本書涵蓋了人工智能十分廣泛的主題，具有三個明顯特色。首先，該書繫統全面，既包括“傳統”人工智能的基礎理論與技術，又涉及計算智能的基本原理與方法，其主要研究與應用領域包含知識表示與推理、計算智能、專家繫統、機器學習、智能規劃、分布式智能和自然語言理解等。其次，該書內容比較新穎，注重創新，用相當多的篇幅介紹了人工智能的優選研究方法，特別是一些新技術和交叉技術的應用。再次，該書理論與實踐高度融合，既有理論、技術和方法的闡述，又有許多應用實例的介紹，有助於讀者對人工智能理論方法的深入理解及其應用開發。由等

●第1章緒論
1.1人工智能的定義與發展
1.1.1人工智能的定義
1.1.2人工智能的起源與發展
1.1.3中國人工智能的發展
1.2人工智能的各種認知觀
1.2.1人工智能各學派的認知觀
1.2.2人工智能的爭論
1.3人類智能與人工智能
1.3.1智能信息處理繫統的假設
1.3.2人類智能的計算機模擬
1.4人工智能繫統的分類
1.5人工智能的研究目標和內容
1.5.1人工智能的研究目標
1.5.2人工智能研究的基本內容
1.5.3人工智能的核心技術
1.6人工智能的研究與計算方法
1.6.1人工智能的研究方法
1.6.2人工智能的計算方法
1.7人工智能的研究與應用領域
1.8本書概要
習題1
參考文獻
第2章知識表示方法
2.1狀態空間表示
2.1.1問題狀態描述
2.1.2狀態圖示法
2.2問題歸約表示
2.2.1問題歸約描述
2.2.2與或圖表示
2.3謂詞邏輯表示
2.3.1謂詞演算
2.3.2謂詞公式
2.3.3置換與合一
2.4語義網絡表示
2.4語義網絡的表示
2.4語義網絡的表示
2.4.3語義網絡的推理過程
2.5框架表示
2.5.1框架的構成
2.5.2框架的推理
2.6本體技術
2.6.1本體的概念
2.6.2本體的組成與分類
2.6.3本體的建模
2.7過程表示
2.8小結
習題2
參考文獻
第3章搜索推理技術
3.1圖搜索策略
3.2盲目搜索
3.2.1寬度優先搜索
3.2.2深度優先搜索
3.2.3等代價搜索
3.3啟發式搜索
3.3.1啟發式搜索策略和估價函數
3.3.2有序搜索
3.3.3A*算法
3.4消解原理
3.4.1子句集的求取
3.4.2消解推理規則
3.4.3含有變量的消解式
3.4.4消解反演求解過程
3.5規則演繹繫統
3.5.1規則正向演繹繫統
3.5.2規則逆向演繹繫統
3.5.3規則雙向演繹繫統
3.6不確定性推理
3.6.1不確定性的表示與度量
3.6.2不確定性的算法
3.7概率推理
3.7.1概率的基本性質和計算公式
3.7.2概率推理方法
3.8主觀貝葉斯方法
3.8.1知識不確定性的表示
3.8.2證據不確定性的表示
3.8.3主觀貝葉斯方法的推理過程
3.9小結
習題3
參考文獻
第4章計算智能
4.1概述
4.2神經計算
4.2.1人工神經網絡研究的進展
4.2.2人工神經網絡的結構
4.2.3人工神經網絡示例及其算法
4.2.4基於神經網絡的知識表示與推理
4.3模糊計算
4.3.1模糊集合、模糊邏輯及其運算
4.3.2模糊邏輯推理
4.4進化算法與遺傳算法
4.4.1進化算法原理
4.4.2進化算法框架
4.4.3遺傳算法的編碼與解碼
4.4.4遺傳算法的遺傳算子
4.4.5遺傳算法的執行過程
4.4.6遺傳算法的執行實例
4.5人工生命
4.5.1人工生命研究的起源和發展
4.5.2人工生命的定義和研究意義
4.5.3人工生命的研究內容和方法
4.5.4人工生命的實例
4.6粒群優化算法
4.6.1群智能和粒群優化概述
4.6.2粒群優化算法
4.7蟻群算法
4.7.1蟻群算法理論
4.7.2蟻群算法的研究與應用
4.8小結
習題4
參考文獻
第5章專家繫統
5.1專家繫統概述
5.1.1專家繫統的定義與特點
5.1.2專家繫統的結構和建造步驟
5.2基於規則的專家繫統
5.2.1基於規則專家繫統的工作模型和結構
5.2.2基於規則專家繫統的特點
5.3基於框架的專家繫統
5.3.1基於框架專家繫統的定義、結構和設計方法
5.3.2基於框架專家繫統的繼承、槽和方法
5.4基於模型的專家繫統
5.4.1基於模型專家繫統的提出
