第1章 人工智能及其发展 1
1.1 人工智能的诞生、意义与目标 1
1.2 人类智能和人工智能 1
1.2.1 什么是智能 1
1.2.2 什么是人工智能 3
1.3 人工智能的发展与思考 4
1.4 人工智能主要学派及其研究方法 5
1.4.1 人工智能主要学派 5
1.4.2 功能派及其研究方法 6
1.4.3 网络互连（Network Connection）的技术研究方法 7
1.4.4 行为派的研究方法 8
1.5 人工智能系统及其层次结构 9
1.5.1 智能信息论 9
1.5.2 广义智能论 10
1.5.3 智能系统论 10
1.6 人工智能的研究核心与基本技术 11
1.6.1 AI的研究核心 11
1.6.2 AI体系及其基本技术 11
1.6.3 人工智能研究的基本内容 11
1.7.1 专家系统 12
1.7 人工智能应用领域及其分支学科 12
1.7.3 机器感知、机器视觉和模式识别 13
1.7.2 自然语言处理与理解 13
1.7.4 智能机器人 14
1.7.5 机器自动定理证明 14
1.7.6 智能软件工程 14
1.7.7 智能决策支持系统 15
1.7.8 分布式人工智能与多Agent系统 15
1.7.9 人工神经网络 15
1.7.11 脑科学、认知科学与人工智能的发展 16
1.7.10 现代智能通信 16
1.8 人工智能在新世纪的发展展望 17
思考与练习 18
第2章 人工智能逻辑 20
2.1 命题逻辑与谓词逻辑 20
2.1.1 命题逻辑 20
2.1.2 命题和谓词逻辑基础 22
2.2 谓词公式——谓词逻辑表达式 23
2.2.1 谓词公式概念 23
2.2.2 谓词公式的解释 24
2.2.3 谓词公式的永真性判定 25
2.3 谓词逻辑的演算律 25
2.3.1 谓词逻辑等价律 25
2.3.2 谓词逻辑蕴涵律 27
2.3.3 几条重要的推理规则 27
2.4 “非二值”逻辑 27
2.4.1 多值逻辑的演算 28
2.4.2 三值逻辑及其布可阀（Bochvar）逻辑 29
2.4.3 一种非确定性逻辑——概率 30
2.5 模糊逻辑 32
2.5.1 模糊逻辑思想与特性 32
2.5.2 模糊集合（Fuzzy Sets） 32
2.5.3 模糊集的运算 34
2.5.4 λ水平截集、支集、核及模糊单点 35
2.5.5 模糊关系、模糊度与模糊数 36
2.5.6 模糊关系的合成及其语言变量 39
思考与练习 40
3.1 知识表示概述 42
3.1.1 什么是知识 42
第3章 知识与知识表示 42
3.1.2 知识的特性 43
3.1.3 知识的分类及其知识映射原理 44
3.2 谓词逻辑的知识表示 45
3.2.1 用谓词逻辑和公式表达各种意境 45
3.2.2 用谓词逻辑表示知识单元 46
3.2.3 用谓词逻辑描述智能行为过程的求解 47
3.2.4 用谓词逻辑知识表示特性 48
3.3 产生式知识表示与求解 48
3.3.1 产生式的知识表示 49
3.3.2 产生式系统求解及其控制策略 51
3.3.3 产生式知识表示的应用特点 54
3.4 语义网络表示法 55
3.4.1 语义网络知识表示 55
3.4.2 语义网络表示及其求解系统特性 57
3.5 框架知识表示法 59
3.5.1 框架知识表示 59
3.5.2 框架知识表示的结构 60
3.5.3 使用框架的推理 62
3.6.2 使用过程表示法求解九宫问题 64
3.6.1 什么是过程知识表示法 64
3.6 过程知识表示法 64
3.6.3 过程表示法的特点 66
3.7 Petri网模型表示法 67
3.7.1 Petri网表示知识的方法 67
3.7.2 一个使用Petri网建模的实例 67
3.7.3 Petri网表示法的特点 69
3.8 面向对象的知识表示 69
3.8.1 基本概念与特性 69
3.8.2 面向对象的知识表示方法 70
3.8.3 对象模型技术及知识表示特性 71
思考与练习 72
第4章 确定性逻辑推理 74
4.1 推理的基本概念 74
4.1.1 什么是人工智能推理 74
4.1.2 什么是推理 74
4.1.3 推理的方式与类别 74
4.2 推理控制策略 76
4.2.1 推理方向控制策略 77
4.2.2 模式匹配与冲突消解策略 79
4.3 自然演绎推理 80
4.4 消解反演推理系统 82
4.4.1 子句与子句集合 82
4.4.2 Herbrand理论 84
4.4.3 Robinson消解原理 86
4.5 置换与合一运算 91
4.5.1 置换 91
4.5.2 合一运算 91
4.5.3 置换与合一运算举例 93
4.6.1 基于规则的正向演绎推理 95
4.6 基于规则的演绎推理 95
4.6.2 基于规则的逆向演绎推理过程 98
