《人工智能导论》是作者在多年从事人工智能教学基础上吸收了现有人工智能教材中的精华而形成的具有自身特色的教材。《人工智能导论》系统介绍了人工智能的基本原理、方法和技术,并反映了国内外人工智能研究领域的*新进展。 全书共8章。第1章阐述了人工智能的基本概念、研究和应用概况以及*新进展;第2、3章介绍人工智能基本原理、方法和技术,主要包括问题求解的基本方法和知识表示;第4、5章介绍人工智能的基本推理技术,包括经典逻辑推理和不确定性推理及非单调推理;第6章讨论了计算智能理论,包括模糊计算、神经网络计算和遗传算法;第7、8章讨论了专家系统和机器学习等研究领域的有关概念和系统构成技术。 《人工智能导论》可作为高等院校计算机科学与技术专业或相关专业高年级本科生和研究生教材,也可供从事人工智能研究和应用的科技工作者及同等学力申请硕士学位人员参考。

第1章 绪论
1.1 人工智能概述
1.1.1 人工智能基本概念
1.1.2 人工智能的研究方法
1.2 人工智能的研究目标及基本内容
1.2.1 人工智能的研究目标
1.2.2 人工智能研究的基本内容
1.3 人工智能的发展历程
1.3.1 人工智能发展简史
1.3.2 人工智能的发展趋势
1.4 人工智能的主要研究与应用领域
1.4.1 专家系统
1.4.2 机器学习
1.4.3 机器人
1.4.4 模式识别
1.4.5 计算机视觉
1.4.6 人工神经网络
1.4.7 自然语言理解
1.4.8 自动定理证明
1.4.9 自动程序设计
1.4.1 0博弈
1.4.1 1智能决策支持系统
1.4.1 2智能搜索
1.4.1 3数据挖掘与知识发现
习题

第2章 问题求解的基本原理
2.1 概述
2.1.1 问题形式化
2.1.2 问题实例
2.1.3 问题搜索
2.1.4 问题求解的性能
2.2 盲目搜索策略
2.2.1 状态空间表示及搜索分析
2.2.2 一般图搜索策略
2.2.3 宽度优先搜索
2.2.4 深度优先搜索
2.2.5 迭代加深搜索
2.2.6 代价树搜索
2.3 启发式搜索策略
2.3.1 启发式策略
2.3.2 局部择优搜索
2.3.3 全局择优搜索
2.3.4 算法A*
2.4 与/或树的搜索策略
2.4.1 与/或树的盲目搜索
2.4.2 与/或树的启发式搜索
2.5 博弈树搜索策略
2.5.1 概述
2.5.2 极小极大分析法
2.5.3 剪枝技术
2.5.4 实时决策技术
2.5.5 当前博弈程序的发展水平
2.6 约束满足搜索策略
习题

第3章 知识表示
3.1 基本概念
3.1.1 概述
3.1.2 关于知识
3.1.3 知识表示
3.1.4 知识表示的选择原则
3.2 一阶谓词逻辑表示法
3.2.1 谓词逻辑的理论基础
3.N.2 谓词公式的解释
3.2.3 谓词公式的等价性和永真蕴涵
3.2.4 一阶谓词逻辑的知识表示
3.2.5 一阶谓词逻辑表示的特点
3.3 产生式表示法
3.3.1 产生式规则的知识表示
3.3.2 产生式系统
3.3.3 产生式系统的推理过程
3.3.4 产生式表示法特点
3.4 框架表示法
3.4.1 框架理论
3.4.2 框架的知识表示
3.4.3 框架系统
3.4.4 框架中预定义的槽
3.4.5 框架系统中问题求解的推理
3.4.6 框架表示方法的特点
3.5 语义网络表示法
3.5.1 语义网络概述
3.5.2 多元语义网络的表示
3.5.3 连接词与量词的表示
3.5.4 语义网络的推理
3.5.5 语义网络知识表示的特点
3.6 面向对象表示法
3.6.1 面向对象的基本概念
3.6.2 面向对象的知识表示
3.6.3 面向对象的基本特征
3.6.4 面向对象知识表示与语义网络、框架系统的比较
3.7 Petri网表示法
3.7.1 Petri网的基本概念
3.7.2 Petri网的知识表示
3.7.3 Petri网的推理过程
3.7.4 Petri网表示法的特点
习题

第4章 经典逻辑推理
4.1 概述
4.1.1 什么是推理
4.1.2 推理的发展概述
4.1.3 推理的控制策略
4.2 命题逻辑推理
4.2.1 命题的自然演绎
4.2.2 命题推理规则
4.2.3 命题的归结反演
4.2.4 命题归结反演的合理性与完备性
4.3 谓词逻辑推理
4.3.1 谓词逻辑的合取范式
4.3.2 置换与合
4.3.3 合一算法
4.3.4 归结原理
4.3.5 基于归结原理的定理证明
4.3.6 基于归结反演的问题解答
4.3.7 归结控制策略
4.4 归结的完备性和合理性
4.4.1 Hcrl)rand域
4.4.2 Herbrand解释
4.4.3 语义树
4.4.4 Herbrand定理
4.4.5 完备性和合理性
4.5 基于规则的演绎推理
4.5.1 正向演绎推理
4.5.2 反向演绎推理
4.5.3 双向演绎推理
习题

第5章 **知识推理
5.1 经典逻辑系统的局限性
5.2 非单调推理
5.2.1 非单调推理简介
5.2.2 封闭世界假设
5.2.3 缺省推理
5.2.4 限定推理
5.2.5 非单调逻辑
5.2.6 真值维持系统
5.3 不确定性推理
5.3.1 不确定性推理的基本概念
5.3.2 不确定性推理要解决的基本问题
5.3.3 概率方法
5.3.4 主观Bayes方法
5.3.5 可信度方法
5.3.6 证据理论
习题

第6章 计算智能
6.1 计算智能概述
6.1.1 、从符号智能到计算智能
6.1.2 计算智能基本概念
6.2 模糊计算
6.2.1 模糊逻辑的数学基础
6.2.2 模糊逻辑的推理
6.2.3 模糊判决方法
6.3 神经计算
6.3.1 人工神经网络研究进展
6.4 进化计算
习题

第7章 专家系统
7.1 专家系统概述
7.2 问题求解的组织结构
7.3 知识获取
7.4 开发专家系统
7.5 专家系统开发工具
7.6 专家系统实例----MYCIN剖析
7.7 专家系统进展
习题

第8章 机器学习
8.1 机器学习概述
8.2 机械学习
8.3 指导式学习
8.4 类比学习
8.5 解释学习
8.6 归纳学习
习题
参考文献