目录

第1章概述

1.1人工智能概述

1.2AI的产生及主要学派

1.3人工智能、专家系统和知识工程

1.4AI模拟智能成功的标准

1.5人工智能应用系统
<p>目录</p> <p> </p> <p>第1章概述</p> <p> </p> <p>1.1人工智能概述</p> <p> </p> <p>1.2AI的产生及主要学派</p> <p> </p> <p>1.3人工智能、专家系统和知识工程</p> <p> </p> <p>1.4AI模拟智能成功的标准</p> <p> </p> <p>1.5人工智能应用系统</p> <p> </p> <p>1.6人工智能的技术特征</p> <p> </p> <p>习题1</p> <p> </p> <p> </p> <p> </p> <p>第1部分搜索与问题求解</p> <p> </p> <p>第2章用搜索求解问题的基本原理</p> <p> </p> <p>2.1搜索求解问题的基本思路</p> <p> </p> <p>2.2实现搜索过程的三大要素</p> <p> </p> <p>2.2.1搜索对象</p> <p> </p> <p>2.2.2扩展规则</p> <p> </p> <p>2.2.3目标测试</p> <p> </p> <p>2.3通过搜索求解问题</p> <p> </p> <p>2.4问题特征分析</p> <p> </p> <p>2.4.1问题的可分解性</p> <p> </p> <p>2.4.2问题求解步骤的撤回</p> <p> </p> <p>2.4.3问题全域的可预测性</p> <p> </p> <p>2.4.4问题要求的解的满意度</p> <p> </p> <p>习题2</p> <p> </p> <p>第3章搜索的基本策略</p> <p> </p> <p>3.1盲目搜索方法</p> <p> </p> <p>3.1.1宽度优先搜索</p> <p> </p> <p>3.1.2深度优先搜索</p> <p> </p> <p>3.1.3分支有界搜索</p> <p> </p> <p>3.1.4迭代加深搜索</p> <p> </p> <p>3.1.5一个盲目搜索问题的几种实现</p> <p> </p> <p>3.2启发式搜索</p> <p> </p> <p>3.2.1启发式信息的表示</p> <p> </p> <p>3.2.2几种*基本的搜索策略</p> <p> </p> <p>3.3随机搜索</p> <p> </p> <p>3.3.1模拟退火法</p> <p> </p> <p>3.3.2其他典型的随机搜索算法</p> <p> </p> <p>习题3</p> <p> </p> <p> </p> <p> </p> <p> </p> <p> </p> <p>第4章图搜索策略</p> <p> </p> <p>4.1或图搜索策略</p> <p> </p> <p>4.1.1通用或图搜索算法</p> <p> </p> <p>4.1.2A算法与A*算法</p> <p> </p> <p>4.2与/或图搜索</p> <p> </p> <p>4.2.1问题归约求解方法与“与/或图”</p> <p> </p> <p>4.2.2与/或图搜索</p> <p> </p> <p>4.2.3与/或图搜索的特点</p> <p> </p> <p>4.2.4与/或图搜索算法AO*</p> <p> </p> <p>4.2.5对AO*算法的进一步观察</p> <p> </p> <p>4.2.6用AO*算法求解一个智力难题</p> <p> </p> <p>习题4</p> <p> </p> <p>第5章博弈与搜索</p> <p> </p> <p>5.1人机大战</p> <p> </p> <p>5.1.1国际象棋人机大战</p> <p> </p> <p>5.1.2围棋人机大战</p> <p> </p> <p> </p> <p>5.2博弈与对策</p> <p> </p> <p>5.3极小极大搜索算法</p> <p> </p> <p>5.3.1极小极大搜索的思想</p> <p> </p> <p>5.3.2极小极大搜索算法</p> <p> </p> <p>5.3.3算法分析与举例</p> <p> </p> <p>5.4α-β剪枝算法</p> <p> </p> <p>习题5</p> <p> </p> <p>第6章演化搜索算法</p> <p> </p> <p>6.1遗传算法的基本概念</p> <p> </p> <p>6.1.1遗传算法的基本定义</p> <p> </p> <p>6.1.2遗传算法的基本流程</p> <p> </p> <p>6.2遗传编码</p> <p> </p> <p>6.