人工智慧導論（第4版）

成書過程

該教材作者於1989 年開始從事人工智慧及其套用方面的研究，從1993年開始從事人工智慧方面的教學。為控制科學與工程、計算機科學與技術、機械工程等專業研究生講授“人工智慧原理與套用”課程，為計算機、自動化等專業本科生講授“人工智慧導論”課程，還為學校工學、理學、經濟學、管理學、哲學、文學、法學等專業學生開設“人工智慧及其套用”公選課。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，作者結合教學實踐中和多年來的講稿基礎上修訂了《人工智慧導論（第4版）》。

在該教材修訂過程中得到趙燕偉教授、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建設性意見。

內容簡介

全書共11章。第1章緒論；第2章知識表示；第3章確定性推理方法；第4章不確定性推理方法；第5章搜尋求解策略；第6章智慧型計算及其套用；第7章專家系統與機器學習；第8章人工神經網路及其套用；第9章智慧型體與多智慧型體系統；第10章自然語言處理及其套用；第11章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簡要解答和實驗指導書。

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

人工智慧導論（第4版）

基本介紹

成書過程

內容簡介

教材目錄

教學資源

相關詞條

熱門詞條