4.6.3 规则双向演绎推理 100
思考与练习 100
第5章 不确定性推理 103
5.1 什么是不确定性推理 103
5.1.1 不确定性推理的概念与现象 103
5.1.2 不确定性的表示与量度 104
5.1.3 不确定性推理方法与算法 105
5.2 基于概率的Bayes简单推理 106
5.3 主观Bayes方法 107
5.3.1 Bayes方法的不确定性表示与计算 108
5.3.2 Bayes方法证据情况分析及其传递计算 109
5.3.3 主观Bayes方法的应用特点 112
5.4 确定性理论 112
5.4.1 可信度因子及其问题的不确定性表示 112
5.4.2 不确定性的计算 114
5.5 模糊推理 116
5.5.1 基于模糊规则的推理及其基本模式 116
5.5.2 基于模糊关系的推理 117
5.5.3 基于模糊规则与关系相结合的模糊推理 119
5.6 非单调推理 121
5.6.1 界限理论 122
5.6.2 缺省理论 122
5.6.3 正确性维持系统 123
思考与练习 124
第6章 搜索策略 128
6.1 概述 128
6.1.1 什么是搜索 128
6.1.2 问题的状态空间图搜索 129
6.2.1 状态、操作和状态空间 130
6.1.3 搜索算法及其过程的完备性概念 130
6.2 状态空间表示法 130
6.2.2 使用状态空间图搜索的问题求解 131
6.2.3 用状态空间法求解传教士和食人者问题 132
6.2.4 庞大状态空间的求解分析 134
6.3 状态空间的基本搜索策略 137
6.3.1 宽度优先搜索 137
6.3.2 深度优先搜索 140
6.3.3 有界深度优先搜索 142
6.3.4 代价树的推进搜索 143
6.3.5 基本搜索策略的局限性及其特点 144
6.4 启发式搜索策略 145
6.4.1 启发式搜索概念 145
6.4.2 估价函数与启发函数 146
6.4.3 关于估价函数的讨论 146
6.5 启发式搜索法 147
6.5.1 瞎子爬山法 147
6.5.2 全局择优搜索法 150
6.5.3 图的有序搜索及其A与A算法 153
6.6.1 与／或树、搜索树及其解树 155
6.6 与／或树的启发式搜索 155
6.6.2 与／或树的代价计算及其计算策略分析 156
6.6.3 与／或树的有序搜索 158
6.7 博弈对策（Game of Chess Strategy） 159
6.7.1 博弈思想及其博弈树 159
6.7.2 博弈树的有序搜索策略 160
思考与练习 163
7.1.1 什么是专家系统 168
7.1.2 专家系统的性能与意义 168
7.1 概述 168
第7章 专家系统 168
7.1.3 专家系统的类型 170
7.1.4 专家系统的发展概况 172
7.2 专家系统的结构与工作原理 173
7.2.1 专家系统的一般结构 173
7.2.2 专家系统的工作原理 175
7.3 专家系统的建造与评价 176
7.3.1 一般步骤与方法 176
7.3.2 知识表示与知识描述 179
7.3.3 知识库与知识库管理系统 180
7.3.4 推理机与解释机构 181
7.3.5 人机界面设计 182
7.3.6 专家系统的评价 182
7.4 专家系统的开发工具 183
7.4.1 智能程序设计语言 184
7.4.2 专家系统外壳 184
7.5 分布式专家系统与协同式专家系统 186
7.4.3 专家系统开发环境 186
7.5.1 分布式专家系统 187
7.5.2 协同式专家系统 189
7.6 专家系统举例 192
7.6.1 系统分析 193
7.6.2 系统结构 193
7.6.3 系统实现 195
7.6.4 系统运行示例 196
思考与练习 196
8.1.1 什么是机器学习 198
8.1.2 知识获取概念与方法 198
第8章 机器学习与知识发现 198
8.1 机器获取知识的途径——机器学习 198
8.1.3 机器学习的主要研究内容 199
8.1.4 机器学习的主要策略 200
8.1.5 机器学习系统的原理、结构和功能 200
8.1.6 机器学习分类 202
8.2 从实验数据中通过归纳发现知识 202
8.2.1 归纳学习的概述 202
8.2.2 归纳学习方法 203
8.2.4 CLS学习算法 206
8.2.3 基于决策树的归纳学习 206
8.3 类比学习 207
8.3.1 类比学习概述 207
8.3.2 类比学习的过程 208
8.3.3 转换类比学习系统 209
8.4 数据挖掘和知识发现方法 211
8.4.1 数据挖掘与知识发现的关系 212
8.4.2 数据挖掘 213
8.4.3 知识发现 216
8.5.1 粗糙集 220
