第一编 传统人工智能基本原理 2
第1章 绪论 2
1.1人工智能概述 2
1.2人工智能发展历程 10
1.3人工智能主要研究与应用领域 17
习题1 28
第2章 问题求解的基本原理 29
2.1概述 29
2.2盲目搜索策略 32
2.3启发式搜索策略 51
2.4与/或树的搜索策略 56
2.5博弈树搜索策略 61
2.6约束满足搜索策略 73
习题2 78
第3章 知识表示 80
3.1基本概念 80
3.2一阶谓词逻辑表示法 86
3.3产生式表示法 100
3.4框架表示法 108
3.5语义网络表示法 123
3.6面向对象表示法 137
3.7 Petri网表示法 142
习题3 147
第4章 经典逻辑推理 150
4.1概述 150
4.2命题逻辑推理 154
4.3谓词逻辑推理 159
4.4归结的完备性和合理性 177
4.5基于规则的演绎推理 186
习题4 193
第5章 高级知识推理 196
5.1经典逻辑系统的局限性 196
5.2非单调推理 198
5.3不确定性推理 212
习题5 246
第二编 计算智能理论 250
第6章 模糊计算 250
6.1模糊逻辑的数学基础 250
6.2模糊关系 258
6.3模糊逻辑的推理 262
6.4模糊判决方法 272
6.5模糊信息处理 273
习题6 278
第7章 神经计算 280
7.1神经网络概述 280
7.2感知器 286
7.3 BP网络 289
7.4 Hopfield网络 293
7.5随机神经网络 296
7.6基于神经网络知识表示与推理 301
7.7神经网络的应用 304
习题7 306
第8章 进化计算 309
8.1进化计算概述 309
8.2遗传算法 312
8.3进化策略基本理论 325
8.4进化规划基本理论 328
8.5进化计算的研究现状和发展趋势 330
习题8 334
第三编 人工智能应用部分 338
第9章 专家系统 338
9.1专家系统概述 338
9.2问题求解的组织结构 346
9.3知识获取 351
9.4开发专家系统 355
9.5专家系统开发工具 361
9.6专家系统进展 363
习题9 367
第10章 机器学习 368
10.1机器学习概述 368
10.2机械学习 375
10.3指导式学习 378
10.4类比学习 379
10.5解释学习 382
10.6归纳学习 386
习题10 396
第11章 知识发现与数据挖掘 397
11.1知识发现综述 397
11.2知识发现所面临挑战和应用领域 402
11.3数据挖掘概述 405
11.4分类和预测 408
11.5基于关联规则的挖掘 418
11.6聚类分析技术 429
11.7基于Web的智能挖掘 443
习题11 447
第12章 智能信息搜索技术 449
12.1信息搜索概述 449
12.2搜索引擎概述 451
12.3智能搜索引擎 461
12.4图像和动态网页的搜索 470
习题12 473
第13章 智能决策支持系统 474
13.1决策支持系统发展概述 474
13.2智能决策支持系统的结构 477
13.3智能决策支持系统集成技术 484
13.4智能决策支持系统的建造和实现 487
13.5智能决策支持系统存在的问题和发展趋势 493
习题13 495
第14章Agent技术基础 496
14.1概述 496
14.2Agent的分类与应用 504
14.3多Agent系统 509
14.4多Agent系统通信机制 511
14.5多Agent系统的协商与协调 516
14.6多Agent系统的开发与应用 519
习题14 521
参考文献 522