人工智能及其应用（第4版）

　　《人工智能及其应用（第4版）》共10章。第1章叙述人工智能的概况和不同学派的认知观。第2章和第3章研究人工智能的知识表示方法和搜索推理技术。第4章探讨不确定性推理的主要方法。第5章阐述计算智能的基本知识。第6章~第10章逐一讨论了人工智能的主要应用领域，包括专家系统、机器学习、自动规划、分布式人工智能和自然语言理解等。与第三版本科生用书相比，许多内容都是第一次出现的，如本体论和非经典推理、粒群优化和蚁群计算、决策树学习和增强学习、词法分析和语料库语言学，以及路径规划和基于Web的专家系统等。其他章节也在第三版的基础上作了相应的修改、精简或补充。《人工智能及其应用（第4版）》可作为高等院校有关专业本科生和研究生的人工智能课程教材，也可供从事人工智能研究与应用的科技工作者学习参考。

　　蔡自兴，中南大学信息科学与工程学院教授、博士生导师、学位委员会主席。联合国工业与发展组织（UNIDO）审定的联合国专家、国际导航与运动控制科学院院士、纽约科学院院士、IEEE高级会员、首届全国高校国家级教学名师。历任第八届湖南省政协副主席兼文教卫体委员会主任，全国政协第九届和第十届委员会委员，兼任中国人工智能学会副理事长及智能机器人专业委员会主任、中国自动化学会理事、中国计算机学会模式识别与人工智能专业委员会委员等，并任美国伦塞勒大学、俄罗斯科学院圣彼德堡自动化与信息学研究所、丹麦技术大学、北京大学信息科学中心、中国科学院自动化研究所、国防科技大学、北京航空航天大学、北京邮电大学等校客座教授／客座研究员等。主要从事智能系统、人工智能、智能控制、智能机器人研究。主持并完成科教研究30多项，其中获国际奖励2项，国家级奖励2项，省部级以上奖励12项。已在国内外发表学术论文600多篇，出版专著、教材30多部，如《人工智能及其应用》、《机器人学》、《智能控制》和Intelligent Control， Principles，Techniques and Applications等。此外，还主持国家级精品课程（2门）、国家级教学团队和全国双语教学示范课程等国家教育部质量工程项目。徐光祐，1963年毕业于清华大学自动控制系并留校任教。1982年至1984年美国普度（Purdue）大学访问学者。1993年至1994年美国伊利诺伊（lllinois）大学访问教授。1998年至1999年德国西门子公司研究所访问科学家。现为清华大学计算机系责任教授，博士生导师，IEEE高级会员，国际测量学会IMEKO，Tc-10中国代表，International Journal of Biomedical Soft Computing and Human Sciences副主编，曾任中国图象图形学会多媒体技术委员会主席，中国图象图形学报副主编。主持和完成近20项“863”、国家自然科学基金、国家科技攻关等重要的国家科研任务.其中包括自然科学重点基金项目“分布式多媒体信息处理方法学及支撑平台研究”（1993-1995）和“211”重点项目“分布式人机交互”（1997-2000），均取得优秀成果。还是第一届全国优秀博士学位论文的导师。已获得国家和部委各种科技进步奖励11项。

