《人工智慧導論（第4版）》是由王萬良編著，高等教育出版社於2017年出版的“十二五”普通高等教育本科國家級規劃教材。該教材可作為電氣信息類、機械類、電子信息科學類以及其他專業的本科生學習人工智慧課程的教材。
該教材共11章，由緒論、知識表示、確定性推理方法、不確定性推理方法、搜尋求解策略、智慧型計算及其套用、專家系統與機器學習、人工神經網路及其套用、智慧型體與多智慧型體系統、自然語言處理及其套用、人工智慧在遊戲設計中的套用組成。
基本介紹
- 書名：人工智慧導論（第4版）
- 作者：王萬良
- 類別：“十二五”普通高等教育本科國家級規劃教材
- 出版社：高等教育出版社
- 出版時間：2017年08月07日
- 頁數：332 頁
- 開本：16 開
- 裝幀：平裝
- ISBN：978-7-04-047984-3
- 版面字數：450千字
- CIP核字號：2017153779
成書過程,修訂情況,出版工作,內容簡介,教材目錄,教學資源,教材特色,作者簡介,
成書過程
修訂情況
隨著人工智慧技術的發展，越來越多的本科專業開設了人工智慧課程。因此，面向本科生的人工智慧課程的教材建設具有重要意義。編者於2005年編寫出版了《人工智慧及其套用》第1版，2008年修訂出版了該書的第2版，2016年出版了該書的第3版，作者在結合教學實踐經驗和講稿的基礎上修訂了《人工智慧導論（第4版）》。
《人工智慧導論（第4版）》的修訂，進一步增加了一些人工智慧的前沿、實用算法，並增加了實驗指導書。
在該教材修訂過程中，趙燕偉教授、楊旭華教授、管秋教授、徐新黎副教授、蔣一波副教授、鄭建煒副教授、鄭宇軍副教授、胡海根副教授、范興剛副教授、張景玲博士後、黃玉嬌博士、龍海霞博士、周乾偉博士、王振華博士等提出了意見。
出版工作
2017年8月7日，《人工智慧導論（第4版）》由高等教育出版社出版。
策劃編輯 | 責任編輯 | 封面設計 | 版式設計 | 插圖繪製 | 責任校對 | 責任印製 |
|---|---|---|---|---|---|---|
韓飛 | 韓飛 | 於文燕 | 范曉紅 | 杜曉丹 | 殷然 | 韓剛 |
內容簡介
該教材主要介紹人工智慧的基本知識點和研究人工智慧的前沿科學內容。全書共11章。第1章除了介紹人工智慧的基本概念、發展簡史，還介紹人工智慧的主要研究內容與各種套用。第2章介紹一階謂詞邏輯、產生式、框架等基本的知識表示方法。第3章介紹基於謂詞邏輯的確定性推理方法。介紹在自動定理證明中的魯賓孫歸結原理。通過例題介紹了將謂詞公式化為子句集的步驟，講述了利用歸結原理證明定理和求解問題的方法。第4章介紹不確定性推理方法。介紹了比較實用的可信度方法、證據理論、模糊推理方法。第5章介紹了基於搜尋的問題求解策略。第6章介紹了以遺傳算法、粒子群算法、蟻群算法為代表的適用於最佳化的隨機搜尋算法。第7章介紹了專家系統與機器學習的概念、工作原理、建立方法，介紹了幾個專家系統實例以及開發工具。第8章介紹了人工神經網路的基本理論與方法，介紹了BP神經網路及其學習算法和Hopfield神經網路及其在聯想記憶與最佳化求解中的套用。介紹了神經網路在軟測量與求解旅行商問題、生產調度等最佳化問題中的套用。第9章介紹了多智慧型體技術。介紹了多智慧型體系統的通信、協調、協作與協商方法。第10章介紹了套用自然語言處理技術。最後，第11章針對遊戲、動漫等新型產業發展需要，介紹了人工智慧在遊戲設計中的套用。附錄中給出了該書部分習題的解答和實驗指導書。
教材目錄
前輔文 | 5.4.1啟發式策略 | 8.1.1生物神經元結構 |
第1章 緒論 | 5.4.2啟發信息和估價函式 | 8.1.2神經元數學模型 |
1.1人工智慧的基本概念 | 5.4.3A搜尋算法 | 8.1.3神經網路的結構與工作方式 |
1.1.1智慧型的概念 | 5.4.4A*搜尋算法及其特性分析 | 8.1.4神經網路的學習 |
1.1.2智慧型的特徵 | 5.5小結 | 8.2BP神經網路及其學習算法 |
1.1.3人工智慧 | 思考題 | 8.2.1BP神經網路的結構 |
1.2人工智慧的發展簡史 | 習題 | 8.2.2BP學習算法 |
1.2.1孕育 | 第6章 智慧型計算及其套用 | 8.2.3BP學習算法的實現 |
1.2.2形成 | 6.1進化算法的產生與發展 | 8.3BP神經網路的套用 |
1.2.3發展 | 6.1.1進化算法的概念 | 8.3.1BP神經網路在模式識別中的套用 |
