●第1章概述
1.1人工智能概述
1.2AI的產生及主要學派
1.3人工智能、專家繫統和知識工程
1.4AI模擬智能成功的標準
1.5人工智能應用繫統
1.6人工智能的技術特征
習題1
第1部分搜索與問題求解
第2章用搜索求解問題的基本原理
2.1搜索求解問題的基本思路
2.2實現搜索過程的三大要素
2.2.1搜索對像
2.2.2擴展規則
2.2.3目標測試
2.3通過搜索求解問題
2.4問題特征分析
2.4.1問題的可分解性
2.4.2問題求解步驟的撤回
2.4.3問題全域的可預測性
2.4.4問題要求的解的滿意度
習題2
第3章搜索的基本策略
3.1盲目搜索方法
3.1.1寬度優先搜索
3.1.2深度優先搜索
3.1.3分支有界搜索
3.1.4迭代加深搜索
3.1.5一個盲目搜索問題的幾種實現
3.2啟發式搜索
3.2.1啟發式信息的表示
3.2.2幾種最基本的搜索策略
3.3隨機搜索
3.3.1模擬退火法
3.3.2其他典型的隨機搜索算法
習題3
第4章圖搜索策略
4.1或圖搜索策略
4.1.1通用或圖搜索算法
4.1.2A算法與A*算法
4.2與/或圖搜索
4.2.1問題歸約求解方法與“與/或圖”
4.2.2與/或圖搜索
4.2.3與/或圖搜索的特點
4.2.4與/或圖搜索算法AO*
4.2.5對AO*算法的進一步觀察
4.2.6用AO*算法求解一個智力難題
習題4
第5章博弈與搜索
5.1人機大戰
5.1.1國際像棋人機大戰
5.1.2圍棋人機大戰
5.2博弈與對策
5.3極小極大搜索算法
5.3.1極小極大搜索的思想
5.3.2極小極大搜索算法
5.3.3算法分析與舉例
5.4α-β剪枝算法
習題5
第6章演化搜索算法
6.1遺傳算法的基本概念
6.1.1遺傳算法的基本定義
6.1.2遺傳算法的基本流程
6.2遺傳編碼
6.2.1二進制編碼
6.2.2Gray編碼
6.2.3實數編碼
6.2.4有序編碼
6.2.5結構式編碼
6.3適應值函數
6.4遺傳操作
6.4.1選擇
6.4.2交叉操作
6.4.3變異操作
6.5初始化群體
6.6控制參數的選取
6.7算法的終止準則
6.8遺傳算法的基本理論
6.8.1模式定理
6.8.2隱含並行性
6.8.3構造塊假設
6.8.4遺傳算法的收斂性
6.9遺傳算法簡例
6.10遺傳算法的應用領域
6.11免疫算法
6.11.1免疫算法的發展
6.11.2免疫算法的基本原理
6.11.3生物免疫繫統與人工免疫繫統的對應關繫
6.11.4免疫算法的基本類型和步驟
6.12典型免疫算法分析
6.12.1陰性選擇算法
6.12.2免疫遺傳算法
6.12.3克隆選擇算法
6.12.4基於疫苗的免疫算法
6.13免疫算法設計分析
6.14免疫算法與遺傳算法比較
6.14.1免疫算法與遺傳算法的基本步驟比較
6.14.2免疫算法與遺傳算法不同之處
6.14.3仿真實驗及討論
6.15免疫算法研究的展望
習題6
第7章群集智能算法
7.1群集智能算法的研究背景
7.2群集智能的基本算法介紹
7.2.1蟻群算法
7.2.2flock算法
7.2.3粒子群算法
7.3集智繫統介紹
7.3.1人工魚
7.3.2Terrarium世界
7.4群集智能的優缺點
習題7
第8章記憶型搜索算法
8.1禁忌搜索算法
8.1.1禁忌搜索算法的基本思想
8.1.2禁忌搜索算法的基本流程
8.1.3禁忌搜索示例
8.1.4禁忌搜索算法的基本要素分析
8.1.5禁忌搜索算法流程的特點
8.1.6禁忌搜索算法的改進
8.2和聲搜索算法
8.2.1和聲搜索算法簡介和原理
8.2.2算法應用
8.2.3算法比較與分析
習題8
第9章基於Agent的搜索
9.1DAI概述
9.2分布式問題求解
9.3Agent的定義
9.3.1Agent的弱定義
9.3.2Agent的強定義
9.4Agent的分類
9.4.1按功能劃分
9.4.2按屬性劃分
9.5Agent通信
9.5.1Agent通信概述
9.5.2言語動作
9.5.3SHADE通信機制
9.6移動Agent
9.6.1移動Agent繫統的一般結構
9.6.2移動Agent的分類
9.6.3移動Agent的優點
9.6.4移動Agent的技術難點
9.6.5移動Agent技術的標準化
9.7移動Agent平臺的介紹
9.7.1General Magic公司的Odysses
9.7.2IBM公司的Aglet
習題9
第2部分知識與推理
第10章知識表示與處理方法
10.1概述
10.1.1知識和知識表示的含義
10.1.2知識表示方法分類
10.1.3AI對知識表示方法的要求
10.1.4知識表示要注意的問題
10.2邏輯表示法
10.3產生式表示法
10.3.1產生式繫統的組成
10.3.2產生式繫統的知識表示
10.3.3產生式繫統的推理方式
10.3.4產生式規則的選擇與匹配
10.3.5產生式表示的特點
10.4語義網絡表示法
10.4.1語義網絡結構
10.4語義網絡的表示
10.4語義網絡的表示
10.4.4連接詞和量詞的表示
10.4.5語義網絡的推理過程
10.4.6語義網絡的一般描述
10.5框架表示法
10.5.1框架理論
10.5.2框架結構
