人工智能及其应用PDF电子书下载

写在前面 1

编译者的话 1

第一章 绪论 1

第一节 人工智能 1

1.1.1 人工智能的起源 1

1.1.2 计算机与人工智能 2

第二节 人工智能的现状与应用 3

1.2.1 问题求解 4

1.2.2 逻辑推理与定理证明 4

1.2.3 自然语言处理 5

1.2.4 自动程序设计 5

1.2.5 学习 6

1.2.6 专家系统 6

1.2.9 智能检索系统 7

1.2.8 机器视觉 7

1.2.7 机器人学 7

1.2.10 组合和调度问题 8

1.2.11 系统与表达语言 8

第三节 问题求解 9

1.3.1 问题求解与人工职能 9

1.3.2 难题与博弈 10

1.3.3 问题状态与算符 10

1.3.4 归约在问题求解中的应用 11

1.3.5 逻辑在问题求解中的应用 13

第四节 机器人规划 14

第五节 专家系统 16

第二章 状态空间问题求解 19

第一节 状态空间的表示 19

2.1.1 状态描述 19

2.1.2 算符与重写规则 20

2.1.3 目标状态 21

2.1.4 图示法 22

第二节 状态空间表示举例 23

第三节 搜索过程要点 29

第四节 状态空间搜索策略 31

2.4.1 图搜索策略 31

2.4.2 启发式搜索策略 34

第五节 宽度优先搜索 34

2.5.1 定义 34

2.5.2 算法 35

2.5.3 例题 36

2.5.4 等费用搜索及其算法 38

第六节 深度优先搜索 40

2.6.1 定义 40

2.6.2 算法 40

2.7.1 估价函数的应用 44

第七节 启发式搜索 44

2.7.2 有序状态空间搜索算法 45

2.7.3 A算法 47

2.7.4 双向搜索 49

第八节 A算法几个问题的讨论 50

2.8.1 A算法的可纳性 50

2.8.2 A算法的最优性 52

2.8.3 h的单调限制 53

2.8.4 h的启发能力 55

第九节 搜索性能的量度 58

2.9.1 渗透率 58

2.9.2 有效分枝系数 58

习题 60

第三章 问题归约 62

第一节 问题归约描述 62

3.1.1 示例 62

3.1.3 问题归约算符 65

3.1.2 问题归约描述 65

3.1.4 本原问题描述 66

第二节 与或图表示 66

3.2.1 与或图 66

3.2.2 与或图构成规则 68

3.2.3 问题归约表示举例 69

第三节 问题归约中的规划机理 74

3.3.1 问题的三元状态 74

3.3.2 关键算符 75

3.3.3 差别 75

第四节 与或图的盲目搜索 78

3.4.1 与或图搜索过程 79

3.4.2 与或树的宽度优先搜索 80

3.4.3 与或树的深度优先搜索 82

3.5.1 解树的费用 84

第五节 与或树的有序搜索 84

3.5.2 费用估计在直接搜索中的应用 85

3.5.3 与或树的有序搜索算法 85

第六节 AO算法 88

3.6.1 与或图的解图及其费用 88

3.6.2 与或图的一种启发式搜索程序--AO算法 90

第七节 博弈树搜索 93

3.7.1 博弈与博弈树 93

3.7.2 博弈树搜索的极大极小过程 95

3.7.3 α-β过程 98

习题 100

第四章 人工智能中的谓词演算 102

第一节 谓词演算 102

4.1.1 命题逻辑及其局限性 102

4.1.2 句法和语义 103

4.1.3 连词和量词 104

4.2.2 合适公式的性质 105

第二节 谓词公式 105

4.2.1 谓词公式的定义 105

4.2.3 推理规则、定理与证明 107

4.2.4 永真性和可满足性 107

第三节 置换与合一 108

第四节 归结原理 110

4.4.1 化为子句形的步骤 110

4.4.2 归结推理规则 112

4.4.3 含有变量子句的归结 113

习题 115

第五章 谓词演算在人工智能中的应用 117

第一节 谓词演算在定理证明中的应用 117

5.1.1 归结反演 117

5.1.2 归结搜索策略 119

第三节 改进策略 121

5.2.3 包孕消去法 121

5.2.2 谓词估算消去法 121

5.2.1 重言式消去法 121

第二节 简化策略 121

5.3.1 支持集策略 122

5.3.2 线性输入形(藤形)策略 123

5.3.3 祖先过滤形策略 124

5.3.4 模型策略 125

5.3.5 组合策略 126

第四节 有序策略 127

第五节 由归结反演求取答案的方法 127

5.5.1 问题求解中的谓词演算 128

5.5.2 答案求取过程 129

5.5.3 含有全称量化变量的目标公式 133

第六节 谓词演算在问题求解中的应用 135

第七节 中间-结局分析 141

5.7.1 目标与方法 142

5.7.2 GPS工作步骤与算法 143

5.7.3 操作符选择与深度界限 145

5.7.4 例题 145

习题 150

第六章 规则演绎系统 153

第一节 基于规则的正向演绎系统 154

6.1.1 事实表达式的与或形变换 154

6.1.2 事实表达式的与或图表示 154

6.1.3 与或图的F规则变换 155