2.1二进制编码</p> <p> </p> <p>6.2.2Gray编码</p> <p> </p> <p>6.2.3实数编码</p> <p> </p> <p>6.2.4有序编码</p> <p> </p> <p>6.2.5结构式编码</p> <p> </p> <p>6.3适应值函数</p> <p> </p> <p>6.4遗传操作</p> <p> </p> <p>6.4.1选择</p> <p> </p> <p>6.4.2交叉操作</p> <p> </p> <p>6.4.3变异操作</p> <p> </p> <p>6.5初始化群体</p> <p> </p> <p>6.6控制参数的选取</p> <p> </p> <p>6.7算法的终止准则</p> <p> </p> <p>6.8遗传算法的基本理论</p> <p> </p> <p>6.8.1模式定理</p> <p> </p> <p>6.8.2隐含并行性</p> <p> </p> <p>6.8.3构造块假设</p> <p> </p> <p>6.8.4遗传算法的收敛性</p> <p> </p> <p>6.9遗传算法简例</p> <p> </p> <p>6.10遗传算法的应用领域</p> <p> </p> <p>6.11免疫算法</p> <p> </p> <p>6.11.1免疫算法的发展</p> <p> </p> <p>6.11.2免疫算法的基本原理</p> <p> </p> <p>6.11.3生物免疫系统与人工免疫系统的对应关系</p> <p> </p> <p>6.11.4免疫算法的基本类型和步骤</p> <p> </p> <p>6.12典型免疫算法分析</p> <p> </p> <p>6.12.1阴性选择算法</p> <p> </p> <p>6.12.2免疫遗传算法</p> <p> </p> <p>6.12.3克隆选择算法</p> <p> </p> <p>6.12.4基于疫苗的免疫算法</p> <p> </p> <p>6.13免疫算法设计分析</p> <p> </p> <p>6.14免疫算法与遗传算法比较</p> <p> </p> <p>6.14.1免疫算法与遗传算法的基本步骤比较</p> <p> </p> <p>6.14.2免疫算法与遗传算法不同之处</p> <p> </p> <p>6.14.3仿真实验及讨论</p> <p> </p> <p>6.15免疫算法研究的展望</p> <p> </p> <p>习题6</p> <p> </p> <p>第7章群集智能算法</p> <p> </p> <p>7.1群集智能算法的研究背景</p> <p> </p> <p>7.2群集智能的基本算法介绍</p> <p> </p> <p>7.2.1蚁群算法</p> <p> </p> <p>7.2.2flock算法</p> <p> </p> <p>7.2.3粒子群算法</p> <p> </p> <p>7.3集智系统介绍</p> <p> </p> <p>7.3.1人工鱼</p> <p> </p> <p>7.3.2Terrarium世界</p> <p> </p> <p>7.4群集智能的优缺点</p> <p> </p> <p>习题7</p> <p> </p> <p>第8章记忆型搜索算法</p> <p> </p> <p>8.1禁忌搜索算法</p> <p> </p> <p>8.1.1禁忌搜索算法的基本思想</p> <p> </p> <p>8.1.2禁忌搜索算法的基本流程</p> <p> </p> <p>8.1.3禁忌搜索示例</p> <p> </p> <p>8.1.4禁忌搜索算法的基本要素分析</p> <p> </p> <p>8.1.5禁忌搜索算法流程的特点</p> <p> </p> <p>8.1.6禁忌搜索算法的改进</p> <p> </p> <p>8.2和声搜索算法</p> <p> </p> <p>8.2.1和声搜索算法简介和原理</p> <p> </p> <p>8.2.2算法应用</p> <p> </p> <p>8.2.3算法比较与分析</p> <p> </p> <p>习题8</p> <p> </p> <p>第9章基于Agent的搜索</p> <p> </p> <p>9.1DAI概述</p> <p> </p> <p>9.2分布式问题求解</p> <p> </p> <p>9.3Agent的定义</p> <p> </p> <p>9.3.1Agent的弱定义</p> <p> </p> <p>9.3.2Agent的强定义</p> <p> </p> <p>9.4Agent的分类</p> <p> </p> <p>9.4.1按功能划分</p> <p> </p> <p>9.4.2按属性划分</p> <p> </p> <p>9.