第1章 概述1.1 人工智能概述1.2 AI的产生及主要学派1.3 人工智能、专家系统和知识工程1.4 AI模拟智能成功的标准1.5 人工智能应用系统1.6 人工智能的技术特征习题1第1部分搜索与问题求解第2章 用搜索求解问题的基本原理2.1 搜索求解问题的基本思路2.2 实现搜索过程的三大要素2.2.1 搜索对象2.2.2 扩展规则2.2.3 目标测试2.3 通过搜索求解问题2.4 问题特征分析2.4.1 问题的可分解性2.4.2 问题求解步骤的撤回2.4.3 问题全域的可预测性2.4.4 问题要求的解的满意度习题2第3章 搜索的基本策略3.1 盲目搜索方法3.1.1 宽度优先搜索3.1.2 深度优先搜索3.1.3 分支有界搜索3.1.4 迭代加深搜索3.1.5 一个盲目搜索问题几种实现3.2 启发式搜索3.2.1 启发式信息的表示3.2.2 几种最基本的搜索策略3.3 随机搜索3.3.1 模拟退火法3.3.2 其他典型的随机搜索算法习题3目录人工智能基础教程（第二版）第4章 图搜索策略4.1 或图搜索策略4.1.1 通用或图搜索算法4.1.2 A算法与A*算法4.2 与/或图搜索4.2.1 问题归约求解方法与“与/或图”4.2.2 与/或图搜索4.2.3 与/或图搜索的特点4.2.4 与/或图搜索算法AO*4.2.5 对AO*算法的进一步观察4.2.6 用AO*算法求解一个智力难题习题4第5章 博弈与搜索5.1 博弈与对策5.2 极小极大搜索算法5.2.1 极小极大搜索的思想5.2.2 极小极大搜索算法5.2.3 算法分析与举例5.3 α-β剪枝算法习题5第6章 演化搜索算法6.1 遗传算法的基本概念6.1.1 遗传算法的基本定义6.1.2 遗传算法的基本流程6.2 遗传编码6.2.1 二进制编码6.2.2 Gray编码6.2.3 实数编码6.2.4 有序编码6.2.5 结构式编码6.3 适应值函数6.4 遗传操作6.4.1 选择6.4.2 交叉操作6.4.3 变异操作6.5 初始化群体6.6 控制参数的选取6.7 算法的终止准则6.8 遗传算法的基本理论6.8.1 模式定理6.8.2 隐含并行性6.8.3 构造块假设6.8.4 遗传算法的收敛性6.9 遗传算法简例6.10遗传算法的应用领域6.11免疫算法6.11.1 免疫算法的发展6.11.2 免疫算法的基本原理6.11.3 生物免疫系统与人工免疫系统对应关系6.11.4 免疫算法的基本类型和步骤6.12 典型免疫算法分析6.12.1 阴性选择算法6.12.2 免疫遗传算法6.12.3 克隆选择算法6.12.4 基于疫苗的免疫算法6.13 免疫算法设计分析6.14 免疫算法与遗传算法比较6.14.1 免疫算法与遗传算法的基本步骤比较6.14.2 免疫算法与遗传算法不同之处6.14.3 仿真实验及讨论6.15免疫算法研究的展望习题6第7章 群集智能算法7.1 群集智能算法的研究背景7.2 群集智能的基本算法介绍7.2.1 蚁群算法7.2.2 flock算法7.2.3 粒子群算法7.3 集智系统介绍7.3.1 人工鱼7.3.2 Terrarium世界7.4 群集智能的优缺点习题7第8章 记忆型搜索算法8.1 禁忌搜索算法8.1.1 禁忌搜索算法的基本思想8.1.2 禁忌搜索算法的基本流程8.1.3 禁忌搜索示例8.1.4 禁忌搜索算法的基本要素分析8.1.5 禁忌搜索算法流程的特点8.1.6 禁忌搜索算法的改进8.2 和声搜索算法8.2.1 和声搜索算法简介和原理8.2.2 算法应用8.2.3 算法比较与分析习题8第9章 基于Agent的搜索9.1 DAI概述9.2 分布式问题求解9.3 Agent的定义9.3.1 Agent的弱定义9.3.2 Agent的强定义9.4 Agent的分类9.4.1 按功能划分9.4.2 按属性划分9.5 Agent通信9.5.1 Agent通信概述9.5.2 言语动作9.5.3 