第1章 绪论
1．1 人工智能的定义与发展
1．1．1 人工智能的定义
1．1．2 人工智能的起源与发展
1．2 人工智能的各种认知观
1．2．1 人工智能各学派的认知观
1. 2．2 人工智能的争论
1．3 人类智能与人工智能
1．3．1 智能信息处理系统的假设
1．3．2 人类智能的计算机模拟
1．4 人工智能的研究目标和内容
1．4．1 人工智能的研究目标
1．4．2 人工智能研究的基本内容
1．5 人工智能研究的主要方法
1．6 人工智能的研究与应用领域
1．7 本书概要
习题
第2章 知识表示方法
2．1 状态空间表示
2．1．1 问题状态描述
2．1．2 状态图示法
2．2 问题归约表示
2．2．1 问题归约描述
2．2．2 与或图表示
2．3 谓词逻辑表示
2．3．1 谓词演算
2．3．2 谓词公式
2．3．3 置换与合一
2．4 语义网络表示
2．4．1 二元语义网络的表示
2．4．2 多元语义网络的表示
2．4．3 语义网络的推理过程
2．5 框架表示
2．5．1 框架的构成
2．5．2 框架的推理
2．6 本体技术
2．6．1 本体的概念
2．6．2 本体的组成与分类
2．6．3 本体的建模
2．7 过程表示
2．8 小结
习题
第3章 确定性推理
3．1 图搜索策略
3．2 盲目搜索
3．2．1 宽度优先搜索
3．2．2 深度优先搜索
3．2．3 等代价搜索
3．3 启发式搜索
3．3．1 启发式搜索策略和估价函数
3．3．2 有序搜索
3．3．3 A＃算法
3．4 消解原理
3．4．1 子句集的求取
3．4．2 消解推理规则
3．4．3 含有变量的消解式
3．4．4 消解反演求解过程
3．5 规则演绎系统
3．5．1 规则正向演绎系统
3．5．2 规则逆向演绎系统
3．5．3 规则双向演绎系统
3．6 产生式系统
3．6．1 产生式系统的组成
3．6．2 产生式系统的推理
3．6．3 产生式系统举例
3．7 非单调推理
3．7．1 缺省推理
3．7．2 真值维持系统
3．8 小结
习题
第4章 非经典推理
4．1 经典推理和非经典推理
4．2 不确定性推理
4．2．1 不确定性的表示与量度
4．2．2 不确定性的算法
4．3 概率推理
4．3．1 概率的基本性质和计算公式
4．3．2 概率推理方法
4．4 主观贝叶斯方法
4．4．1 知识不确定性的表示
4．4．2 证据不确定性的表示
4．4．3 主观贝叶斯方法的推理过程
4．5 可信度方法
4．5．1 基于可信度的不确定性表示
4．5．2 可信度方法的推理算法
4．6 证据理论
4．6．1 证据理论的形式化描述
4．6．2 证据理论的不确定性推理模型
4．6．3 推理示例
4．7 小结
习题
第5章 计算智能
5．1 概述
5．2 神经计算
5．2．1 人工神经网络研究的进展
5．2．2 人工神经网络的结构
5．2．3 人工神经网络示例及其算法
5．2．4 基于神经网络的知识表示与推理
5．3 模糊计算
5．3．1 模糊集合、模糊逻辑及其运算
5．3．2 模糊逻辑推理
5．4 遗传算法
5．4．1 遗传算法的基本机理
5．4．2 遗传算法的求解步骤
5．5 人工生命
5．5．1 人工生命研究的起源和发展
5．5．2 人工生命的定义和研究意义
5．5．3 人工生命的研究内容和方法
5．5．4 人工生命实例
5．6 粒群优化
5．6．1 群智能和粒群优化概述
5．6．2 粒群优化算法
5．7 蚁群算法
5．7．1 蚁群算法理论
5．7．2 蚁群算法的研究与应用
5．8 小结
习题
第6章 专家系统
6．1 专家系统概述
6．1．1 专家系统的特点
6．1．2 专家系统的结构和建造步骤
6．2 基于规则的专家系统
6．2．1 基于规则专家系统的工作模型和结构
6．2．2 基于规则专家系统的特点
6．3 基于框架的专家系统
6．3．1 基于框架专家系统的定义、结构和设计方法
6．3．2 基于框架专家系统的继承、槽和方法
6．4 基于模型的专家系统
6．4．1 基于模型专家系统的提出
6．4．2 基于神经网络的专家系统
6．5 基于Web的专家系统
6．5．1 基于Web专家系统的结构
6．5．2 基于Web专家系统的实例
6．6 新型专家系统
6．6．1 新型专家系统的特征
6．6．2 分布式专家系统
6．6．3 协同式专家系统
6．7 专家系统设计
6．7．1 专家知识的描述
……
第7章 机器学习
第8章 自动规划
第9章 分布式人工智能与Agent（真体）
第10章 自然语言理解
结束语
参考文献
索引