第1章 绪论1
1.1 人工智能的定义与发展1
1.2 人类智能与人工智能4
1.2.1 智能信息处理系统的假设5
1.2.2 人类智能的计算机模拟7
1.3 人工智能各学派的认知观8
1.4 人工智能的研究与应用领域10
1.4.1 智能感知11
1.4.2 智能推理13
1.4.3 智能学习16
1.4.4 智能行动19
1.5 未来50年的人工智能问题25
1.6 人类级人工智能28
习题28
第2章 知识表示和推理30
2.1 概述30
2.1.1 知识和知识表示30
2.1.2 知识-策略-智能32
2.1.3 人工智能对知识表示方法的要求33
2.1.4 知识的分类33
2.1.5 知识表示语言问题34
2.1.6 现代逻辑学的基本研究方法35
2.2 命题逻辑37
2.2.1 语法38
2.2.2 语义38
2.2.3 命题演算形式系统40人工智能（第2版）目录 2.3 谓词逻辑41
2.3.1 语法42
2.3.2 语义43
2.3.3 谓词逻辑形式系统FC46
2.3.4 一阶谓词逻辑的应用47
2.4 归结推理49
2.4.1 命题演算中的归结推理49
2.4.2 谓词演算中的归结推理52
2.4.3 谓词演算归结反演的合理性和完备性61
2.5 产生式系统65
2.5.1 产生式系统的组成部分66
2.5.2 产生式系统的基本过程70
2.5.3 产生式系统的控制策略70
2.6 知识表示的其他方法72
2.6.1 语义网络72
2.6.2 框架79
2.6.3 脚本82
2.6.4 面向对象 84
2.7 基于知识的系统87
2.7.1 知识获取88
2.7.2 知识组织90
2.7.3 知识应用91
2.7.4 常识知识和大规模知识处理91
2.8 小结92
习题93
第3章 搜索技术100
3.1 概述101
3.2 盲目搜索方法102
3.2.1 生成再测试法102
3.2.2 迭代加深搜索103
3.3 启发式搜索104
3.3.1 启发性信息和评估函数104
3.3.2 最好优先搜索算法105
3.3.3 贪婪最好优先搜索算法106
3.3.4 A算法和A算法107
3.3.5 迭代加深A算法111
3.4 问题归约和AND-OR图启发式搜索111
3.4.1 问题归约的描述112
3.4.2 问题的AND-OR图表示113
3.4.3 AO算法114
3.5 博弈118
3.5.1 极大极小过程120
3.5.2 α-β过程122
3.6 小结124
习题124
第4章 高级搜索125
4.1 爬山法搜索125
4.2 模拟退火搜索128
4.2.1 模拟退火搜索的基本思想128
4.2.2 模拟退火算法129
4.2.3 模拟退火算法关键参数和操作的设计130
4.2.4 模拟退火算法的改进132
4.3 遗传算法134
4.3.1 遗传算法的基本思想134
4.3.2 遗传算法的基本操作136
4.3.3 遗传算法的应用情况141
4.4 小结142
习题142
第5章 不确定知识表示和推理143
5.1 概述143
5.1.1 什么是不确定推理144
5.1.2 不确定推理要解决的基本问题144
5.1.3 不确定性推理方法分类146
5.2 非单调逻辑147
5.2.1 单调性与非单调性147
5.2.2 非单调逻辑的产生148
5.2.3 缺省推理逻辑149
5.2.4 非单调逻辑系统151
5.2.5 非单调规则153
5.3 主观Bayes方法157
5.3.1 全概率公式和Bayes公式157
5.3.2 主观Bayes方法159
5.4 确定性理论164
5.4.1 建造医学专家系统时的问题164
5.4.2 C-F模型165
5.5 证据理论170
5.5.1 假设的不确定性170
5.5.2 证据的不确定性173
5.5.3 证据的组合函数173
5.5.4 规则的不确定性174
5.5.5 不确定性的传递174
5.5.6 不确定性的组合175
5.6 模糊逻辑和模糊推理176
5.6.1 模糊集合及其运算177
5.6.2 模糊关系178
5.6.3 语言变量179
5.6.4 模糊逻辑180
5.6.5 模糊推理180
5.7 小结184
习题186
第6章 Agent188
6.1 概述188
6.2 Agent及其结构190
6.2.1 Agent定义190
6.2.2 Agent要素及特性191
6.2.3 Agent例子193
6.2.4 Agent的结构特点194
6.2.5 Agent的结构分类195
6.3 Agent通信198
6.3.1 通信方式198
6.3.2 Agent通信语言KQML199
6.3.3 SACL语言203
6.4 协调与协作206
6.4.1 引言206
6.4.2 合同网209
