第1章 人工智能概述 1
1.1人工智能的概念 1
1.1.1什么是人工智能 1
1.1.2为什么要研究人工智能 1
1.1.3人工智能的目标 2
1.1.4人工智能的表现形式 3
1.2人工智能的研究途径与方法 3
1.2.1结构模拟，神经计算 3
1.2.2功能模拟，符号推演 4
1.2.3行为模拟，控制进化 4
1.3人工智能的分支领域 5
1.3.1基于脑功能模拟的领域划分 5
1.3.2基于研究途径与实现技术的领域划分 8
1.3.3基于应用领域的领域划分 9
1.3.4基于应用系统的领域划分 13
1.3.5基于计算机系统结构的领域划分 14
1.3.6基于实现工具与环境的领域划分 14
1.3.7基于体系结构的领域划分 15
1.4人工智能的基本技术 15
1.4.1推理技术 16
1.4.2搜索技术 16
1.4.3知识表示与知识库技术 17
1.4.4 归纳技术 17
1.4.5联想技术 17
1.5人工智能的发展概况 18
1.5.1人工智能学科的产生 18
1.5.2符号主义途径发展概况 18
1.5.3连接主义途径发展概况 20
第9章 机器学习 21
1.5.4当前发展趋势 21
1.5.5我国人工智能研究发展简况 22
习题一 23
第2章 人工智能程序设计语言 24
2.1综述 24
2.1.1函数型语言 24
2.1.2逻辑型语言 24
2.1.3面向对象语言 25
2.1.4混合型语言 25
2.2函数型程序设计语言LISP 26
2.2.1 LISP的程序结构与运行机制 26
2.2.2 S－表达式 27
2.2.3基本函数 28
2.2.4 自定义函数 31
2.2.5程序举例 31
2.3逻辑型程序设计语言PROLOG 32
2.3.1 PROLOG的语句 32
2.3.2PROLOG程序 34
2.3.3 PROLOG程序的运行机理 35
2.4.1 Turbo PROLOG的程序结构 38
2.4 Turbo PROLOG程序设计 38
2.4.2 Turbo PROLOG的数据与表达式 40
2.4.3输入与输出 43
2.4.4分支与循环 44
2.4.5动态数据库 45
2.4.6表处理与递归 46
2.4.7回溯控制 49
2.4.8程序举例 50
习题二 53
第3章 基于谓词逻辑的机器推理 55
3.1一阶谓词逻辑 55
3.1.1谓词、函数、量词 55
3.1.2谓词公式 56
3.1.3谓词逻辑中的形式演绎推理 58
3.2归结演绎推理 62
3.2.1子句集 62
3.2.2命题逻辑中的归结原理 64
3.2.3替换与合一 66
3.2.4谓词逻辑中的归结原理 69
3.3应用归结原理求取问题答案 71
3.4归结策略 73
3.4.1问题的提出 73
3.4.2几种常用的归结策略 75
3.4.3归结策略的类型 79
3.5归结反演程序举例 80
3.6 Horn子句归结与逻辑程序 82
3.6.1子句的蕴含表示形式 82
3.6.2 Horn子句与逻辑程序 83
3.7.2基于规则的演绎推理 84
3.7.3王浩算法 84
3.7.1 Bledsoe自然演绎法 84
3.7非归结演绎推理 84
习题三 85
第4章 图搜索技术 87
4.1状态图搜索 87
4.1.1状态图 87
4.1.2状态图搜索 88
4.1.3穷举式搜索 91
4.1.4启发式搜索 93
4.1.5加权状态图搜索 95
4.1.6启发式图搜索的A算法和A算法 97
4.1.7状态图搜索策略小结 98
4.2状态图问题求解 99
4.2.1问题的状态图表示 99
4.2.2状态图问题求解程序举例 102
4.3与或图搜索 109
4.3.1与或图 109
4.3.2与或图搜索 111
4.3.3启发式与或树搜索 112
4.4与或图问题求解 116
4.4.1问题的与或图表示 116
4.4.2与或图问题求解程序举例 118
4.5博弈树搜索 119
4.5.1博弈树的概念 119
4.5.2极小极大分析法 120
习题四 122
4.5.3α-β剪枝技术 122
第5章 产生式系统 125
5.1产生式规则 125
5.1.1产生式规则 125
5.1.2基于产生式的推理模式 126
5.2产生式系统 126
5.2.1产生式系统的组成 126
5.2.2产生式系统的运行过程 127
5.2.3控制策略与常用算法 127
5.3产生式系统与图搜索 130
5.4产生式系统的应用 131
5.5.1产生式规则的程序语言实现 132
5.5产生式系统的程序实现 132
5.5.3动态数据库的程序实现 134
5.5.4推理机的程序实现 134
5.5.2规则库的程序实现 134
习题五 135
第6章 知识表示 136
6.1知识及其表示 136
6.1.1知识的概念 136
6.1.2知识表示 137
6.1.3知识表示的语言实现 138
6.2框架 138
6.2.1框架的概念 138
6.2.2框架的表达能力 140
