第1章 绪论 1
1.1人工智能的基本概念 1
1.1.1智能的概念 1
1.1.2智能的特征 2
1.1.3人工智能 4
1.2人工智能的发展简史 5
1.2.1孕育 5
1.2.2形成 6
1.2.3发展 7
1.3人工智能研究的基本内容 8
1.4人工智能的主要研究领域 10
1.5小结 19
思考题 19
第2章 知识表示 20
2.1知识与知识表示的概念 20
2.1.1知识的概念 20
2.1.2知识的特性 20
2.1.3知识的表示 21
2.2一阶谓词逻辑表示法 22
2.2.1命题 22
2.2.2谓词 23
2.2.3谓词公式 24
2.2.4谓词公式的性质 26
2.2.5一阶谓词逻辑知识表示方法 28
2.2.6一阶谓词逻辑表示法的特点 29
2.3产生式表示法 30
2.3.1产生式 30
2.3.2产生式系统 32
2.3.3产生式系统的例子——动物识别系统 33
2.3.4产生式表示法的特点 35
2.4框架表示法 36
2.4.1框架的一般结构 36
2.4.2用框架表示知识的例子 37
2.4.3框架表示法的特点 40
2.5小结 40
思考题 41
习题 42
第3章 确定性推理方法 43
3.1推理的基本概念 43
3.1.1推理的定义 43
3.1.2推理方式及其分类 43
3.1.3推理的方向 46
3.1.4冲突消解策略 49
3.2自然演绎推理 51
3.3谓词公式化为子句集的方法 53
3.4鲁宾逊归结原理 57
3.5归结反演 60
3.6应用归结原理求解问题 62
3.7小结 65
思考题 66
习题 66
第4章 不确定性推理方法 68
4.1不确定性推理的概念 68
4.2可信度方法 71
4.3证据理论 74
4.3.1概率分配函数 74
4.3.2信任函数 76
4.3.3似然函数 76
4.3.4概率分配函数的正交和（证据的组合） 76
4.3.5基于证据理论的不确定性推理 77
4.4模糊推理方法 79
4.4.1模糊逻辑的提出与发展 79
4.4.2模糊集合 80
4.4.3模糊集合的运算 82
4.4.4模糊关系与模糊关系的合成 83
4.4.5模糊推理 86
4.4.6模糊决策 87
4.4.7模糊推理的应用 89
4.5小结 90
思考题 90
习题 91
第5章 搜索求解策略 93
5.1搜索的概念 93
5.1.1搜索的基本问题与主要过程 93
5.1.2搜索策略 93
5.2状态空间的搜索策略 94
5.2.1状态空间表示法 94
5.2.2状态空间的图描述 95
5.3盲目的图搜索策略 98
5.3.1回溯策略 98
5.3.2宽度优先搜索策略 101
5.3.3深度优先搜索策略 103
5.4启发式图搜索策略 105
5.4.1启发式策略 105
5.4.2启发信息和估价函数 107
5.4.3 A搜索算法 109
5.4.4 A搜索算法及其特性分析 112
5.5小结 113
思考题 114
习题 115
第6章 遗传算法及其应用 116
6.1遗传算法的产生与发展 116
6.1.1遗传算法的生物学背景 116
6.1.2遗传算法的基本思想 117
6.1.3遗传算法的发展历史 117
6.1.4设计遗传算法的基本内容 118
6.2遗传算法的基本算法 119
6.2.1编码 119
6.2.2群体设定 120
6.2.3适应度函数 120
6.2.4选择 122
6.2.5交叉 124
6.2.6变异 125
6.2.7遗传算法的一般步骤 126
6.2.8遗传算法的特点 127
6.3遗传算法的改进算法 128
6.3.1双倍体遗传算法 128
6.3.2双种群遗传算法 130
6.3.3自适应遗传算法 130
6.4遗传算法的应用 132
6.5小结 135
思考题 136
习题 136
第7章 专家系统与机器学习 137
7.1专家系统的产生和发展 137
7.2专家系统的概念 138
7.2.1专家系统的定义 138
7.2.2专家系统的特点 138
7.2.3专家系统的类型 139
7.2.4专家系统的应用 141
7.3专家系统的工作原理 142
7.3.1专家系统的一般结构 142
7.3.2知识库 143
7.3.3推理机 143
7.3.4数据库 144
7.3.5知识获取机构 144
7.3.6人机接口 144
7.3.7解释机构 144
7.4知识获取的主要过程与模式 145
7.4.1知识获取的过程 145
7.4.2知识获取的模式 146
