绪论 1
0.1 人工智能的研究目标 1
0.2 人工智能发展简史 3
0.3 人工智能研究的课题 7
第一章 产生式系统 14
1.1 产生式系统的组成部分 14
1.2 产生式系统的基本过程 23
1.3 产生式系统的控制策略 23
1.4 问题的表示 32
1.5 产生式系统的类型 35
1.6 小结 47
习题 48
第二章 产生式系统的搜索策略 50
2.1 回溯策略(Backtracking Strategies) 51
2.2 图搜索策略 57
2.3 无信息图搜索过程 60
2.4 启发式图搜索过程 61
2.5 搜索算法讨论 89
2.6 小结 97
习题 98
3.1 与或图的搜索 101
第三章 可分解产生式系统的搜索策略 101
3.2 与或图的启发式搜索算法AO4 105
3.3 博弈树的搜索 110
3.4 小结 123
习题 124
第四章 人工智能中的谓词演算及应用 126
4.1 一阶谓词演算的基本体系 126
4.2 归结(消解Resolution) 129
4.3 归结反演系统(Refutation) 138
4.4 基于归结法的问答系统 144
4.5 基于归结的自动程序综合 153
4.6 基于归结的问题求解方法 157
4.7 基于规则的正向演绎系统 162
4.8 基于规则的逆向演绎系统 172
4.9 基于规则的演绎系统的几个问题 180
4.10 小结 181
习题 182
第五章 人工智能系统规划方法 187
5.1 规划(Planning) 187
5.2 机器人问题求解 189
5.3 规划的表示问题 195
5.4 使用目标堆栈的简单规划方法 198
5.5 用目标集的非线性规划方法 208
5.6 分层规划方法 214
5.7 小结 223
习题 224
第六章 人工智能语言 227
6.1 LISP 228
6.2 PLANNER 255
6.3 PROLOG 258
6.4 专家系统工具 263
6.5 小结 269
习题 270
第七章 知识表示 271
7.1 单元表示 272
7.2 语义网络 279
7.3 概念从属 283
7.4 框架 290
7.5 脚本 295
7.6 过程表示 299
7.7 小结 303
习题 303
第八章 自然语言理解 305
8.1 引言 305
8.2 简单句理解 311
8.3 复合句理解 316
8.4 语言生成 320
8.5 机器翻译 321
8.6 小结 322
习题 323
第九章 感知 325
9.1 感知问题概述 325
9.2 求解感知问题所使用的技术 327
9.3 约束满足法 329
习题 339
9.4 小结 339
第十章 学习 340
10.1 概述 340
10.2 机器学习的分类 342
10.3 机械(或死记)学习(Rote Learning) 345
10.4 指点或教授学习(Learning by being told) 347
10.5 类比学习(Learning by Analogy) 348
10.6 概念学习(Concept Learning) 352
10.7 发现学习(Discovery as Learning) 357
10.8 小结 358
习题 358
参考文献 360