**gent通信</p> <p> </p> <p>9.5.1Agent通信概述</p> <p> </p> <p>9.5.2言语动作</p> <p> </p> <p>9.5.3SHADE通信机制</p> <p> </p> <p>9.6移动Agent</p> <p> </p> <p>9.6.1移动Agent系统的一般结构</p> <p> </p> <p>9.6.2移动Agent的分类</p> <p> </p> <p>9.6.3移动Agent的优点</p> <p> </p> <p>9.6.4移动Agent的技术难点</p> <p> </p> <p>9.6.5移动Agent技术的标准化</p> <p> </p> <p>9.7移动Agent平台的介绍</p> <p> </p> <p>9.7.1General Magic公司的Odysses</p> <p> </p> <p>9.7.2IBM公司的Aglet</p> <p> </p> <p>习题9</p> <p> </p> <p>第2部分知识与推理</p> <p> </p> <p>第10章知识表示与处理方法</p> <p> </p> <p>10.1概述</p> <p> </p> <p>10.1.1知识和知识表示的含义</p> <p> </p> <p>10.1.2知识表示方法分类</p> <p> </p> <p>10.1.3AI对知识表示方法的要求</p> <p> </p> <p>10.1.4知识表示要注意的问题</p> <p> </p> <p>10.2逻辑表示法</p> <p> </p> <p>10.3产生式表示法</p> <p> </p> <p>10.3.1产生式系统的组成</p> <p> </p> <p>10.3.2产生式系统的知识表示</p> <p> </p> <p>10.3.3产生式系统的推理方式</p> <p> </p> <p>10.3.4产生式规则的选择与匹配</p> <p> </p> <p>10.3.5产生式表示的特点</p> <p> </p> <p>10.4语义网络表示法</p> <p> </p> <p>10.4.1语义网络结构</p> <p> </p> <p>10.4.2二元语义网络的表示</p> <p> </p> <p>10.4.3多元语义网络的表示</p> <p> </p> <p>10.4.4连接词和量词的表示</p> <p> </p> <p>10.4.5语义网络的推理过程</p> <p> </p> <p>10.4.6语义网络的一般描述</p> <p> </p> <p>10.5框架表示法</p> <p> </p> <p>10.5.1框架理论</p> <p> </p> <p>10.5.2框架结构</p> <p> </p> <p>10.5.3框架表示下的推理</p> <p> </p> <p>10.6过程式知识表示</p> <p> </p> <p>习题10</p> <p> </p> <p>第11章谓词逻辑的归结原理及其应用</p> <p> </p> <p>11.1命题演算的归结方法</p> <p> </p> <p>11.1.1基本概念</p> <p> </p> <p>11.1.2命题演算的归结方法</p> <p> </p> <p>11.2谓词演算的归结</p> <p> </p> <p>11.2.1谓词演算的基本问题</p> <p> </p> <p>11.2.2将公式化成标准子句形式的步骤</p> <p> </p> <p>11.2.3合一算法</p> <p> </p> <p>11.2.4变量分离标准化</p> <p> </p> <p>11.2.5谓词演算的归结算法</p> <p> </p> <p>11.3归结原理</p> <p> </p> <p>11.3.1谓词演算的基本概念</p> <p> </p> <p>11.3.2归结方法可靠性证明</p> <p> </p> <p>11.3.3归结方法的完备性</p> <p> </p> <p>11.4归结过程的控制策略</p> <p> </p> <p>11.4.1简化策略</p> <p> </p> <p>11.4.2支撑集策略</p> <p> </p> <p>11.4.3线性输入策略</p> <p> </p> <p>11.4.4几种推理规则及其应用</p> <p> </p> <p>11.5应用实例</p> <p> </p> <p>11.5.1归约在逻辑电路设计中的应用</p> <p> </p> <p>11.5.2利用推理破案的实例</p> <p> </p> <p>习题11</p> <p> </p> <p>第12章非经典逻辑的推理</p> <p> </p> <p>12.1非单调推理</p> <p> </p> <p>12.1.1单调推理与非单调推理的概念</p> <p> </p> <p>12.1.2默认逻辑</p> <p> </p> <p>12.1.3默认逻辑非单调推理系统</p> <p> </p> <p>12.2DempsterShater(DS)证据理论</p> <p> </p> <p>12.2.1识别框架</p> <p> </p> <p>12.2.2基本概率分配函数</p> <p> </p> <p>12.2.3置信函数Bel(A)</p> <p> </p> <p>12.2.4置信区间</p> <p> </p> <p>12.2.5证据的组合函数</p> <p> </p> <p>12.2.6DS理论的评价</p> <p> </p> <p>12.3不确定性推理</p> <p> </p> <p>12.3.1不确定性</p> <p> </p> <p>12.3.2主观概率贝叶斯方法</p> <p> </p> <p>12.4MYCIN系统的推理模型</p> <p> </p> <p>12.4.1理论和实际的背景</p> <p> </p> <p>12.4.2MYCIN模型</p> <p> </p> <p>12.4.3MYCIN模型分析</p> <p> </p> <p>12.4.4MYCIN推理网络的基本模式</p> <p> </p> <p>12.4.5MYCIN推理模型的评价</p> <p> </p> <p>12.5模糊推理</p> <p> </p> <p>12.5.1模糊集论与模糊逻辑</p> <p> </p> <p>12.5.2Fuzzy聚类分析</p> <p> </p> <p>12.6基于案例的推理</p> <p> </p> <p>12.6.1基于案例推理的基本思想</p> <p> </p> <p>12.6.2案例的表示与组织</p> <p> </p> <p>12.6.3案例的检索</p> <p> </p> <p>12.6.4案例的改写</p> <p> </p> <p>12.7归纳法推理</p> <p> </p> <p>12.7.1归纳法推理的理论基础</p> <p> </p> <p>12.7.2归纳法推理的基本概念</p> <p> </p> <p>12.7.3归纳法推理中的主要难点</p> <p> </p> <p>12.7.4归纳法推理的应用</p> <p> </p> <p>习题12</p> <p> </p> <p>第13章次协调逻辑推理</p> <p> </p> <p>13.1次协调逻辑的含义</p> <p> </p> <p>13.1.1传统的人工智能与经典逻辑</p> <p> </p> <p>13.1.2人工智能中不协调的数据和知识库</p> <p> </p> <p>13.1.3次协调逻辑</p> <p> </p> <p>13.2注解谓词演算</p> <p> </p> <p>13.2.1多真值格</p> <p> </p> <p>13.2.2注解逻辑</p> <p> </p> <p>13.2.3注解谓词公式的语义</p> <p> </p> <p>13.2.4APC中的不协调、非、蕴涵</p> <p> </p> <p>13.3基于APC的SLDa推导和SLDa反驳</p> <p> </p> <p>13.3.1SLDa推导和SLDa反驳</p> <p> </p> <p>13.3.2注解逻辑推理方法</p> <p> </p> <p>13.3.3注解逻辑推理举例</p> <p> </p> <p>13.4注解逻辑的归结原理</p> <p> </p> <p>13.5应用实例</p> <p> </p> <p>13.6控制策略</p> <p> </p> <p>习题13</p> <p> </p> <p>第3部分学习与发现</p> <p> </p> <p>第14章机器学习</p> <p> </p> <p>14.1概述</p> <p> </p> <p>14.1.1机器学习的定义和意义</p> <p> </p> <p>14.1.2机器学习的研究简史</p> <p> </p> <p>14.1.3机器学习方法的分类</p> <p> </p> <p>14.1.4机器学习中的推理方法</p> <p> </p> <p>14.2归纳学习</p> <p> </p> <p>14.2.1归纳概念学习的定义</p> <p> </p> <p>14.2.2归纳概念学习的形式描述</p> <p> </p> <p>14.2.3归纳概念学习算法的一般步骤</p> <p> </p> <p>14.2.4归纳概念学习的基本技术</p> <p> </p> <p>14.3基