6.2.3基于框架的推理 141
6.2.4框架的程序语言实现 142
6.3语义网络 143
6.3.1语义网络的概念 143
6.3.2语义网络的表达能力 144
6.3.3基于语义网络的推理 147
6.3.4语义网络的程序语言实现 147
6.4面向对象知识表示 148
习题六 150
第7章 不确定性处理 152
7.1不确定性及其类型 152
7.2不确定性知识的表示 153
7.2.1随机性知识的表示 153
7.2.2模糊性知识的表示 155
7.2.3模糊集合与模糊逻辑 156
7.2.4多值逻辑 158
7.2.5非单调逻辑 158
7.2.6时序逻辑 159
7.3不确定性推理的一般模式 159
7.4确定性理论 160
7.5证据理论 161
7.5.1基本概念 161
7.5.2基于证据理论的不确定性推理 164
7.6模糊推理 166
7.6.1语言变量，语言值 166
7.6.2用模糊（关系）集合表示模糊规则 166
7.6.3模糊关系合成 167
7.6.4基于关系合成的模糊推理 168
7.6.5模糊推理的应用与发展 169
习题七 170
第8章 专家系统 172
8.1专家系统的概念 172
8.1.1什么是专家系统 172
8.1.3专家系统的类型 173
8.1.2专家系统的特点 173
8.1.5专家系统与知识工程 174
8.1.4专家系统与知识系统 174
8.1.6专家系统与人工智能 175
8.2专家系统的结构 175
8.2.1概念结构 175
8.2.2实际结构 176
8.2.3网络与分布式结构 178
8.2.4黑板模型 178
8.3专家系统的应用与发展概况 180
8.3.1专家系统的意义 180
8.3.2专家系统的应用 180
8.3.3专家系统的发展概况 181
8.4专家系统实例 185
8.4.1 PROSPECTOR的功能与结构 185
8.4.2知识表示 186
8.4.3主观贝叶斯推理模型 191
8.4.4控制策略 196
8.4.5解释系统 . 197
8.5专家系统设计与实现 198
8.5.1一般步骤与方法 198
8.5.2快速原型与增量式开发 199
8.5.3知识获取 199
8.5.4知识表示与知识描述语言设计 200
8.5.5知识库与知识库管理系统设计 200
8.5.6推理机与解释功能设计 202
8.5.7系统结构设计 203
8.5.8人机界面设计 204
8.6专家系统开发工具与环境 204
8.6.1专家系统开发工具 204
8.6.2专家系统开发环境 206
8.7.2模糊专家系统 207
8.7.1深层知识专家系统 207
8.7新一代专家系统研究 207
8.7.4大型协同分布式专家系统 208
8.7.3神经网络专家系统 208
8.7.5网上（多媒体）专家系统 209
8.7.6事务处理专家系统 209
习题八 209
9.1符号学习 211
9.1.1记忆学习 211
9.1.2传授学习 212
9.1.3演绎学习 213
9.1.4类比学习 213
9.1.5示例学习 213
9.1.6发现学习 215
9.1.7解释学习 216
9.2神经网络学习 217
9.2.2人工神经元 218
9.2.1生物神经元 218
9.2.3神经网络 219
9.2.4神经网络学习 221
9.2.5 BP网络及其学习举例 223
9.2.6神经网络模型 225
9.3知识发现与数据挖掘 227
9.3.1知识发现的一般过程 227
9.3.2知识发现的任务 228
9.3.3知识发现的方法 229
9.3.4知识发现的对象 229
9.4遗传算法 230
习题九 232
第10章 自然语言理解 233
10.1简单句理解 233
10.1.1理解的实现过程 233
10.1.2语法分析 234
10.1.3语义分析 236
10.2复合句理解 236
10.3转换文法和转换网络 238
10.3.1转换文法 238
10.3.2转换网络 239
习题十 240
第11章 智能化网络 241
11.1智能网络 241
11.1.1什么是智能网络 241
11.1.2为什么要建智能网 242
11.2 网络的智能化管理与控制 243
11.3网上信息的智能化检索 244
11.3.1搜索引擎 244
11.3.2智能搜索引擎 244
习题十一 246
11.3.3基于Agent的网上信息查询 246
第12章 Agent技术 247
12.1什么是Agent 247
12.2 Agent的类型 247
12.3 Agent的结构 248
12.4 多Agent系统 248
12.5Agent的实现工具 250
12.6 Agent技术的发展与应用 250
12.7智能机器人简介 251
习题十二 255
上机实习指导 256
实习一 PROLOG语言编程练习 256
实习二 图搜索问题求解 257
实习三 小型专家系统（原型）设计 257
名词索引 261
主要参考文献 271