SHADE通信机制9.6 移动Agent9.6.1 移动Agent系统的一般结构9.6.2 移动Agent的分类9.6.3 移动Agent的优点9.6.4 移动Agent的技术难点9.6.5 移动Agent技术的标准化9.7 移动Agent平台的介绍9.7.1 General Magic公司的Odysses9.7.2 IBM公司的Aglet习题9第2部分知识与推理第10章 知识表示与处理方法10.1 概述10.1.1 知识和知识表示的含义10.1.2 知识表示方法分类10.1.3 AI对知识表示方法的要求10.1.4 知识表示要注意的问题10.2 逻辑表示法10.3 产生式表示法10.3.1 产生式系统的组成10.3.2 产生式系统的知识表示10.3.3 产生式系统的推理方式10.3.4 产生式规则的选择与匹配10.3.5 产生式表示的特点10.4 语义网络表示法10.4.1 语义网络结构10.4.2 二元语义网络的表示10.4.3 多元语义网络的表示10.4.4 连接词和量词的表示10.4.5 语义网络的推理过程10.4.6 语义网络的一般描述10.5 框架表示法10.5.1 框架理论10.5.2 框架结构10.5.3 框架表示下的推理10.6 过程式知识表示习题10第11章 谓词逻辑的归结原理及其应用11.1 命题演算的归结方法11.1.1 基本概念11.1.2 命题演算的归结方法11.2 谓词演算的归结11.2.1 谓词演算的基本问题11.2.2 将公式化成标准子句形式的步骤11.2.3 合一算法11.2.4 变量分离标准化11.2.5 谓词演算的归结算法11.3 归结原理11.3.1 谓词演算的基本概念11.3.2 归结方法可靠性证明11.3.3 归结方法的完备性11.4 归结过程的控制策略11.4.1 简化策略11.4.2 支撑集策略11.4.3 线性输入策略11.4.4 几种推理规则及其应用11.5 应用实例11.5.1 归约在逻辑电路设计中的应用11.5.2 利用推理破案的实例习题11第12章 非经典逻辑的推理12.1 非单调推理12.1.1 单调推理与非单调推理的概念12.1.2 默认逻辑12.1.3 默认逻辑非单调推理系统TMS12.2 Dempster?Shater（D?S）证据理论12.2.1 识别框架12.2.2 基本概率分配函数12.2.3 置信函数Bel（A）12.2.4 置信区间12.2.5 证据的组合函数12.2.6 D?S理论的评价12.3 不确定性推理12.3.1 不确定性12.3.2 主观概率贝叶斯方法12.4 MYCIN系统的推理模型12.4.1 理论和实际的背景12.4.2 MYCIN模型12.4.3 MYCIN模型分析12.4.4 MYCIN推理网络的基本模式12.4.5 MYCIN推理模型的评价12.5 模糊推理12.5.1 模糊集论与模糊逻辑12.5.2 Fuzzy聚类分析12.6 基于案例的推理12.6.1 基于案例推理的基本思想12.6.2 案例的表示与组织12.6.3 案例的检索12.6.4 案例的改写12.7 归纳法推理12.7.1 归纳法推理的理论基础12.7.2 归纳法推理的基本概念12.7.3 归纳法推理中的主要难点12.7.4 归纳法推理的应用习题12第13章 次协调逻辑推理13.1 次协调逻辑的含义13.1.1 传统的人工智能与经典逻辑13.1.2 人工智能中不协调的数据和知识库13.1.3 次协调逻辑13.2 注解谓词演算13.2.1 多真值格13.2.2 注解逻辑13.2.3 注解谓词公式的语义13.2.4 APC中的不协调、非、蕴含13.3 基于APC的SLDa?推导和SLDa?反驳13.3.1 SLDa?推导和SLDa?