人工智能實踐教程

前言
教學建議
第1章　緒論1
1.1　人工智能的基本概念1
1.2　人類智能與人工智能1
1.3　人工智能各學派的認知觀3
1.4　人工智能的研究與應用領域4
1.4.1　智能感知4
1.4.2　智能推理6
1.4.3　智能學習8
1.4.4　智能行動10
1.5　人工智能發(fā)展動態(tài)14
1.6　案例分析17
1.6.1　SP先生謎題17
1.6.2　NIM問題18
1.7　習題22
1.8　思考題22
第2章　知識表示和推理24
2.1　概述24
2.2　命題邏輯25
2.3　謂詞邏輯28
2.3.1　語法28
2.3.2　語義30
2.3.3　謂詞邏輯形式系統(tǒng)FC32
2.4　歸結推理33
2.4.1　命題演算中的歸結推理33
2.4.2　謂詞演算中的歸結推理35
2.4.3　謂詞演算歸結反演的合理性和完備性38
2.5　產(chǎn)生式系統(tǒng)40
2.6　知識表示的其他方法43
2.6.1　語義網(wǎng)絡43
2.6.2　框架45
2.6.3　腳本46
2.7　基于知識的系統(tǒng)47
2.7.1　知識獲取47
2.7.2　知識組織49
2.7.3　知識應用49
2.7.4　常識知識和大規(guī)模知識處理50
2.8　案例分析51
2.8.1　傳教士和野人問題51
2.8.2　量水問題52
2.8.3　漢諾塔問題57
2.8.4　一個基于邏輯的財務顧問61
2.8.5　電路領域的知識工程64
2.9　習題67
2.10　思考題70
第3章　搜索技術73
3.1　概述73
3.2　盲目搜索方法74
3.3　啟發(fā)式搜索76
3.3.1　啟發(fā)性信息和評估函數(shù)76
3.3.2　最好優(yōu)先搜索算法77
3.3.3　貪婪最好優(yōu)先搜索算法78
3.3.4　A算法和A算法79
3.3.5　迭代加深A算法81
3.4　問題歸約和AND-OR圖啟發(fā)式搜索82
3.4.1　問題歸約的描述82
3.4.2　問題的AND-OR圖表示83
3.4.3　AO算法85
3.5　博弈88
3.5.1　極大極小過程90
3.5.2　α-β過程92
3.6　案例分析94
3.6.1　八皇后問題94
3.6.2　洞穴探寶95
3.6.3　五子棋97
3.7　習題102
3.8　思考題103
第4章　高級搜索107
4.1　爬山法搜索107
4.2　模擬退火搜索109
4.2.1　模擬退火搜索的基本思想110
4.2.2　模擬退火算法111
4.2.3　模擬退火算法關鍵參數(shù)和操作的設計112
4.3　遺傳算法114
4.3.1　遺傳算法的基本思想114
4.3.2　遺傳算法的基本操作115
4.4　案例分析120
4.4.1　爬山算法求解旅行商問題120
4.4.2　模擬退火算法求解旅行商問題121
4.4.3　遺傳算法求解旅行商問題122
4.5　習題124
4.6　思考題124
第5章　不確定知識表示和推理125
5.1　概述125
5.2　非單調(diào)邏輯127
5.2.1　單調(diào)性與非單調(diào)性127
5.2.2　缺省推理邏輯127
5.2.3　非單調(diào)邏輯系統(tǒng)128
5.2.4　非單調(diào)規(guī)則129
5.3　主觀Bayes方法130
5.3.1　全概率公式和Bayes公式131
5.3.2　主觀Bayes方法132
5.4　確定性理論137
5.4.1　建造醫(yī)學專家系統(tǒng)時的問題137
5.4.2　C-F模型138
5.5　證據(jù)理論142
5.5.1　假設和證據(jù)的不確定性142
5.5.2　證據(jù)的組合函數(shù)144
5.5.3　規(guī)則的不確定性145
5.5.4　不確定性的傳遞145
5.5.5　不確定性的組合145
5.6　模糊邏輯和模糊推理146
5.6.1　模糊集合及其運算146
5.6.2　模糊關系147
5.6.3　模糊邏輯148
5.6.4　模糊推理148
5.7　案例分析150
5.7.1　有經(jīng)紀人的交易150
5.7.2　小型動物分類專家系統(tǒng)152
5.8　習題155
5.9　思考題157
第6章　智能體和多智能體系統(tǒng)158