6.4.3 协作规划210
6.5 移动Agent214
6.5.1 移动Agent产生的背景214
6.5.2 定义和系统组成217
6.5.3 实现技术218
6.5.4 技术优势227
6.6 基于Agent的系统及其应用229
6.6.1 移动Agent系统229
6.6.2 移动Agent技术的应用231
6.6.3 多Agent系统的应用233
6.7 小结234
习题234
第7章 自然语言处理技术236
7.1 自然语言理解的一般问题236
7.1.1 自然语言理解的概念及意义236
7.1.2 自然语言理解研究的发展238
7.1.3 自然语言理解的层次239
7.2 词法分析242
7.3 句法分析243
7.3.1 短语结构文法和 Chomsky文法体系243
7.3.2 句法分析树245
7.3.3 转移网络246
7.4 语义分析247
7.4.1 语义文法247
7.4.2 格文法248
7.5 大规模真实文本的处理250
7.5.1 语料库语言学及其特点250
7.5.2 统计学方法的应用及面临的问题252
7.5.3 汉语语料库加工的基本方法253
7.5.4 语义资源建设256
7.6 信息搜索257
7.6.1 信息搜索概述257
7.6.2 搜索引擎258
7.6.3 智能搜索引擎264
7.6.4 搜索引擎面临的挑战268
7.6.5 搜索引擎的发展趋势269
7.7 机器翻译272
7.7.1 机器翻译的基本模式和方法273
7.7.2 统计机器翻译274
7.7.3 机器翻译系统的发展276
7.8 语音识别280
7.8.1 组成单词读音的基本单元280
7.8.2 信号处理281
7.8.3 识别283
7.8.4 隐马尔可夫模型284
7.8.5 口语翻译285
7.9 自然语言应用286
7.9.1 故事理解和问题解答286
7.9.2 数据库前端287
7.9.3 自动文摘288
7.10 小结289
习题289
第8章 机器学习和神经网络291
8.1 机器学习概述291
8.1.1 学习中的元素292
8.1.2 目标函数的表示293
8.1.3 学习任务的类型295
8.1.4 机器学习的定义和发展史296
8.1.5 机器学习的主要策略297
8.1.6 机器学习系统的基本结构298
8.2 基于符号的机器学习方法299
8.2.1 机械学习300
8.2.2 归纳学习301
8.2.3 决策树学习304
8.2.4 基于范例的学习309
8.2.5 解释学习313
8.2.6 强化学习316
8.3 基于神经网络的学习317
8.3.1 神经网络概述317
8.3.2 基于反向传播网络的学习323
8.3.3 Hopfield神经网络模型333
8.4 知识发现339
8.4.1 知识发现的处理过程340
8.4.2 知识发现的方法341
8.4.3 知识发现的应用343
8.5 小结344
习题345
第9章 智能规划351
9.1 规划问题与实例351
9.1.1 规划问题及其描述语言351
9.1.2 规划问题实例354
9.2 状态空间搜索规划357
9.2.1 前向状态空间搜索357
9.2.2 后向状态空间搜索358
9.2.3 状态空间搜索的启发式359
9.3 偏序规划360
9.3.1 偏序规划的描述360
9.3.2 偏序规划的实例363
9.3.3 无约束变量的偏序规划365
9.3.4 启发式偏序规划366
9.4 命题逻辑规划367
9.5 分层任务网络规划369
9.6 非确定性规划372
9.7 多Agent规划373
9.7.1 合作: 联合目标和规划374
9.7.2 多Agent规划的构建375
9.7.3 协调机制376
9.7.4 竞争377
9.8 小结377
习题377
第10章 机器人学379
10.1 概述379
10.1.1 机器人的由来379
10.1.2 机器人的定义380
10.1.3 机器人的分类382
10.1.4 机器人的特性382
10.1.5 机器人学的形成383
10.1.6 机器人学的研究领域384
10.2 机器人系统384
10.2.1 机器人系统的组成384
10.2.2 机器人的工作空间386
10.2.3 机器人的性能指标388
10.3 机器人的编程模式与语言389
10.4 机器人的社会问题392
10.5 机器人的应用与展望392
10.5.1 机器人应用393
10.5.2 机器人发展展望395
习题397
第11章 互联网智能398
11.1 概述398
11.2 语义网与本体400
11.2.1 语义网的层次模型400
11.2.2 本体的基本概念402
11.2.3 本体描述语言OWL403
11.2.4 本体知识管理框架404