7.5机器学习 147
7.5.1机器学习的基本概念 148
7.5.2机器学习的分类 149
7.5.3机械式学习 150
7.5.4指导式学习 151
7.5.5示例学习 152
7.6知识发现与数据挖掘 153
7.6.1知识发现与数据挖掘的概念 153
7.6.2知识发现的一般过程 153
7.6.3知识发现的任务 154
7.6.4知识发现的方法 155
7.6.5知识发现的对象 155
7.7专家系统的建立 157
7.8专家系统实例 159
7.8.1医学专家系统——MYCIN 159
7.8.2地质勘探专家系统——PROSPECTOR 164
7.9专家系统的开发工具 166
7.9.1骨架系统 166
7.9.2通用型知识表达语言 170
7.9.3专家系统开发环境 170
7.9.4专家系统程序设计语言 171
7.10小结 171
思考题 172
第8章 人工神经网络及其应用 174
8.1神经元与神经网络 174
8.1.1生物神经元结构 174
8.1.2神经元数学模型 175
8.1.3神经网络的结构与工作方式 176
8.1.4神经网络的学习 177
8.2 BP神经网络及其学习算法 177
8.2.1 BP神经网络的结构 177
8.2.2 BP学习算法 178
8.2.3 BP学习算法的实现 180
8.3 BP神经网络的应用 181
8.3.1 BP神经网络在模式识别中的应用 181
8.3.2 BP神经网络在软测量中的应用 182
8.4 Hopfield神经网络及其改进 185
8.4.1离散型Hopfield神经网络 185
8.4.2连续型Hopfield神经网络及其VLSI实现 187
8.4.3随机神经网络 189
8.5 Hopfield神经网络的应用 190
8.5.1 Hopfield神经网络在联想记忆中的应用 190
8.5.2 Hopfield神经网络优化方法 193
8.6小结 196
思考题 197
习题 197
第9章 智能体与多智能体系统 201
9.1智能体的概念与结构 201
9.1.1智能体的概念 201
9.1.2智能体的特性 202
9.1.3智能体的结构 202
9.1.4反应式Agent 203
9.1.5慎思式Agent 204
9.1.6复合式Agent 204
9.1.7 Agent的应用 205
9.2多智能体系统的概念与结构 206
9.2.1多智能体系统的特点 206
9.2.2多智能体系统的基本类型 206
9.2.3多智能体系统的体系结构 207
9.3多智能体系统的通信 207
9.3.1智能体通信的类型 208
9.3.2 Agent通信的方式 209
9.3.3智能体通信语言 210
9.4多智能体系统的协调 212
9.5多智能体系统的协作 213
9.5.1多智能体的协作类型 213
9.5.2合同网协作方法 214
9.5.3黑板模型协作方法 215
9.5.4市场机制协作方法 215
9.6多智能体系统的协商 216
9.7小结 217
思考题 218
第10章 自然语言处理及其应用 219
10.1自然语言理解的概念与发展历史 219
10.2语言处理过程的层次 221
10.3机器翻译 222
10.3.1机器翻译方法概述 222
10.3.2翻译记忆 224
10.4语音识别 225
10.4.1语音识别的概念 225
10.4.2语音识别的主要过程 225
10.4.3隐马尔可夫模型 228
10.4.4基于隐马尔可夫模型的语音识别方法 229
10.5小结 230
思考题 231
第11章 人工智能在游戏设计中的应用 232
11.1人工智能游戏 232
11.2游戏人工智能 233
11.2.1游戏人工智能的概念与分类 233
11.2.2基本的游戏人工智能技术 234
11.3游戏中的角色与分类 236
11.4智能游戏角色设计基本技术 237
11.4.1游戏角色的指导与运动 237
11.4.2游戏角色的追逐与躲避 238
11.4.3游戏角色的群聚 239
11.4.4游戏角色的路径搜索 239
11.4.5智能搜索引擎 240
11.5智能游戏开发方法与开发工具 241
11.5.1智能游戏开发方法 241
11.5.2智能游戏开发工具 241
11.6扫雷机智能游戏开发 241
11.7人工智能游戏的现状与未来 243
11.8小结 244
思考题 244
附录 部分习题解答 245
参考文献 253