本书是普通高等教育“十一五”国家级规划教材，系统介绍人工智能的基本原理和相关应用领域。全书共10章，分别介绍绪论、知识表达技术、问题求解方法、基本推理技术、不精确推理技术、PROLOG语言、专家系统、机器学习、人工神经网络和人工智能游戏。本书内容丰富，条理清楚，各章都配有例题，每章都给出相当数量的习题，以帮助读者理解和掌握本书内容，本书为任课教师免费提供电子课件。
第1章 绪论
1． 1 人工智能
1． 1． 1 什么是人工智能
1． 1． 2 什么是自然智能
1． 2 人工智能的发展史
1． 2． 1 第一阶段――孕育期（1956年以前）
1． 2． 2 第二阶段――人工智能基础技术的研究和形成(1956―1970年)
1． 2． 3 第三阶段――发展和实用化阶段(1971―1980年)
1． 2． 4 第四阶段――知识工程与专家系统(1980年至今)
1． 3 人工智能的研究领域
1． 3． 1 专家系统
1． 3． 2 自然语言处理
1． 3． 3 机器学习
1． 3． 4 定理证明
1． 3． 5 分布式人工智能
1． 3． 6 机器人
1． 3． 7 模式识别
1． 3． 8 博弈和游戏
1． 3． 9 计算机视觉
1． 3．10 人工神经网络
习题1
第2章 知识表达技术
2． 1 知识的概念与含义
2． 2 知识表达技术概述
2． 2． 1 知识类型
2． 2． 2 知识模型变换
2． 3 状态空间表达
2． 3． 1 状态空间表达法的概念
2． 3． 2 状态空间表达法的例子
2． 4 与/或图表达法
2． 4． 1 与/或图表达法的概念
2． 4． 2 与/或图表达法的例子
2． 5 产生式系统
2． 5． 1 产生式系统的基本结构
2． 5． 2 产生式系统的表示
2． 6 知识的逻辑表达方法
2． 6． 1 命题逻辑
2． 6． 2 谓词逻辑
2． 6． 3 一阶谓词逻辑表达方法
2． 6． 4 谓词逻辑表达法的特性和应用
2． 7 语义网络
2． 7． 1 语义网络的概念和特性
2． 7． 2 语义网络的知识表示
2． 8 框架表达法
2． 8． 1 框架的构成
2． 8． 2 框架系统与产生式系统的结合
2． 9 特征表表达法
2． 10 面向对象的表示
2． 10． 1 对象、消息和方法
2． 10． 2 类、类层次和继承性
2． 10． 3 面向对象的知识表示与语义网络、框架系统的比较
习题2
第3章 问题求解方法
3． 1 状态空间搜索概述
3． 1． 1 状态图
3． 1． 2 问题的状态空间的图描述
3． 1． 3 将问题求解定义为状态空间搜索
3． 1． 4 搜索的基本概念
３． ２ 盲目的图搜索
3． 2． 1 搜索策略概述
3． 2． 2 回溯策略
3． 2． 3 宽度优先搜索
3． 2． 4 深度优先搜索
3． 2． 5 图搜索
３． ３ 启发式图搜索
3． 3． 1 启发式策略
3． 3． 2 启发信息和估价函数
3． 3． 3 启发式图搜索法――A及A*搜索算法
3． 3． 4 A*搜索算法的讨论
３． ４ 与/或图搜索
3． 4． 1 与/或图的概念
3． 4． 2 AO及AO*搜索算法
3． 4． 3 博弈树搜索
３． ５ 局部搜索算法
３． 6 模拟退火算法
3． 6． 1 固体退火过程
3． 6． 2 模拟退火算法
3． 6． 3 参数的确定
3． 6． 4 应用举例
３． 7 遗传算法
3． 7． 1 生物进化与遗传算法
3． 7． 2 遗传算法的实现问题
３． ８ 约束满足法
习题3
第4章 基本推理技术
4． 1 推理技术概述
4． 1． 1 推理的概念和类型
4． 1． 2 推理的控制策略
4． 2 归结反演系统
4． 2． 1 归结原理
4． 2． 2 归结反演
4． 2． 3 归结反演的控制策略
4． 2． 4 应用归结反演求取问题的答案
4． 3 基于规则的演绎推理
4． 3． 1 正向演绎推理
4． 3． 2 反向演绎推理
4． 3． 3 双向演绎推理
习题4
第5章 不精确推理
5． 1 概述
5． 2 概率方法
5． 2． 1 概率论基础
5． 2． 2 概率推理模型
5． 3 主观Bayes方法
5． 3． 1 不确定性的表示
5． 3． 2 主观Bayes方法推理的基本算法
5． 4 可信度方法
5． 4． 1 基于可信度的不确定性表示
5． 4． 2 可信度方法推理的基本算法
5． 5 模糊推理
5． 5． 1 模糊理论基础
5． 5． 2 语言变量及模糊推理
习题5
第6章 PROLOG语言