于解释的学习</p> <p> </p> <p>14.3.1基于解释学习的基本原理</p> <p> </p> <p>14.3.2基于解释学习的一般框架</p> <p> </p> <p>14.3.3基于解释的学习过程</p> <p> </p> <p>14.4基于类比的学习</p> <p> </p> <p>14.4.1类比学习的一般原理</p> <p> </p> <p>14.4.2类比学习的表示</p> <p> </p> <p>14.4.3类比学习的求解</p> <p> </p> <p>14.4.4逐步推理和监控的类比学习</p> <p> </p> <p>习题14</p> <p> </p> <p>第15章人工神经网络</p> <p> </p> <p>15.1人工神经网络的特点</p> <p> </p> <p>15.2人工神经网络的基本原理</p> <p> </p> <p>15.3人工神经网络的基本结构模式</p> <p> </p> <p>15.4人工神经网络互连结构</p> <p> </p> <p>15.5神经网络模型分类</p> <p> </p> <p>15.6几种基本的神经网络学习算法介绍</p> <p> </p> <p>15.6.1Hebb型学习</p> <p> </p> <p>15.6.2误差修正学习方法</p> <p> </p> <p>15.6.3随机型学习</p> <p> </p> <p>15.6.4竞争型学习</p> <p> </p> <p>15.6.5基于记忆的学习</p> <p> </p> <p>15.6.6结构修正学习</p> <p> </p> <p>15.7几种典型神经网络简介</p> <p> </p> <p>15.7.1单层前向网络</p> <p> </p> <p>15.7.2多层前向网络及BP学习算法</p> <p> </p> <p>15.7.3Hopfield神经网络</p> <p> </p> <p>15.8人工神经网络与人工智能其他技术的比较</p> <p> </p> <p>15.9人工神经网络的应用领域</p> <p> </p> <p>习题15</p> <p> </p> <p>第16章数据挖掘与知识发现</p> <p> </p> <p>16.1数据挖掘</p> <p> </p> <p>16.1.1数据挖掘的定义与发展</p> <p> </p> <p>16.1.2数据挖掘研究的主要内容</p> <p> </p> <p>16.1.3数据挖掘的特点</p> <p> </p> <p>16.1.4数据挖掘的分类</p> <p> </p> <p>16.1.5数据挖掘常用的技术</p> <p> </p> <p>16.1.6数据挖掘过程</p> <p> </p> <p>16.1.7数据挖掘研究面临的困难</p> <p> </p> <p>16.1.8关联规则挖掘</p> <p> </p> <p>16.1.9聚类分析</p> <p> </p> <p>16.2Web挖掘</p> <p> </p> <p>16.2.1Web挖掘概述</p> <p> </p> <p>16.2.2Web内容挖掘</p> <p> </p> <p>16.2.3Web结构挖掘</p> <p> </p> <p>16.2.4Web使用挖掘</p> <p> </p> <p>16.2.5Web数据挖掘的技术难点</p> <p> </p> <p>16.2.6XML与Web数据挖掘技术</p> <p> </p> <p>16.3文本挖掘</p> <p> </p> <p>16.3.1文本挖掘的概念</p> <p> </p> <p>16.3.2文本挖掘预处理</p> <p> </p> <p>16.3.3文本挖掘的关键技术</p> <p> </p> <p>16.3.4文本挖掘系统的评价标准</p> <p> </p> <p>习题16</p> <p> </p> <p>第4部分领域应用</p> <p> </p> <p>第17章专家系统</p> <p> </p> <p>17.1专家系统概述</p> <p> </p> <p>17.1.1专家系统的定义</p> <p> </p> <p>17.1.2专家系统的结构</p> <p> </p> <p>17.1.3专家系统的特点</p> <p> </p> <p>17.1.4专家系统的类型</p> <p> </p> <p>17.1.5几个成功的专家系统简介</p> <p> </p> <p>17.2专家系统中的知识获取</p> <p> </p> <p>17.2.1概述</p> <p> </p> <p>17.2.2知识获取的直接方法</p> <p> </p> <p>17.2.3知识获取的新进展</