11.2.5 本体知识管理系统Protégé405
11.2.6 本体知识管理系统KAON405
11.3 Web技术的演化407
11.3.1 Web 1.0407
11.3.2 Web 2.0408
11.3.3 Web 3.0410
11.4 Web挖掘411
11.4.1 Web内容挖掘412
11.4.2 Web结构挖掘414
11.4.3 Web使用挖掘415
11.4.4 数据挖掘的应用416
11.4.5 互联网信息可信度问题416
11.5 集体智能417
11.5.1 社群智能418
11.5.2 集体智能系统419
11.5.3 全球脑420
11.6 网络应用421
习题422
附录A 人工智能程序设计语言Prolog424
A.1 Turbo Prolog核心机制425
A.1.1 逻辑型程序设计语言 Prolog425
A.1.2 Turbo Prolog程序设计430
A.2 Visual Prolog编程环境442
A.2.1 Visual Prolog概述442
A.2.2 系统安装442
A.2.3 编程初步443
A.2.4 编写第一个应用程序“Hello World" 446
A.2.5 Visual Prolog调试器450
附录B 人工智能大作业453
B.1 NIM问题求解 453
B.2 水壶问题453
B.3 合一算法454
B.4 中国象棋454
B.5 围棋455
B.6 五子棋456
B.7 魔方457
B.8 用神经网络对大写字母分类457
B.9 小型动物分类专家系统458
B.10 美国地理458
B.11 洞穴探宝458
B.12 音节划分459
B.13 奥木459
B.14 九宫图460
B.15 归类测试算法461
B.16 传教士-野人问题461
B.17 八皇后问题461
B.18 Elsevier的横向信息产品462
B.19 奥迪的数据整合463
B.20 人寿保险公司的技能寻获463
B.21 在线学习463
B.22 警察局的多媒体收藏索引464
B.23 康富的在线采购465
B.24 数码设备的可共用性465
B.25 火星探测者Agent466
B.26 用于电力管理的多Agent系统467
B.27 人工智能军事应用跟踪470
B.28 计算机游戏如何产生娱乐效果470
参考文献472第1章 绪论1
1.1 人工智能的定义与发展1
1.2 人类智能与人工智能4
1.2.1 智能信息处理系统的假设5
1.2.2 人类智能的计算机模拟7
1.3 人工智能各学派的认知观8
1.4 人工智能的研究与应用领域10
1.4.1 智能感知11
1.4.2 智能推理13
1.4.3 智能学习16
1.4.4 智能行动19
1.5 未来50年的人工智能问题25
1.6 人类级人工智能28
习题28
第2章 知识表示和推理30
2.1 概述30
2.1.1 知识和知识表示30
2.1.2 知识-策略-智能32
2.1.3 人工智能对知识表示方法的要求33
2.1.4 知识的分类33
2.1.5 知识表示语言问题34
2.1.6 现代逻辑学的基本研究方法35
2.2 命题逻辑37
2.2.1 语法38
2.2.2 语义38
2.2.3 命题演算形式系统40
2.3 谓词逻辑41
2.3.1 语法42人工智能（第2版）目录 2.3.2 语义43
2.3.3 谓词逻辑形式系统FC46
2.3.4 一阶谓词逻辑的应用47
2.4 归结推理49
2.4.1 命题演算中的归结推理49
2.4.2 谓词演算中的归结推理52
2.4.3 谓词演算归结反演的合理性和完备性61
2.5 产生式系统65
2.5.1 产生式系统的组成部分66
2.5.2 产生式系统的基本过程70
2.5.3 产生式系统的控制策略70
2.6 知识表示的其他方法72
2.6.1 语义网络72
2.6.2 框架79
2.6.3 脚本82
2.6.4 面向对象 84
2.7 基于知识的系统87
2.7.1 知识获取88
2.7.2 知识组织90
2.7.3 知识应用91
2.7.4 常识知识和大规模知识处理91
2.8 小结92
习题93
第3章 搜索技术100
3.1 概述100
3.2 盲目搜索方法102
3.2.1 宽度优先搜索102
3.2.2 深度优先搜索104
3.2.3 迭代加深搜索106
3.3 启发式搜索107
3.3.1 启发性信息和评估函数108
3.3.2 最好优先搜索算法109
3.3.3 通用图搜索算法109
3.3.4 A算法112
3.3.5 迭代加深A算法116
3.4 问题归约和AND-OR图启发式搜索117
3.4.1 问题归约的描述117
3.4.2 AND-OR图表示118
3.4.3 AO算法119
