弈图搜索 73

3.4.1博弈图 73

3.4.2极大极小分析法 74

3.4.3剪枝技术 76

第4章 专家系统 78

4.1专家系统的概述 78

4.1.1专家系统的概念与特点 78

4.1.2专家系统和传统程序的区别 78

4.2专家系统的结构 79

4.3专家系统的设计原则与开发过程 80

4.3.1专家系统的设计原则 80

4.3.2专家系统的开发过程 81

4.4专家系统评价 82

4.5专家系统开发工具 82

4.5.1骨架型开发工具 83

4.5.2语言型开发工具 83

4.5.3构造辅助工具 84

4.5.4支撑环境 84

4.6 Prolog语言 85

4.6.1 Prolog语言的特点 85

4.6.2基本Prolog的程序结构 86

4.6.3 Prolog程序的运行机理 88

4.6.4 Turbo Prolog程序结构 90

4.6.5 Turbo Prolog的数据与表达式 90

4.6.6 Visual Prolog介绍 96

4.6.7 PIE： Prolog的推理机 100

第5章 模糊理论及应用 102

5.1模糊理论的产生与发展 102

5.2模糊理论的数学基础 103

5.2.1经典集合论的基本概念 103

5.2.2模糊集合的基本概念 104

5.2.3模糊关系与复合运算 107

5.3模糊逻辑 109

5.3.1模糊条件语句 109

5.3.2模糊推理 113

5.4模糊控制系统及模糊控制器 115

5.4.1模糊控制系统的基本结构 115

5.4.2模糊控制器 116

5.4.3模糊控制器的设计 117

5.4.4模糊PID控制器的设计 123

5.5模糊聚类分析与模糊模式识别 126

5.5.1模糊聚类分析 127

5.5.2模糊模式识别 131

第6章 机器学习和神经网络 133

6.1机器学习的基本概念和发展史 133

6.2经典机器学习方法 134

6.3基于神经网络的学习 137

6.3.1神经网络概述 137

6.3.2人工神经网络模型 138

6.3.3 BP神经网络 141

6.3.4 RBF神经网络 146

6.3.5 CMAC神经网络 150

6.3.6 Hopfield神经网络 152

6.3.7模糊神经网络 157

6.3.8其他类型的神经网络介绍 160

第7章 混沌理论与混沌神经网络 163

7.1混沌研究的起源与发展 163

7.2混沌的基本特性 164

7.3通往混沌的道路 165

7.4混沌的识别 166

7.4.1定性分析法 167

7.4.2定量分析法 168

7.5混沌应用 169

7.6混沌神经网络 171

7.6.1暂态混沌神经网络 172

7.6.2其他类型的混沌神经网络 173

7.6.3 G-S混沌神经网络应用实例 174

第8章 智能优化计算 179

8.1优化问题的分类 179

8.2优化算法分类 180

8.3梯度优化计算 181

8.4混沌优化 181

8.5模拟退火算法 184

8.6遗传算法 185

8.6.1遗传算法中的关键参数与操作 185

8.6.2遗传算法中的基本流程 192

8.6.3遗传算法的改进 193

8.6.4遗传算法的实现 194

8.7蚁群算法 195

8.7.1蚁群算法的研究现状 195

8.7.2基本蚁群算法的工作原理 196

8.8粒子群算法及应用 198

8.8.1基本粒子群优化算法 198

8.8.2粒子群优化算法的拓扑结构 202

8.9鱼群算法简介 204

8.10混合优化计算方法简介 204

参考文献 206