p> <p> </p> <p>17.3专家系统的解释机制</p> <p> </p> <p>17.3.1预制文本解释法</p> <p> </p> <p>17.3.2路径跟踪解释法</p> <p> </p> <p>17.3.3自动程序员解释法</p> <p> </p> <p>17.3.4策略解释法</p> <p> </p> <p>17.4专家系统开发工具与环境</p> <p> </p> <p>17.4.1专家系统开发工具的基本概念</p> <p> </p> <p>17.4.2专家系统工具JESS</p> <p> </p> <p>17.4.3JESS中的Rete匹配算法和逆向推理机制</p> <p> </p> <p>17.5专家系统开发</p> <p> </p> <p>17.5.1专家系统开发的步骤</p> <p> </p> <p>17.5.2专家系统开发方法</p> <p> </p> <p>17.6专家系统开发实例</p> <p> </p> <p>17.6.1动物识别专家系统</p> <p> </p> <p>17.6.2MYCIN专家系统</p> <p> </p> <p>习题17</p> <p> </p> <p>第18章自然语言处理</p> <p> </p> <p>18.1语言的组成</p> <p> </p> <p>18.1.1自然语言的基本要素</p> <p> </p> <p>18.1.2实词和虚词</p> <p> </p> <p>18.1.3短语结构</p> <p> </p> <p>18.2上下文无关语法</p> <p> </p> <p>18.2.1重写规则</p> <p> </p> <p>18.2.2语法分析</p> <p> </p> <p>18.3上下文无关语法分析</p> <p> </p> <p>18.3.1产生后继状态的算法</p> <p> </p> <p>18.3.2利用词典</p> <p> </p> <p>18.3.3建立语法分析树</p> <p> </p> <p>18.4特殊语法的分析</p> <p> </p> <p>18.4.1引进特征</p> <p> </p> <p>18.4.2特征匹配</p> <p> </p> <p>18.5利用图表的**语法分析</p> <p> </p> <p>18.5.1chart数据结构</p> <p> </p> <p>18.5.2有多种解释的句子</p> <p> </p> <p>18.6语义解释</p> <p> </p> <p>18.6.1词的意思</p> <p> </p> <p>18.6.2利用特征的语义解释</p> <p> </p> <p>18.6.3词义排歧</p> <p> </p> <p>18.7生成自然语言</p> <p> </p> <p>18.8在上下文中的自然语言</p> <p> </p> <p>18.8.1言语的行为</p> <p> </p> <p>18.8.2创建引用</p> <p> </p> <p>18.8.3处理数据库的断言和问题</p> <p> </p> <p>习题18</p> <p> </p> <p> </p> <p>第19章智能机器人</p> <p> </p> <p>19.1智能机器人的定义</p> <p> </p> <p>19.2智能机器人的分类</p> <p> </p> <p>19.2.1工业机器人</p> <p> </p> <p>19.2.2服务机器人</p> <p> </p> <p>19.2.3军用机器人</p> <p> </p> <p>19.2.4仿生机器人</p> <p> </p> <p>19.2.5网络机器人</p> <p> </p> <p>19.3智能机器人的关键技术</p> <p> </p> <p>19.3.1导航技术</p> <p> </p> <p>19.3.2路径规划技术</p> <p> </p> <p>19.3.3机器人视觉技术</p> <p> </p> <p>19.3.4智能控制技术</p> <p> </p> <p>19.3.5智能认知与感知技术</p> <p> </p> <p>19.3.6多模式网络化交互技术</p> <p> </p> <p>19.4智能机器人未来的发展</p> <p> </p> <p>19.4.1人工智能技术的应用</p> <p> </p> <p>19.4.2云机器人</p> <p> </p> <p>19.4.3移动技术</p> <p> </p> <p>19.4.4仿生技术</p> <p> </p> <p>19.4.5机器人体系结构</p> <p> </p> <p>习题19</p> <p> </p> <p>参考文献</p>显示全部信息前 言
前言