反驳13.3.2 注解逻辑推理方法13.3.3 注解逻辑推理举例13.4 注解逻辑的归结原理13.5 应用实例13.6 控制策略习题13第3部分学习与发现第14章 机器学习14.1 概述14.1.1 机器学习的定义和意义14.1.2 机器学习的研究简史14.1.3 机器学习方法的分类14.1.4 机器学习中的推理方法14.2 归纳学习14.2.1 归纳概念学习的定义14.2.2 归纳概念学习的形式描述14.2.3 归纳概念学习算法的一般步骤14.2.4 归纳概念学习的基本技术14.3 基于解释的学习14.3.1 基于解释学习的基本原理14.3.2 基于解释学习的一般框架14.3.3 基于解释的学习过程14.4 基于类比的学习14.4.1 类比学习的一般原理14.4.2 类比学习的表示14.4.3 类比学习的求解14.4.4 逐步推理和监控的类比学习习题14第15章 人工神经网络15.1 人工神经网络的特点15.2 人工神经网络的基本原理15.3 人工神经网络的基本结构模式15.4 人工神经网络互连结构15.5 神经网络模型分类15.6 几种基本的神经网络学习算法介绍15.6.1 Hebb型学习15.6.2 误差修正学习方法15.6.3 随机型学习15.6.4 竞争型学习15.6.5 基于记忆的学习15.6.6 结构修正学习15.7 几种典型神经网络简介15.7.1 单层前向网络15.7.2 多层前向网络及BP学习算法15.7.3 Hopfield神经网络15.8 人工神经网络与人工智能其他技术的比较15.9 人工神经网络的应用领域习题15第16章 数据挖掘与知识发现16.1 数据挖掘16.1.1 数据挖掘的定义与发展16.1.2 数据挖掘研究的主要内容16.1.3 数据挖掘的特点16.1.4 数据挖掘的分类16.1.5 数据挖掘常用的技术16.1.6 数据挖掘过程16.1.7 数据挖掘研究面临的困难16.1.8 关联规则挖掘16.1.9 聚类分析16.2 Web挖掘16.2.1 Web挖掘概述16.2.2 Web内容挖掘16.2.3 Web结构挖掘16.2.4 Web使用挖掘16.2.5 Web数据挖掘的技术难点16.2.6 XML与Web数据挖掘技术16.3 文本挖掘16.3.1 文本挖掘的概念16.3.2 文本挖掘预处理16.3.3 文本挖掘的关键技术16.3.4 文本挖掘系统的评价标准习题16第4部分领域应用第17章 专家系统17.1 专家系统概述17.1.1 专家系统的定义17.1.2 专家系统的结构17.1.3 专家系统的特点17.1.4 专家系统的类型17.1.5 几个成功的专家系统简介17.2 专家系统中的知识获取17.2.1 概述17.2.2 知识获取的直接方法17.2.3 知识获取的新进展17.3 专家系统的解释机制17.3.1 预制文本解释法17.3.2 路径跟踪解释法17.3.3 自动程序员解释法17.3.4 策略解释法17.4 专家系统开发工具与环境17.4.1 专家系统开发工具的基本概念17.4.2 专家系统工具JESS17.4.3 JESS中的Rete匹配算法和逆向推理机制17.5 专家系统开发17.5.1 专家系统开发的步骤17.5.2 专家系统开发方法17.6 专家系统开发实例17.6.1 动物识别专家系统17.6.2 MYCIN专家系统习题17第18章 自然语言处理18.1 语言的组成18.1.1 自然语言的基本要素18.1.2 实词和虚词18.1.3 短语结构18.2 上下文无关语法18.2.1 重写规则18.2.2 语法分析18.3 上下文无关语法分析18.3.1 产生后继状态的算法18.3.2 利用词典18.3.3 建立语法分析树18.4 特殊语法的分析18.4.1 引进特征18.4.2 特征匹配18.5 利用图表的高效语法分析18.5.1 chart数据结构18.5.2 有多种解释的句子18.6 语义解释18.6.1 词的意思18.6.2 利用特征的语义解释18.6.3 词义排歧18.7 生成自然语言18.8 在上下文中的自然语言18.8.1 言语的行为18.8.2 创建引用18.8.3 处理数据库的断言和问题习题18参考文献