3.5 博弈124
3.5.1 极大极小过程125
3.5.2 α-β过程127
3.6 约束满足搜索130
3.7 小结132
习题133
第4章 高级搜索134
4.1 爬山法搜索134
4.2 模拟退火搜索137
4.2.1 模拟退火搜索的基本思想137
4.2.2 模拟退火算法138
4.2.3 模拟退火算法关键参数和操作的设计139
4.2.4 模拟退火算法的改进141
4.3 遗传算法143
4.3.1 遗传算法的基本思想143
4.3.2 遗传算法的基本操作145
4.3.3 遗传算法的应用情况150
4.4 小结151
习题151
第5章 不确定知识表示和推理1
5.1 概述1
5.1.1 什么是不确定推理153
5.1.2 不确定推理要解决的基本问题153
5.1.3 不确定性推理方法分类155
5.2 非单调逻辑156
5.2.1 单调性与非单调性156
5.2.2 非单调逻辑的产生157
5.2.3 缺省推理逻辑158
5.2.4 非单调逻辑系统162
5.2.5 非单调规则164
5.3 主观Bayes方法167
5.3.1 全概率公式和Bayes公式167
5.3.2 主观Bayes方法169
5.4 确定性理论174
5.4.1 建造医学专家系统时的问题175
5.4.2 C-F模型176
5.5 证据理论180
5.5.1 假设的不确定性181
5.5.2 证据的不确定性183
5.5.3 证据的组合函数183
5.5.4 规则的不确定性185
5.5.5 不确定性的传递185
5.5.6 不确定性的组合185
5.6 模糊逻辑和模糊推理187
5.6.1 模糊集合及其运算187
5.6.2 模糊关系189
5.6.3 语言变量190
5.6.4 模糊逻辑190
5.6.5 模糊推理191
5.7 小结195
习题196
第6章 Agent199
6.1 概述199
6.2 Agent及其结构201
6.2.1 Agent定义201
6.2.2 Agent要素及特性202
6.2.3 Agent例子204
6.2.4 Agent的结构特点205
6.2.5 Agent的结构分类206
6.3 Agent通信209
6.3.1 通信方式209
6.3.2 Agent通信语言KQML210
6.3.3 SACL语言214
6.4 协调与协作217
6.4.1 引言217
6.4.2 合同网220
6.4.3 协作规划221
6.5 移动Agent225
6.5.1 移动Agent产生的背景225
6.5.2 定义和系统组成228
6.5.3 实现技术229
6.5.4 技术优势239
6.6 基于Agent的系统及其应用240
6.6.1 移动Agent系统240
6.6.2 移动Agent技术的应用242
6.6.3 多Agent系统的应用244
6.7 小结245
习题246
第7章 自然语言处理技术247
7.1 自然语言理解的一般问题247
7.1.1 自然语言理解的概念及意义247
7.1.2 自然语言理解研究的发展249
7.1.3 自然语言理解的层次250
7.2 词法分析253
7.3 句法分析254
7.3.1 短语结构文法和 Chomsky文法体系254
7.3.2 句法分析树256
7.3.3 转移网络257
7.4 语义分析258
7.4.1 语义文法258
7.4.2 格文法259
7.5 大规模真实文本的处理261
7.5.1 语料库语言学及其特点261
7.5.2 统计学方法的应用及面临的问题263
7.5.3 汉语语料库加工的基本方法264
7.5.4 语义资源建设266
7.6 信息搜索268
7.6.1 信息搜索概述268
7.6.2 搜索引擎268
7.6.3 智能搜索引擎274
7.6.4 搜索引擎面临的挑战279
7.6.5 搜索引擎的发展趋势280
7.7 机器翻译283
7.7.1 机器翻译的基本模式和方法283
7.7.2 统计机器翻译285
7.7.3 机器翻译系统的发展287
7.8 语音识别290
7.8.1 组成单词读音的基本单元291
7.8.2 信号处理291
7.8.3 识别293
7.8.4 隐马尔可夫模型294
7.8.5 口语翻译296
7.9 自然语言应用297
7.9.1 故事理解和问题解答297
7.9.2 数据库前端298
7.9.3 自动文摘298
7.10 小结300
习题300
第8章 机器学习和神经网络301
8.1 机器学习概述301
8.1.1 学习中的元素302
8.1.2 目标函数的表示303
8.1.3 学习任务的类型305
8.1.4 机器学习的定义和发展史306
8.1.5 机器学习的主要策略307
8.1.6 机器学习系统的基本结构308
