第1章 绪论 1
1.1 人工智能的基本概念 1
1.2 人工智能的发展简史 6
1.3 人工智能研究的基本内容 10
1.4 人工智能的主要研究领域 12
1.5 小结 22
思考题 22
第2章 知识表示 23
2.1 知识与知识表示的概念 23
2.2 一阶谓词逻辑表示法 27
2.3 产生式表示法 36
2.4 框架表示法 44
2.5 语义网络表示法 49
2.6 小结 56
思考题 57
习题 58
第3章 确定性推理方法 60
3.1 推理的基本概念 60
3.2 自然演绎推理 69
3.3 谓词公式化为子句集的方法 71
3.4 海伯伦定理 76
3.5 鲁宾逊归结原理 78
3.6 归结反演 82
3.7 应用归结原理求解问题 85
3.8 小结 88
思考题 89
习题 89
第4章 不确定性推理方法 92
4.1 不确定性推理中的基本问题 92
4.2 概率方法 95
4.3 主观 Bayes方法 98
4.4 可信度方法 109
4.5 证据理论 112
4.6 模糊推理方法 120
4.7 模糊控制 136
4.8 小结 148
思考题 150
习题 150
第5章 搜索求解策略 154
5.1 搜索的概念 154
5.2 状态空间知识表示方法 156
5.3 盲目的图搜索策略 160
5.4 启发式图搜索策略 169
5.5 与/或图搜索策略 179
5.6 小结 182
思考题 183
习题 184
第6章 进化算法及其应用 185
6.1 进化算法的产生与发展 185
6.2 基本遗传算法 187
6.3 遗传算法的改进算法 206
6.4 基于遗传算法的生产调度方法 212
6.5 差分进化算法及其应用 219
6.6 量子进化算法及其应用 223
6.7 小结 233
思考题 234
习题 234
第7章 群智能算法及其应用 236
7.1 群智能算法产生的背景 236
7.2 粒子群优化算法 237
7.3 量子粒子群优化算法 241
7.4 粒子群优化算法的应用 245
7.5 基本蚁群算法 248
7.6 改进蚁群算法 252
7.7 蚁群算法的应用 257
7.8 小结 259
思考题 260
第8章 人工神经网络及其应用 261
8.1 神经元与神经网络 261
8.2 BP神经网络及其学习算法 264
8.3 BP神经网络的应用 268
8.4 Hopfield神经网络及其改进 273
8.5 Hopfield神经网络的应用 283
8.6 Hopfield神经网络优化方法求解JSP 289
8.7 卷积神经网络及其应用 300
8.8 小结 308
思考题 309
习题 310
第9章 机器学习 313
9.1 机器学习的基本概念 313
9.2 符号学习 320
9.3 知识发现与数据挖掘 335
9.4 深度学习 340
9.5 小结 351
思考题 352
第10章 专家系统 354
10.1 专家系统的产生和发展 354
10.2 专家系统的概念 355
10.3 专家系统的工作原理 360
10.4 知识获取的主要过程与模式 363
10.5 专家系统的建立 367
10.6 专家系统实例 372
10.7 专家系统的开发工具 381
10.8 小结 387
思考题 387
第11章 自然语言理解及其应用 388
11.1 自然语言理解的概念与发展历史 388
11.2 语言处理过程的层次 390
11.3 词法分析 391
11.4 句法分析 392
11.5 语义分析 398
11.6 基于语料库的大规模文本处理 401
11.7 机器翻译 405
11.8 语音识别 409
11.9 基于隐马尔可夫模型的语音识别方法 413
11.10 小结 416
思考题 418
习题 418
附录A 部分习题解答 419
附录B 实验指导书 436
参考文献 450