6.1.4 作为终止条件的目标公式 157

6.1.5 含有变量的表达式 158

第二节 基于规则的逆向演绎系统 161

6.2.1 目标表达式的与或形式 161

6.2.2 与或图的B规则变换 162

6.2.3 作为终止条件的事实节点的一致解图 162

6.2.4 逆向演绎系统举例 164

第三节 基于规则的双向组合演绎系统 171

习题 173

第七章 机器人问题求解与规划 175

7.2.1 应用规则的选择 179

7.2.2 应用规则 179

第二节 规划系统的任务 179

7.2.3 解答检验 181

7.2.4 空端(死端)检验 182

7.2.5 几乎正确答案的修正 182

第三节 三角表规划法 183

第四节 STRIPS系统 185

第五节 具有学习能力的机器人规划系统 192

7.5.1 系统的结构 193

7.5.2 系统的操作方式 194

7.5.3 系统的规划性能 194

第六节 应用演绎系统的机器人规划 195

第一节 机器人问题求解 195

7.6.1 格林表示法 196

7.6.2 科瓦尔斯基表示法 198

第七节 应用目标集的非线性规划 199

第八节 分层规划 204

习题 207

第八章 计算机视觉引论 210

第一节 图象理论 210

8.1.1 视觉系统的表达法 210

8.1.2 边缘距离的计算 214

8.1.3 表面方向的计算 222

第二节 积木世界景物分析 229

8.2.1 积木世界景物分析及标志线条 229

8.2.2 无断裂和阴影时三面顶点的标志方法 231

8.2.3 有断裂和阴影时线条图的分析 236

8.2.4 实验检验 239

第三节 用于计算机视觉的知识表达方法 243

8.3.1 视觉信息的语义网络表达 243

8.3.2 位置网络 244

第九章 专家系统介绍及知识表达方法 248

第一节 专家系统介绍 248

9.1.1 什么是专家系统 248

9.1.2 为什么要建立专家系统 248

9.1.3 专家系统的组成 249

9.1.4 建立专家系统的过程 249

第二节 知识表达方法 251

9.2.1 引言 251

9.2.2 语义网络 252

9.2.3 框架 265

9.2.4 单元 269

9.2.5 剧本 274

10.1.1 产生式系统的组成 277

第一节 引言 277

第十章 产生式系统(基于规则的系统) 277

10.1.2 冲突解决策略 278

第二节 用于综合的产生式系统 279

10.2.1 用于食品装袋的综合系统BAGGER 283

第三节 用于分析的产生式系统 283

10.3.1 动物识别系统IDENTIFIER 283

10.3.2 产生式系统的与或树 287

10.3.3 产生式系统的推理过程解释 288

第四节 不确定性 289

10.4.1 关于证据的不确定性 290

10.4.2 关于结论的不确定性(规则的不确定性) 290

10.4.3 多个规则支持同一事实时的不确定性 291

第五节 设计举例--EXPERT 292

10.5.1 引言 292

10.5.2 专家知识的描述 293

10.5.3 使用知识 297

10.5.4 决策的解释 300

第六节 设计专家系统的技巧 301

第七节 专家系统的试验和评价的简介 302

10.7.1 为什么要评价专家系统 302

10.7.2 评价专家系统的方法 302

10.7.3 评价专家系统的内容 303

第十一章 专家系统示例 305

第一节 DENDRAL 305

11.1.1 启发式DENDRAL 306

11.1.2 Meta-DENDRAL 309

第二节 R1(或XCOM) 312

11.3.2 Hearsay-Ⅱ的问题解决模型 312

11.2.1 上下文 313

11.2.2 部件信息和约束知识 313

11.2.3 产生式系统结构 316

11.2.5 R1的性能 317

11.2.4 搜索策略 317

第三节 HEARSAY-Ⅱ 319

11.3.1 不确定性和假设的解释 319

11.3.3 Hearsay-Ⅱ的结构 323

11.3.4 Hearsay-Ⅱ作为问题解决系统的优点 324

第四节 MYCIN 327

11.4.1 咨询子系统 329

11.4.2 静态数据库(知识库) 330

11.4.3 动态数据库 334

11.4.4 非精确推理 336

11.4.5 控制策略 338

第十二章 用于人工智能的程序语言 343

第一节 概述 343

第二节 PROLOG 344

12.2.1 PROLOG入门 345

12.2.2 回溯 348

12.2.3 通用数据结构 349

12.2.4 回溯的控制 351

12.2.5 模式匹配 352

12.2.6 语法规则 356

12.2.7 应用 357

第三节 LISP 357

12.3.1 使用 359

12.3.2 实际的LISP函数 361

12.3.3 LISP数据库 365

12.3.4 递归和迭代 366

12.3.5 变量的域 369

12.3.6 用LISP实现产生式系统的举例 370

参考文献 376

汉英术语对照表 378

英汉术语对照表 391