5.4.2基於神經網絡的專家繫統
5.5基於Web的專家繫統
5.5.1基於Web專家繫統的結構
5.5.2基於Web專家繫統的實例
5.6新型專家繫統
5.6.1新型專家繫統的特征
5.6.2分布式專家繫統
5.6.3協同式專家繫統
5.7專家繫統的設計
5.7.1專家繫統的設計過程
5.7.2基於規則專家繫統的一般設計方法
5.7.3反向推理規則專家繫統的設計任務
5.8專家繫統開發工具
5.8.1專家繫統的傳統開發工具
5.8.2專家繫統的Matlab開發工具
5.9小結
習題5
參考文獻
第6章機器學習
6.1機器學習的定義和發展歷史
6.1.1機器學習的定義
6.1.2機器學習的發展史
6.2機器學習的主要策略與基本結構
6.2.1機器學習的主要策略
6.2.2機器學習繫統的基本結構
6.3歸納學習
6.3.1歸納學習的模式和規則
6.3.2歸納學習方法
6.4決策樹學習
6.4.1決策樹和決策樹構造算法
6.4.2決策樹學習算法ID3
6.5類比學習
6.5.1類比推理和類比學習形式
6.5.2類比學習過程與研究類型
6.6解釋學習
6.6.1解釋學習過程和算法
6.6.2解釋學習舉例
6.7神經網絡學習
6.7.1基於反向傳播網絡的學習
6.7.2基於Hopfield網絡的學習
6.8知識發現
6.8.1知識發現的發展和定義
6.8.2知識發現的處理過程
6.8.3知識發現的方法
6.8.4知識發現的應用
6.9增強學習
6.9.1增強學習概述
6.9.2Q學習
6.10深度學習
6.10.1深度學習的定義與特點
6.10.2深度學習基礎及神經網絡
6.10.3深度學習的常用模型
6.10.4深度學習應用簡介
6.10.5總結與展望
6.11小結
習題6
參考文獻
第7章智能規劃
7.1智能規劃概述
7.1.1規劃的概念和作用
7.1.2規劃的分類和問題分解途徑
7.1.3執行規劃繫統任務的一般方法
7.2任務規劃
7.2.1積木世界的機器人規劃
7.2.2基於消解原理的規劃
7.2.3具有學習能力的規劃繫統
7.2.4分層規劃
7.2.5基於專家繫統的規劃
7.3運動路徑規劃
7.3.1機器人路徑規劃的主要方法和發展趨勢
7.3.2基於模擬退火算法的機器人局部路徑規劃
7.3.3免疫進化和示例學習的機器人路徑規劃
7.3.4基於蟻群算法的機器人路徑規劃
7.4軌跡規劃簡介
7.5小結
習題7
參考文獻
第8章自然語言理解
8.1自然語言理解概述
8.1.1語言與語言理解
8.1.2自然語言處理的概念和定義
8.1.3自然語言處理的研究領域和意義
8.1.4自然語言理解研究的基本方法和進展
8.1.5自然語言理解過程的層次
8.2詞法分析
8.3句法分析
8.3.1短語結構語法
8.3.2喬姆斯基形式語法
8.3.3轉移網絡
8.3.4擴充轉移網絡
8.3.5詞彙功能語法
8.4語義分析
8.5句子的自動理解
8.5.1簡單句的理解方法
8.5.2復合句的理解方法
8.6語料庫語言學
8.7語音識別
8.7.1語音識別基本原理
8.7.2語音識別關鍵技術
8.7.3語音識別技術的發展
8.7.4語音識別技術展望
8.8文本的自動翻譯——機器翻譯
8.9自然語言理解繫統的主要模型
8.10自然語言理解繫統應用舉例
8.10.1自然語言自動理解繫統
8.10.2自然語言問答繫統
8.11小結
習題8
參考文獻
結束語
索引

本書共8章。第1章敘述人工智能的定義、起源與發展，簡介人工智能不同學派的認知觀，列舉人工智能的研究與應用領域。第2章和第3章研究傳統人工智能的知識表示方法和搜索推理技術。第4章闡述計算智能的基本知識，包含神經計算、模糊計算、進化計算、人工生命、粒群優化和蟻群計算等內容。第5章至第8章討論人工智能的主要應用領域，包括專家繫統、機器學習、自動規劃和自然語言理解等。與第5版相比，許多內容都是第一次出現，例如，人工智能的核心技術、基於本體的知識表示、各種基於生物行為的算法、新型專家繫統、語音識別和語料庫語言學以及深度學習等。其他章節也在第5版的基礎上作了相應的修改、精簡或補充。本書是本科生和研究生學習人工智能的推薦參考資料，也可供人工智能開發與研究人員進行相關研究的綜合手冊和實用指南。

蔡自興 等 編