本书包含当前人工智能(AI)研究的主要内容,尤其强调实际应用,涉及数据挖掘等许多*新应用领域。全书共13章,分别讲述了人工智能的历史、盲目搜索、启发式搜索、人工智能与游戏、知识表示、机器学习、演化计算、神经网络、机器人学与人工智能、智能Agent、仿生和混合模型以及人工智能语言。本书给出了算法的较详细实现,与现有的以理论基础为核心的大多数经典人工智能著作相比,本书有自身的鲜明特色,且内容与国内人工智能课程的教学内容吻合,尤其有利于培养学生解决人工智能实际问题的能力。
本书适合高等学校计算机、自动化等信息学科的本科生和研究生阅读,也适合广大人工智能爱好者自学使用,本书也能为人工智能研究人员了解各种算法的设计思路和具体实现框架提供参考。

第1章 人工智能的历史
1.1 什么是智能
1.2 探索机械智能
1.3 早期时代(20世纪50年代初)
1.4 人工智能领域的出现
1.5 人工智能的冬天
1.6 人工智能的重兴
1.7 人工智能交叉学科的研究进展
1.8 系统方法
1.9 全书内容概述
1.10 本章小结
参考文献
相关资料
练习
第2章 盲目搜索
2.1 搜索与人工智能
2.2 搜索分类
2.3 通用状态空间搜索
2.4 树、图及其表示法
2.5 盲目搜索
2.6 改进
2.7 算法优点
2.8 本章小结
2.9 算法小结
参考文献
练习
第3章 启发式搜索
3.1 启发式搜索
3.2 *佳优先搜索(BEST-FS)
3.3 A*搜索
3.4 爬山搜索
3.5 模拟退火(SA)
3.6 禁忌搜索
3.7 约束满足问题(CSP)
3.8 约束满足算法
3.9 本章小结
3.10 算法总结
参考文献
相关资料
练习
第4章 人工智能与游戏
4.1 双人游戏
4.2 极小极大算法
4.3 经典游戏中的人工智能
4.4 视频游戏中的人工智能
4.5 本章小结
参考文献
相关资料
练习
第5章 知识表示
5.1 简介
5.2 知识的类型
5.3 知识的作用
5.4 语义网络
5.5 框架
5.6 命题逻辑
5.7 一阶逻辑(谓词逻辑)
5.8 语义Web
5.9 计算化知识发现
5.10 本体
5.11 知识通信
5.12 常识
5.13 本章小结
参考文献
相关资料
练习
第6章 机器学习
6.1 机器学习算法
6.2 本章小结
参考文献
练习
第7章 演化计算
7.1 演化计算简史
7.2 生物学动机
7.3 遗传算法(GA)
7.4 遗传程序设计(GP)
7.5 演化策略(ES)
7.6 差异演化(DE)
7.7 粒子群优化(PSO)
7.8 演化硬件
7.9 本章小结
参考文献
相关资料
练习
第8章 神经网络I
8.1 神经网络简史
8.2 生物学动因
8.3 神经网络的基本原理
8.4 感知器
8.5 *小均方学习
8.6 反向传播学习
8.7 概率神经网络
8.8 其他神经网络结构
8.9 构建神经网络的技巧
8.10 本章小结
参考文献
练习
第9章 神经网络II
9.1 无监督学习
9.2 Hebb学习
9.3 简单竞争学习
9.4 k均值聚类
9.5 自适应谐振理论(ART)
9.6 Hopfield自联想模型
9.7 本章小结
参考文献
练习
第10章 机器人学和人工智能
10.1 机器人学简介
10.2 Braitenberg车
10.3 自然感知和控制
10.4 用传感器感知
10.5 用效应器实现动作
10.6 机器人控制系统
10.7 简单的控制体系结构
10.8 行为规划
10.9 群组或分布式机器人
10.10 机器人程序设计语言
10.11 机器人仿真器
10.12 本章小结
参考文献
相关资料
练习
第11章 智能Agent
11.1 Agent的结构
11.2 Agent属性和人工智能
11.3 Agent环境
11.4 Agent分类
11.5 Agent体系结构
11.6 Agent语言
11.7 Agent通信
11.8 本章小结
参考文献
相关资料
练习
第12章 仿生和混合的模型
12.1 元胞自动机
12.2 自主计算系统
12.3 人工生命
12.4 模糊系统
12.5 演化神经网络
12.6 蚁群优化
12.7 情感计算
相关资料
第13章 人工智能语言
13.1 语言分类
13.2 人工智能语言
13.3 其他语言
13.4 本章小结
参考文献
相关资料
练习
索引