8.2 基于符号的机器学习方法309
8.2.1 机械学习310
8.2.2 归纳学习311
8.2.3 决策树学习314
8.2.4 基于范例的学习319
8.2.5 解释学习323
8.2.6 强化学习326
8.3 基于神经网络的学习327
8.3.1 神经网络概述327
8.3.2 基于反向传播网络的学习333
8.3.3 Hopfield神经网络模型343
8.4 知识发现349
8.4.1 知识发现的处理过程350
8.4.2 知识发现的方法351
8.4.3 知识发现的应用353
8.5 小结354
习题355
第9章 智能规划361
9.1 规划问题与实例361
9.1.1 规划问题及其描述语言361
9.1.2 规划问题实例364
9.2 状态空间搜索规划367
9.2.1 前向状态空间搜索367
9.2.2 后向状态空间搜索368
9.2.3 状态空间搜索的启发式369
9.3 偏序规划370
9.3.1 偏序规划的描述370
9.3.2 偏序规划的实例373
9.3.3 无约束变量的偏序规划375
9.3.4 启发式偏序规划376
9.4 命题逻辑规划377
9.5 分层任务网络规划379
9.6 非确定性规划382
9.7 多Agent规划383
9.7.1 合作: 联合目标和规划384
9.7.2 多Agent规划的构建385
9.7.3 协调机制386
9.7.4 竞争387
9.8 小结387
习题387
第10章 机器人学389
10.1 概述389
10.1.1 机器人的由来389
10.1.2 机器人的定义390
10.1.3 机器人的分类392
10.1.4 机器人的特性392
10.1.5 机器人学的形成393
10.1.6 机器人学的研究领域394
10.2 机器人系统394
10.2.1 机器人系统的组成394
10.2.2 机器人的工作空间396
10.2.3 机器人的性能指标398
10.3 机器人的编程模式与语言399
10.4 机器人的社会问题402
10.5 机器人的应用与展望402
10.5.1 机器人应用403
10.5.2 机器人发展展望405
习题407
第11章 互联网智能408
11.1 概述408
11.2 语义网与本体410
11.2.1 语义网的层次模型410
11.2.2 本体的基本概念412
11.2.3 本体描述语言OWL414
11.2.4 本体知识管理框架414
11.2.5 本体知识管理系统Protégé415
11.2.6 本体知识管理系统KAON416
11.3 Web技术的演化417
11.3.1 Web 1.0418
11.3.2 Web 2.0418
11.3.3 Web 3.0421
11.4 Web挖掘422
11.4.1 Web内容挖掘423
11.4.2 Web结构挖掘424
11.4.3 Web使用挖掘425
11.4.4 数据挖掘的应用426
11.4.5 互联网信息可信度问题427
11.5 集体智能428
11.5.1 社群智能
11.5.2 集体智能系统429
11.5.3 全球脑430
11.6 网络应用431
习题432
附录A 人工智能程序设计语言Prolog433
A.1 Turbo Prolog核心机制434
A.1.1 逻辑型程序设计语言 Prolog434
A.1.2 Turbo Prolog程序设计439
A.2 Visual Prolog编程环境451
A.2.1 Visual Prolog概述451
A.2.2 系统安装451
A.2.3 编程初步452
A.2.2 编写第一个应用程序“Hello World" 455
A.2.5 Visual Prolog调试器459
附录B 人工智能大作业462
B.1 NIM问题求解 462
B.2 水壶问题462
B.3 合一算法463
B.4 中国象棋463
B.5 围棋464
B.6 五子棋465
B.7 魔方466
B.8 用神经网络对大写字母分类466
B.9 小型动物分类专家系统467
B.10 美国地理467
B.11 洞穴探宝467
B.12 音节划分468
B.13 奥木468
B.14 九宫图469
B.15 归类测试算法470
B.16 传教士-野人问题470
B.17 八皇后问题470
B.18 Elsevier的横向信息产品471
B.19 奥迪的数据整合472
B.20 人寿保险公司的技能寻获472
B.21 在线学习472
B.22 警察局的多媒体收藏索引473
B.23 康富的在线采购474
B.24 数码设备的可共用性474
B.25 火星探测者Agent475
B.26 用于电力管理的多Agent系统476
B.27 人工智能军事应用跟踪479
B.28 计算机游戏如何产生娱乐效果479