6． 1 PROLOG语言概述
6． 1． 1 PROLOG语言的发展
6． 1． 2 PROLOG语言的特点
6． 2 PROLOG语言的结构
6． 2． 1 数据结构
6． 2． 2 程序结构
6． 3 PROLOG语言的内部谓词
6． 3． 1 比较类
6． 3． 2 表达式类
6． 3． 3 输入输出类
6． 3． 4 文件操作类
6． 3． 5 控制谓词类
6． 3． 6 复杂目标类
6． 3． 7 项类
6． 3． 8 结构分量类
6． 3． 9 项维护类（动态数据库）
6． 4 PROLOG语言的搜索策略
6． 4． 1 例化与匹配
6． 4． 2 回溯控制
6． 4． 3 搜索策略
6． 5 谓词！的讨论
6． 5． 1 谓词！的作用
6． 5． 2 用法及举例
6． 6 PROLOG程序设计
6． 6． 1 数学函数
6． 6． 2 八皇后问题
6． 6． 3 专家系统示例
6． 7 PROLOG语言与C语言的连接
6． 7． 1 语言条件
6． 7． 2 外部谓词说明
6． 7． 3 参数传递
6． 7． 4 外部C语言子程序
6． 7． 5 两个限制
习题6
第7章 专家系统
7． 1 专家系统的定义与分类
7． 1． 1 专家系统的定义与特点
7． 1． 2 专家系统的类型
7． 2 专家系统的结构与工作原理
7． 2． 1 专家系统的一般结构
7． 2． 2 专家系统的工作原理
7． 3 知识获取
7． 3． 1 知识获取的任务
7． 3． 2 知识获取的模式
7． 4 专家系统的建立
7． 4． 1 适于专家系统求解的问题
7． 4． 2 专家系统的设计原则与开发步骤
7． 4． 3 专家系统的评价
7． 5 专家系统实例
7． 5． 1 动物识别专家系统
7． 5． 2 医学专家系统――MYCIN
7． 5． 3 地质勘探专家系统――PROSPECTOR
7． 6 专家系统的开发工具
7． 6． 1 用于开发专家系统的程序设计语言
7． 6． 2 骨架系统
7． 6． 3 通用型知识表达语言
7． 6． 4 专家系统开发环境
习题7
第8章 机器学习
8． 1 机器学习概述
8． 1． 1 机器学习的基本概念
8． 1． 2 机器学习的主要策略
8． 1． 3 机器学习系统的基本结构
8． 1． 4 机器学习系统的主要特性
8． 2 机械学习
8． 2． 1 机械学习模式及主要问题
8． 2． 2 机械学习应用举例
8． 3 示例学习
8． 3． 1 示例学习模型
8． 3． 2 示例学习的一般过程
8． 3． 3 示例表示
8． 3． 4 示例复用
8． 3． 5 示例保存
8． 4 类比学习
8． 4． 1 类比学习的概念
8． 4． 2 类比学习的表示与求解
8． 5 几种类比学习系统介绍
8． 5． 1 转换类比学习
8． 5． 2 派生类比学习
8． 5． 3 因果关系类比学习
8． 5． 4 联想类比学习
8． 6 归纳学习
8． 6． 1 概述
8． 6． 2 归纳学习的一般模式
8． 6． 3 类型定义
8． 6． 4 结构归纳学习及示例
8． 6． 5 基于决策树的归纳学习方法
习题8
第9章 人工神经网络
9． 1 神经网络概述
9． 2 人工神经元模型
9． 2． 1 神经元模型
9． 2． 2 神经网络结构及工作方式
9． 3 神经网络的学习方法
9． 3． 1 学习方式
9． 3． 2 学习规则
9． 3． 3 学习与自适应
9． 4 前馈神经网络
9． 4． 1 前馈神经网络结构
9． 4． 2 利用BP算法进行网络训练
9． 5 Hopfield神经网络
9． 5． 1 神经联想记忆
9． 5． 2 Hopfield网络
9． 5． 3 Hopfield网络的一个范例
9． 6 Kohonen自组织神经网络
习题9
第10章 人工智能游戏
10． 1 计算机游戏中的人工智能
10． 2 游戏编程中的人工智能
10． 3 游戏中的移动
10． 3． 1 环境和空间
10． 3． 2 游戏世界的类型
10． 3． 3 处理移动
10． 3． 4 假设
10． 3． 5 测试条件
10． 3． 6 导航的技巧
10． 3． 7 游戏中的机器人及其移动
10． 3． 8 仿生机器人的自主导航
10． 3． 9 移动的标准
10． 3． 10 实例研究
10． 4 实验用平台FEAR
10． 4． 1 技术概述
10． 4． 2 外部接口
10． 4． 3 模块
10． 4． 4 灵活的结构
10． 4． 5 创建一个仿生机器人
习题10
参考文献
新书资讯