人工智能

　　本书系统地介绍了人工智能的基本概念、基本理论和基本方法，强调理论与实际相结合，尽可能地反映出了人工智能研究与应用的最新成果。全书共11章，分3个部分。第1部分对人工智能发展概况、问题求解的基本原理和方法、符号逻辑基础和人工智能程序设计语言的基础进行了系统的论述；第2部分将着重介绍人工智能的基本方法和技术，内容包括产生式系统、语义网络、框架系统和面向对象技术等知识表示方法，以及不确定推理方法；第3部分介绍人工智能研究的最新成果，如机器学习方法、专家系统原理与应用、知识发现与数据挖掘、遗传算法、分布式人工智能等。书中附有习题和有关参考资料，便于读者自学。本书可作为高等院校计算机科学与技术专业及相关专业的本科生和研究生的人工智能课教材。

暂缺《人工智能》作者简介

第1章人工智能概述
1.1人类智能中的认知和思维
1.2人工智能的定义与基础
1.3人工智能的产生与发展
1.4人工智能的研究方法
1.5人工智能的研究与应用领域
1.6人工智能的发展趋势
习题1
第2章人工智能程序设计语言
2.1人工智能程序设计语言概述
2.2PROLOG语言
2.3LISP语言
习题2
第3章问题求解的基本原理
3.1状态空间与问题求解
3.2盲目搜索
3.3启发式搜索
3.4局部搜索
3.5博弈树搜索
3.6问题规约法
习题3
第4章人工智能逻辑基础
4.1一阶谓词逻辑
4.2归结(消解)原理
4.3Horn子句
习题4
第5章知识表示与推理
5.1概述
5.2产生式表示
5.3语义网络
5.4框架
5.5面向对象的表示方法
习题5
第6章不确定推理方法
6.1不确定性推理的基本概念
6.2不确定性推理方法
6.3可能性理论与模糊推理
6.4非单调推理
习题6
第7章机器学习
7.1机器学习的基本概念
7.2机器学习的原理与方法
7.3机械学习
7.4归纳学习
7.5解释学习
7.6类比学习
7.7神经网络学习
习题7
第8章专家系统
8.1专家系统的基本概念
8.2专家系统的结构和工作原理
8.3知识获取
8.4专家系统的设计与开发
8.5专家系统开发工具
8.6专家系统应用举例
习题8
第9章知识发现与数据挖掘
9.1知识发现方法
9.2基于粗集理论的近似表达与知识理解
9.3近似分类方法及评价系统参数重要性
9.4知识简化与范畴简化
9.5相对知识简化与相对范畴简化
9.6数据表知识表达系统
9.7决策规则和算法
习题9
第10章遗传算法
10.1遗传算法的概述
10.2遗传算法的基本原理
10.3遗传算法的设计实现
10.4遗传算法的应用例子
10.5遗传算法的进一步研究
习题10
第11章分布式人工智能
11.1分布式问题求解
11.2Agent基本理论
11.3多Agent系统
参考文献