6.1　概述158
6.1.1　智能體的概念與示例158
6.1.2　多智能體系統(tǒng)的概念
與示例160
6.2　智能體的體系結構161
6.2.1　知識型體系結構161
6.2.2　反應型體系結構163
6.2.3　認知型體系結構164
6.2.4　混合型體系結構167
6.3　智能體間的交互與協(xié)同169
6.3.1　智能體間的交互方式170
6.3.2　智能體通信語言ACL171
6.3.3　交互協(xié)議和協(xié)同模型174
6.4　多智能體系統(tǒng)的應用177
6.4.1　多智能體系統(tǒng)技術的適應系統(tǒng)178
6.4.2　多智能體系統(tǒng)技術的應用領域179
6.5　多智能體系統(tǒng)的實現(xiàn)方式181
6.6　多智能體系統(tǒng)開發(fā)框架JADE184
6.6.1　程序模型186
6.6.2　可重用開發(fā)包186
6.6.3　開發(fā)和運行的支持工具191
6.7　火星探礦機器人案例分析193
6.7.1　需求分析193
6.7.2　設計與實現(xiàn)194
6.8　習題198
6.9　思考題199
第7章　自然語言處理技術200
7.1　自然語言理解的一般問題200
7.2　詞法分析202
7.3　句法分析202
7.4　語義分析205
7.5　大規(guī)模真實文本的處理205
7.6　信息搜索206
7.7　機器翻譯208
7.8　語音識別210
7.9　案例分析213
7.9.1　在線漢英互譯舉例分析213
7.9.2　單詞音節(jié)劃分214
7.9.3　中文文本的詞頻統(tǒng)計215
7.9.4　中文語句自動分析218
7.9.5　美國地理信息查詢系統(tǒng)223
7.10　習題231
7.11　思考題232
第8章　機器學習和神經(jīng)網(wǎng)絡234
8.1　機器學習概述234
8.2　基于符號的機器學習方法236
8.2.1　機械學習236
8.2.2　歸納學習237
8.2.3　決策樹學習238
8.2.4　基于范例的學習240
8.2.5　解釋學習244
8.2.6　強化學習246
8.3　基于神經(jīng)網(wǎng)絡的學習247
8.3.1　神經(jīng)網(wǎng)絡概述247
8.3.2　基于反向傳播網(wǎng)絡的學習250
8.3.3　Hopfield網(wǎng)絡模型258
8.4　知識發(fā)現(xiàn)261
8.5　案例分析262
8.5.1　感知器分類262
8.5.2　非線性可分的分類問題264
8.5.3　基于反向傳播網(wǎng)絡擬合曲線266
8.6　習題271
8.7　思考題274
第9章　智能規(guī)劃276
9.1　規(guī)劃問題276
9.2　狀態(tài)空間搜索規(guī)劃279
9.3　偏序規(guī)劃282
9.4　命題邏輯規(guī)劃286
9.5　分層任務網(wǎng)絡規(guī)劃288
9.6　非確定性規(guī)劃290
9.7　多智能體規(guī)劃292
9.8　案例分析296
9.8.1　Shakey世界296
9.8.2　規(guī)劃問題的建模與規(guī)劃系統(tǒng)的求解過程297
9.9　習題299
9.10　思考題300
第10章　機器人學301
10.1　概述301
10.1.1　機器人的分類302
10.1.2　機器人的特性303
10.1.3　機器人學的研究領域303
10.2　機器人系統(tǒng)304
10.2.1　機器人系統(tǒng)的組成304
10.2.2　機器人的工作空間305
10.2.3　機器人的性能指標307
10.3　機器人的編程模式與語言308
10.4　機器人的應用與展望309
10.4.1　機器人應用310
10.4.2　機器人發(fā)展展望313
10.5　機器人足球案例分析315
10.5.1　仿真平臺316
10.5.2　機器人運動程序318
10.5.3　動作函數(shù)321
10.5.4　足球比賽策略322
10.5.5　定位球狀態(tài)的判斷方法325
10.5.6　比賽規(guī)則326
10.6　習題326
10.7　思考題326
參考文獻328