1.3人工智慧研究的基本內容 | 6.1.2進化算法的生物學背景 | 8.3.2BP神經網路在軟測量中的套用 |
1.4人工智慧的主要研究領域 | 6.1.3進化算法的設計原則 | 8.4Hopfield神經網路及其改進 |
1.5小結 | 6.2基本遺傳算法 | 8.4.1離散型Hopfield神經網路 |
思考題 | 6.2.1遺傳算法的基本思想 | 8.4.2連續型Hopfield神經網路及其VLSI實現 |
第2章 知識表示 | 6.2.2遺傳算法的發展歷史 | 8.4.3隨機神經網路 |
2.1知識與知識表示的概念 | 6.2.3編碼 | 8.5Hopfield神經網路的套用 |
2.1.1知識的概念 | 6.2.4群體設定 | 8.5.1Hopfield神經網路在聯想記憶中的套用 |
2.1.2知識的特性 | 6.2.5適應度函式 | 8.5.2Hopfield神經網路最佳化方法 |
2.1.3知識的表示 | 6.2.6選擇 | 8.6小結 |
2.2一階謂詞邏輯表示法 | 6.2.7交叉 | 思考題 |
2.2.1命題 | 6.2.8變異 | 習題 |
2.2.2謂詞 | 6.2.9遺傳算法的一般步驟 | 第9章 智慧型體與多智慧型體系統 |
2.2.3謂詞公式 | 6.2.10遺傳算法的特點 | 9.1智慧型體的概念與結構 |
2.2.4謂詞公式的性質 | 6.3遺傳算法的改進算法 | 9.1.1智慧型體的概念 |
2.2.5一階謂詞邏輯知識表示方法 | 6.3.1雙倍體遺傳算法 | 9.1.2智慧型體的特性 |
2.2.6一階謂詞邏輯表示法的特點 | 6.3.2雙種群遺傳算法 | 9.1.3智慧型體的結構 |
2.3產生式表示法 | 6.3.3自適應遺傳算法 | 9.1.4反應式Agent |
2.3.1產生式 | 6.4遺傳算法的套用 | 9.1.5慎思式Agent |
2.3.2產生式系統 | 6.5群智慧型算法產生的背景 | 9.1.6複合式Agent |
2.3.3產生式系統的例子——動物識別系統 | 6.6粒子群最佳化算法及其套用 | 9.1.7Agent的套用 |
2.3.4產生式表示法的特點 | 6.6.1粒子群最佳化算法的基本原理 | 9.2多智慧型體系統的概念與結構 |
2.4框架表示法 | 6.6.2粒子群最佳化算法的參數分析 | 9.2.1多智慧型體系統的特點 |
2.4.1框架的一般結構 | 6.6.3粒子群最佳化算法的套用領域 | 9.2.2多智慧型體系統的基本類型 |
2.4.2用框架表示知識的例子 | 6.6.4粒子群最佳化算法在車輛路徑問題中的套用 | 9.2.3多智慧型體系統的體系結構 |
2.4.3框架表示法的特點 | 6.7蟻群算法及其套用 | 9.3多智慧型體系統的通信 |
2.5小結 | 6.7.1基本蟻群算法模型 | 9.3.1智慧型體通信的類型 |
思考題 | 6.7.2蟻群算法的參數選擇 | 9.3.2Agent通信的方式 |
習題 | 6.7.3蟻群算法的套用 | 9.3.3智慧型體通信語言 |
第3章 確定性推理方法 | 6.8小結 | 9.4多智慧型體系統的協調 |
3.1推理的基本概念 | 思考題 | 9.5多智慧型體系統的協作 |
3.1.1推理的定義 | 習題 | 9.5.1多智慧型體的協作類型 |
3.1.2推理方式及其分類 | 第7章 專家系統與機器學習 | 9.5.2契約網協作方法 |
3.1.3推理的方向 | 7.1專家系統的產生和發展 | 9.5.3黑板模型協作方法 |
3.1.4衝突消解策略 | 7.2專家系統的概念 | 9.5.4市場機制協作方法 |
3.2自然演繹推理 | 7.2.1專家系統的定義 | 9.6多智慧型體系統的協商 |
3.3謂詞公式化為子句集的方法 | 7.2.2專家系統的特點 | 9.7小結 |
3.4魯賓孫歸結原理 | 7.2.3專家系統的類型 | 思考題 |
3.5歸結反演 | 7.2.4專家系統的套用 | 第10章 自然語言處理及其套用 |
3.6套用歸結原理求解問題 | 7.3專家系統的工作原理 | 10.1自然語言理解的概念與發展歷史 |
3.7小結 | 7.3.1專家系統的一般結構 | 10.2語言處理過程的層次 |
思考題 | 7.3.2知識庫 | 10.3機器翻譯 |
習題 | 7.3.3推理機 | 10.3.1機器翻譯方法概述 |
第4章 不確定性推理方法 | 7.3.4綜合資料庫 | 10.3.2翻譯記憶 |