<br />前言<br /><br />人工智能作为研究机器智能和智能机器的一门综合性高技术学科,产生于20世纪50年代,曾经在20世纪末经历了一个轰轰烈烈的研究和发展时期,并且取得过不少令人鼓舞的成就,至今它仍然是计算机科学中备受人们重视和非常具有吸引力的前沿学科,并不断衍生出很多新的研究方向。 使计算机程序具有智能,能够模拟人的思维和行为,一直是计算机科学工作者的理想和追求。尽管人工智能的发展道路崎岖不平,自始至终充满了艰辛,但不畏艰难地从事人工智能研究的科学工作者们并没有放弃对这个理想的追求;尽管计算机科学其他分支的发展也非常迅猛,并不断出现些新的学科领域,但是当这些学科的发展进一步深化的时候,人们不会忘记这样一个共同的目标:要使计算机更加智能化。所以不同知识背景和专业的人们都密切关注人工智能这门具有崭新思想和实用价值的综合性学科,并正从这个领域发现某些新思想和新方法。 人工智能的研究范畴不只局限于计算机科学和技术,而是涉及心理学、认知科学、思维科学、信息科学、系统科学和生物科学等多个学科,目前已在知识处理、模式识别、自然语言处理、博弈、自动定理证明、自动程序设计、专家系统、知识库、智能机器人、智能计算、数据挖掘和知识发现等多个领域取得了举世瞩目的成果,并形成了多元化的发展方向。近几年来,随着计算机网络,尤其是Internet的发展,多媒体、分布式人工智能和开放分布式环境下的多智体(multiagent)以及知识挖掘等计算机主流技术的兴起,使得人工智能研究更加活跃,拓宽了其研究和应用的领域,正朝着健康和成熟的方向发展。然而,也必须看到尽管人工智能取得了以上所述的许多成果,但是比起人工智能刚刚兴起时许多专家的预想还相差甚远,很多在当时过于乐观的设想并没有实现,探究其原因也许要追溯到目前人类对自身的思维规律和智能行为研究仍然处于探索阶段,因此,人工智能研究要比这些专家的预想艰难、复杂得多。甚至到今天,对机器能否实现智能仍有争论。这种状况正如Lovelace女士一百多年前曾经说过的:<br /><br />在考虑任何新颖课题时,常常存在一种倾向,先是过高估计已发现是有趣或值得注意的东西。接着,当发现所研究的概念已超过曾一度保持不变的那些概念时,作为一种自然的反应,就会过低估计该事件的真实状况。<br />因此,我们必须清楚地认识到:人工智能研究道路的曲折和艰难以及许多尖锐的争论并不表明人工智能学科没有前景,它只是向我们表明理解人类认知和智能的机制,探索“智力的形成”是人类面临的*困难、*复杂的课题之一。摆在人工智能学科面前的任务是极其艰巨和复杂的,这需要广大的计算机科学工作者不畏艰难,勇于探索,辛勤耕耘,共同开创人工智能发展的美好未来。 本书系统地阐述了人工智能的基本原理、实现技术及其应用,全面地反映了国内外人工智能研究领域的*新进展和发展方向。全书共19章,分为4个部分。第1部分是搜索与问题求解,用8章的篇幅系统地叙述了人工智能中用各种搜索方法求解的原理和方法,内容包括状态空间和传统的图搜索算法、和声算法、禁忌搜索算法、遗传算法、免疫算法、粒子群算法、蚁群算法和Agent技术等;第2部分为知识与推理,用4章的篇幅讨论各种知识表示和处理技术、各种典型的推理技术,还包括非经典逻辑推理技术和非协调逻辑推理技术;第3部分为学习与发现,用3章的篇幅讨论传统的机器学习算法、神经网络学习算法、数据挖掘和知识发现技术;第4部分为领域应用,用3章分别讨论专家系统开发技术和自然语言处理原理和方法以及智能机器人技术。 本书参考了许多较新的国外同类教材和其他文献,力求保持新颖性和实用性,强调基本概念和基本观点,注重理论和实际相结合,配备有大量辅助教学的演示实例及推理系统。 本书作为大学本科学习人工智能的教科书, 虽然内容较多, 但可以选择一些基本内容,如问题求解、知识表达、推理等基本方法与技术以及数据挖掘技术等进行讲授。本书也可以作为研究生教材和计算机专业工作者了解人工智能的自学用书。 作者在编写本书时经过了漫长的总结经验和收集意见的过程,并与若干老师和同事合作编写了多种同类教材,得到了他们大量的帮助,在此向这些老师和同事表示衷心的感谢。 在本书的编写过程中, 作者参考了刘娟博士、金涛博士的博士论文, 在编写和搜集资料方面还得到了朱三元、粟藩臣、金敏、杨云水、操郡、朱炜、王丁彬、李珂、贺亢、陈杰、方博、何淼、刘岩、林仁富、黄一钊、刘思等博士和硕士研究生的大力支持,在此向他们表示衷心感谢。 由于水平所限,书中难免存在不足之处,恳请读者批评指正,使本书得以改进和完善。<br />作者2016年10月于汉口学院<br /><br /><br />显示全部信息媒体评论评论免费在线读第3章搜索的基本策略