10.5.3框架表示下的推理
10.6過程式知識表示
習題10
第11章謂詞邏輯的歸結原理及其應用
11.1命題演算的歸結方法
11.1.1基本概念
11.1.2命題演算的歸結方法
11.2謂詞演算的歸結
11.2.1謂詞演算的基本問題
11.2.2將公式化成標準子句形式的步驟
11.2.3合一算法
11.2.4變量分離標準化
11.2.5謂詞演算的歸結算法
11.3歸結原理
11.3.1謂詞演算的基本概念
11.3.2歸結方法可靠性證明
11.3.3歸結方法的完備性
11.4歸結過程的控制策略
11.4.1簡化策略
11.4.2支撐集策略
11.4.3線性輸入策略
11.4.4幾種推理規則及其應用
11.5應用實例
11.5.1歸約在邏輯電路設計中的應用
11.5.2利用推理破案的實例
習題11
第12章非經典邏輯的推理
12.1非單調推理
12.1.1單調推理與非單調推理的概念
12.1.2默認邏輯
12.1.3默認邏輯非單調推理繫統
12.2Dempster Shater（D S）證據理論
12.2.1識別框架
12.2.2基本概率分配函數
12.2.3置信函數Bel(A)
12.2.4置信區間
12.2.5證據的組合函數
12.2.6D S理論的評價
12.3不確定性推理
12.3.1不確定性
12.3.2主觀概率貝葉斯方法
12.4MYCIN繫統的推理模型
12.4.1理論和實際的背景
12.4.2MYCIN模型
12.4.3MYCIN模型分析
12.4.4MYCIN推理網絡的基本模式
12.4.5MYCIN推理模型的評價
12.5模糊推理
12.5.1模糊集論與模糊邏輯
12.5.2Fuzzy聚類分析
12.6基於案例的推理
12.6.1基於案例推理的基本思想
12.6.2案例的表示與組織
12.6.3案例的檢索
12.6.4案例的改寫
12.7歸納法推理
12.7.1歸納法推理的理論基礎
12.7.2歸納法推理的基本概念
12.7.3歸納法推理中的主要難點
12.7.4歸納法推理的應用
習題12
第13章次協調邏輯推理
13.1次協調邏輯的含義
13.1.1傳統的人工智能與經典邏輯
13.1.2人工智能中不協調的數據和知識庫
13.1.3次協調邏輯
13.2注解謂詞演算
13.2.1多真值格
13.2.2注解邏輯
13.2.3注解謂詞公式的語義
13.2.4APC中的不協調、非、蘊涵
13.3基於APC的SLDa 推導和SLDa 反駁
13.3.1SLDa 推導和SLDa 反駁
13.3.2注解邏輯推理方法
13.3.3注解邏輯推理舉例
13.4注解邏輯的歸結原理
13.5應用實例
13.6控制策略
習題13
第3部分學習與發現
第14章機器學習
14.1概述
14.1.1機器學習的定義和意義
14.1.2機器學習的研究簡史
14.1.3機器學習方法的分類
14.1.4機器學習中的推理方法
14.2歸納學習
14.2.1歸納概念學習的定義
14.2.2歸納概念學習的形式描述
14.2.3歸納概念學習算法的一般步驟
14.2.4歸納概念學習的基本技術
14.3基於解釋的學習
14.3.1基於解釋學習的基本原理
14.3.2基於解釋學習的一般框架
14.3.3基於解釋的學習過程
14.4基於類比的學習
14.4.1類比學習的一般原理
14.4.2類比學習的表示
14.4.3類比學習的求解
14.4.4逐步推理和監控的類比學習
習題14
第15章人工神經網絡
15.1人工神經網絡的特點
15.2人工神經網絡的基本原理
15.3人工神經網絡的基本結構模式
15.4人工神經網絡互連結構
15.5神經網絡模型分類
15.6幾種基本的神經網絡學習算法介紹
15.6.1Hebb型學習
15.6.2誤差修正學習方法
15.6.3隨機型學習
15.6.4競爭型學習
15.6.5基於記憶的學習
15.6.6結構修正學習
15.7幾種典型神經網絡簡介
15.7.1單層前向網絡
15.7.2多層前向網絡及BP學習算法
15.7.3Hopfield神經網絡
15.8人工神經網絡與人工智能其他技術的比較
15.9人工神經網絡的應用領域
習題15
……
第16章數據挖掘與知識發現
第17章專家繫統
第18章自然語言處理
第19章智能機器人
參考文獻
本書繫統地闡述了人工智能的基本原理、實現技術及其應用，全面地反映了國內外人工智能研究領域的近期新進展和發展方向。全書共19章，分為4個部分： 第1部分是搜索與問題求解，用8章的篇幅繫統地敘述了人工智能中各種搜索方法求解的原理和方法，內容包括狀態空間和傳統的圖搜索算法、和聲算法、禁忌搜索算法、遺傳算法、免疫算法、粒子群算法、蟻群算法和Agent技術等；第2部分為知識與推理，用4章的篇幅討論各種知識表示和處理技術、各種典型的推理技術，還包括非經典邏輯推理技術和非協調邏輯推理技術；第3部分為學習與發現，用3章的篇幅討論傳統的機器學習算法、神經網絡學習算法、數據挖掘和知識發現技術；第4部分為領域應用，用3章分別討論專家繫統開發技術和自然語言處理原理和方法。
這些內容能夠使讀者對人工智能的基本概念和人工智能繫統的構造方法有一個比較清楚的認識，對人工智能研究領域裡的近期新成果有所了解。等