8.5 粗糙集和数据挖掘开发工具简介 220
8.5.2 数据挖掘（DM）开发工具简介 224
思考与练习 227
第9章 人工神经网络 228
9.1 人工神经网络产生的背景 228
9.2 人工神经网络的发展 228
9.3 人工神经元模型 231
9.4 人工神经网络模型 233
9.4.1 前馈神经网络及其BP算法 233
9.4.2 反馈神经网络模型 238
9.5.1 神经网络在汉语两字词韵律规则学习中的应用 243
9.5 人工神经网络的应用范例 243
9.5.2 神经网络理论在黄河宁蒙河段冰情预报中的应用 245
9.6 人工神经网络的发展前景 247
思考与练习 248
第10章 分布式人工智能 249
10.1 分布式人工智能系统 249
10.1.1 什么是分布式人工智能 249
10.1.2 分布式人工智能系统的特点 250
10.2 分布式问题求解 250
10.2.1 DPS系统的协同方式 250
10.3 Agent技术概述 251
10.2.2 DPS系统的分类与组织 251
10.3.1 Agent概念、BDI模型与特性 252
10.3.2 Agent的结构及分类 254
10.3.3 Agent的应用 259
10.4 多Agent系统的理论、技术及应用 262
10.4.1 多Agent系统概述 262
10.4.2 多Agent的通信系统概述 264
10.4.3 多Agent的通信语言 267
10.4.4 多Agent系统构造技术的研究 268
10.4.5 多Agent系统的建模策略与实现 271
10.4.6 多Agent的基本技术 273
10.5 移动Agent技术 273
10.5.1 什么是移动Agent 273
10.5.2 移动Agent的发展 274
10.5.3 移动Agent及其关键技术 278
10.5.4 移动Agent的安全性 281
10.5.5 基于移动Agent的分布式计算模型 282
10.5.6 移动Agent及其应用 283
思考与练习 285
11.1.1 什么是遗传算法 286
第11章 进化计算 286
11.1 关于遗传算法 286
11.1.2 各种寻优算法及其健壮性的比较与分析 287
11.1.3 遗传算法的鲁棒性 287
11.2 基本遗传算法的工作原理 288
11.2.1 遗传算法的基本思想及其实现过程 288
11.2.2 遗传算法的基本操作 289
11.3 遗传算法的图式理论 293
11.3.1 遗传算法的图式结构 293
11.3.2 遗传算法操作对图式的影响 295
11.4.1 遗传算法的知识表示与编码设计技术 297
11.4 基本遗传算法的计算技术及其局限性 297
11.4.2 适应度函数选择与计算技术 298
11.4.3 遗传算法的全局收敛性和早期收敛问题 299
11.5 高级遗传算法 300
11.5.1 选择方法的改进 300
11.5.2 高级遗传运算方法 302
11.6 进化计算的发展与应用 305
11.6.1 进化计算及其发展 305
11.6.2 进化计算的应用 308
思考与练习 309
12.1 人工生命及其发展 311
12.1.1 人工生命发展萌芽 311
第12章 人工生命 311
12.1.2 什么是人工生命 312
12.1.3 人工生命研究的轨迹 313
12.1.4 人工生命与人工智能 315
12.1.5 人工生命与自然生命特征 315
12.2 人工生命研究方法和策略 316
12.2.1 研究人工生命的目的 316
12.1.6 人工生命的构造途径 316
12.2.2 人工生命研究方法 317
12.2.3 人工生命研究策略 318
12.3 人工生命理论与技术 319
12.3.1 细胞自动机理论 319
12.3.2 人工生命的形态形成理论 321
12.3.3 遗传算法 323
12.3.4 混沌理论 325
12.3.5 对策论 326
12.3.6 群体智能 326
12.4.2 计算机的进程 327
12.4 人工生命的表现形式 327
12.4.1 计算机病毒 327
12.4.3 人工核苷酸 328
12.4.4 人工器官 328
12.4.5 虚拟生物 329
12.4.6 进化机器人 329
12.4.7 自催化网络 330
12.4.8 人工生命个体 330
12.4.10 演化算法 331
12.5 人工生命发展与展望 331
12.4.9 人工生态系统 331
12.5.1 生物的模拟进化 332
12.5.2 通过虚拟生物研究生命的机理 332
12.5.3 遗传工程 332
12.5.4 计算机动画制作 332
12.5.5 图像处理 332
12.5.6 系统仿真 333
12.5.7 在军事上的应用 333
思考与练习 333
参考文献 334