本章主要讨论搜索的基本策略,即怎样搜索才可以*有效地达到目标。搜索的基本策略根据扩展的利用问题的特征信息的方式可分为盲目搜索、启发式搜索和随机搜索。如果没有利用问题的特征信息,一般的搜索方式与平时找东西在策略上可以说是相同的: 当我们在慌乱之中寻找东西的时候通常使用的就是随机搜索。当我们在清醒时,有条理地寻找东西的方法大致可以分成两类: 一种是找眼镜模式,它指的是眼镜掉了的时候总是从*近的地方开始寻找,慢慢地扩大搜索的范围; 另一种是走迷宫模式,它指的是在走迷宫的时候由于无法分身只有一条路走到底,走不通再回溯的走法。这3种方法分别对应的就是随机搜索、广度搜索和深度搜索。下面按是否利用问题的特征信息划分搜索策略的方法,讨论盲目搜索、启发式搜索和随机搜索。3.1盲目搜索方法盲目搜索方法又叫非启发式搜索,是一种无信息搜索(uninformed search),一般只适用于求解比较简单的问题。下面将要讨论的几个搜索方法,它们均属于盲目搜索方法,虽然其他课程也讨论类似的算法,但我们要注重在这里的算法表达方法。3.1.1宽度优先搜索在一个搜索树中,如果搜索是以同层邻近节点依次扩展节点的,那么这种搜索就叫宽度优先搜索(breathfirst search)。这种搜索是逐层进行的,在对下一层的任一节点进行搜索之前,必须搜索完本层的所有节点。在本节讨论的盲目搜索算法中存放节点都采用一种简单的数据结构——表,表是将节点按一定的顺序用逗号隔开放在一对括号中的一种数据结构,在表的首部和尾部都可以加入和删除节点。宽度优先搜索算法如下。 (1) 令N为一个由初始状态构成的表。 (2) 若N为空退出,标志失败。 (3) 令n为N中**个节点,将n从N中删除。 (4) 若n是目标,则退出,标志成功。 (5) 若n不是目标,将n的后继节点加入到N表的末端,转第(2)步。宽度优先搜索的优点: 若问题有解,则可找出*优解。缺点: 效率低,组合爆炸问题难以解决。3.1.2��度优先搜索与宽度优先搜索对应的一种盲目搜索叫做深度优先搜索(depthfirst search)。在深度优先搜索中,首先扩展*新产生的(即*深的)节点到表中。深度相等的节点可以任意排列。深度优先搜索算法如下。(1) 令N为一个由初始状态构成的表。(2) 若N为空退出,标志失败。(3) 令n为N中**个节点,将n从N中删除。(4) 若n是目标,则退出,标志成功。(5) 若n不是目标,将n的后继节点加入到N表的首部,转第(2)步。

目录

第1章概述

1.1人工智能概述

1.2AI的产生及主要学派

1.3人工智能、专家系统和知识工程

1.4AI模拟智能成功的标准

1.5人工智能应用系统

本书参考了许多较新的国外同类教材和其他文献,力图保持新颖性和实用性,强调基本概念和基本观点,注重理论和实际相结合,配备有大量辅助教学的演示实例及推理系统。 本书作为大学本科学习人工智能的教科书, 虽然内容较多, 但可以选择一些基本内容,如问题求解、知识表达、推理等基本方法与技术、数据挖掘技术等进行讲授。本书也可以作为研究生教材和计算机专业工作者了解人工智能的自学用书。