4.1不確定性推理的概念 | 7.3.5知識獲取機構 | 10.4語音識別 |
4.2可信度方法 | 7.3.6人機接口 | 10.4.1語音識別的概念 |
4.3證據理論 | 7.3.7解釋機構 | 10.4.2語音識別的主要過程 |
4.3.1機率分配函式 | 7.4知識獲取的主要過程與模式 | 10.4.3隱馬爾可夫模型 |
4.3.2信任函式 | 7.4.1知識獲取的過程 | 10.4.4基於隱馬爾可夫模型的語音識別方法 |
4.3.3似然函式 | 7.4.2知識獲取的模式 | 10.5小結 |
4.3.4機率分配函式的正交和（證據的組合） | 7.5機器學習 | 思考題 |
4.3.5基於證據理論的不確定性推理 | 7.5.1機器學習的基本概念 | 第11章 人工智慧在遊戲設計中的套用 |
4.4模糊推理方法 | 7.5.2機器學習的分類 | 11.1人工智慧遊戲 |
4.4.1模糊邏輯的提出與發展 | 7.5.3機械式學習 | 11.2遊戲人工智慧 |
4.4.2模糊集合 | 7.5.4指導式學習 | 11.2.1遊戲人工智慧的概念與分類 |
4.4.3模糊集合的運算 | 7.5.5示例學習 | 11.2.2基本的遊戲人工智慧技術 |
4.4.4模糊關係與模糊關係的合成 | 7.6知識發現與數據挖掘 | 11.3遊戲中的角色與分類 |
4.4.5模糊推理 | 7.6.1知識發現與數據挖掘的概念 | 11.4智慧型遊戲角色設計基本技術 |
4.4.6模糊決策 | 7.6.2知識發現的一般過程 | 11.4.1遊戲角色的指導與運動 |
4.4.7模糊推理的套用 | 7.6.3知識發現的任務 | 11.4.2遊戲角色的追逐與躲避 |
4.5小結 | 7.6.4知識發現的方法 | 11.4.3遊戲角色的群聚 |
思考題 | 7.6.5知識發現的對象 | 11.4.4遊戲角色的路徑搜尋 |
習題 | 7.7專家系統的建立 | 11.4.5智慧型搜尋引擎 |
第5章 搜尋求解策略 | 7.8專家系統實例 | 11.5智慧型遊戲開發方法與開發工具 |
5.1搜尋的概念 | 7.8.1醫學專家系統——MYCIN | 11.5.1智慧型遊戲開發方法 |
5.1.1搜尋的基本問題與主要過程 | 7.8.2地質勘探專家系統——PROSPECTOR | 11.5.2智慧型遊戲開發工具 |
5.1.2搜尋策略 | 7.9專家系統的開發工具 | 11.6掃雷機智慧型遊戲開發 |
5.2狀態空間的搜尋策略 | 7.9.1骨架系統 | 11.7人工智慧遊戲的現狀與未來 |
5.2.1狀態空間表示法 | 7.9.2通用型知識表達語言 | 11.8小結 |
5.2.2狀態空間的圖描述 | 7.9.3專家系統開發環境 | 思考題 |
5.3盲目的圖搜尋策略 | 7.9.4專家系統程式設計語言 | 附錄A部分習題解答 |
5.3.1回溯策略 | 7.10小結 | 附錄B實驗指導書 |
5.3.2寬度優先搜尋策略 | 思考題 | 參考文獻 |
5.3.3深度優先搜尋策略 | 第8章 人工神經網路及其套用 | |
5.4啟發式圖搜尋策略 | 8.1神經元與神經網路 |
（註：目錄排版順序為從左列至右列）
教學資源
- 課程資源
《人工智慧導論（第4版）》配有Abook數字課程，該課程包括電子教案、詳細習題解答、實驗指導等形式的輔助教學資源。
數字課程名稱 | 出版社 | 策劃編輯 | 內容提供者 |
|---|---|---|---|
“人工智慧導論（第4版）”數字課程 | 高等教育出版社、高等教育電子音像出版社 | 韓飛 | 王萬良 |
教材特色
該教材具有以下特色：
（1）該書避免了像專著和研究生教材那樣追求理論嚴謹，語言艱澀；
（2）內容實用，注重套用。該書在內容上選取一些基本理論與實用方法，而不是像專著和研究生教材那樣追求前沿理論方法。書中儘可能介紹了一些符合這些內容、能夠讓本科生理解的套用實例；
（3）選例題和習題，引導學生解答。該書選了一些例題，有助於人工智慧理論與方法的理解。此外，選了習題，並在書末給出了答案，對有些難題給出了解答，也彌補了現有許多人工智慧教材中人工智慧習題集少和習題解答缺失的缺陷；
（4）編排醒目。每章開始設定了導讀，使讀者在學習該章之前就知道為什麼要學習該章內容，以及該章主要介紹哪些內容。每章最後總結了該章的重要概念、公式、定理與方法。該書將重要的概念、公式、定理與方法明顯地標註出來；
（5）附有實驗指導書，方便實驗教學。圍繞人工智慧技術的主要教學內容，設定了9個實驗。
