《高等學校計算機規劃教材:人工智慧》共分為11章，除第1章人工智慧概述外，其餘內容劃分為四大部分。第一部分為確定性人工智慧的三大基本技術，包括第2,3,4章的知識表示、確定性推理和搜尋部分。
第二部分包括第5章不確定性人工智慧和第6章的智慧型算法。
第三部分為人工智慧的重要研究領域，包括第7章的分散式人工智慧，第8章的機器學習，第9章的專家系統。
第四部分為人工智慧套用部分，包括第10章的人工智慧設計語言和第11章的人工智慧的套用舉例。
基本介紹
- 書名：高等學校計算機規劃教材:人工智慧
- 作者：黨建武 等
- ISBN：9787121165719, 7121165716
- 頁數：355頁
- 出版社：電子工業出版社
- 出版時間：2012年5月1日
- 開本：16開
- 語種：簡體中文
內容簡介,圖書目錄,
內容簡介
《高等學校計算機規劃教材:人工智慧》結合了大量前沿知識和新穎套用實例，力求做到內容新穎、通俗易懂。
可作為高等學校計算機、自動化、通信、電子信息、信息管理、智慧型科學技術及其他相關學科專業的高年級本科生和研究生教材，也可供從事相關領域研究、開發和套用的科技人員參考。
圖書目錄
第1章 人工智慧概述
1.1 人工智慧的定義和研究目標
1.1.1 人工智慧的定義
1.1.2 人工智慧的研究目標
1.2 人工智慧研究的基本內容及其特點
1.2.1 人工智慧研究的基本內容
1.2.2 人工智慧研究的特點
1.3 人工智慧的基本技術
1.3.1 推理技術
1.3.2 搜尋技術
1.3.3 知識表示與知識庫技術
1.3.4 歸納技術
1.3.5 聯想技術
1.4 人工智慧的發展史
1.4.1 孕育期（1956年以前）
1.4.2 形成期（1956-1970年）
1.4.3 知識套用期（20世紀70年代到80年代末）
1.4.4 綜合集成期（20世紀80年代末至今）
1.5 人工智慧的研究與套用領域
1.6 人工智慧研究的不同學派及其爭論
1.6.1 人工智慧的三大學派
1.6.2 人工智慧理論的爭論
1.6.3 人工智慧研究方法的爭論
1.7 人工智慧進展
1.7.1 人工智慧發展面臨的困難
1.7.2 人工智慧與雲計算
1.7.3 人工智慧與物聯網
1.7.4 人工智慧發展的新趨勢
習題一
第2章 知識表示
2.1 一階謂詞邏輯表示法
2.1.1 一階謂詞邏輯表示法
2.1.2 一階謂詞邏輯表示法的特點
2.1.3 一階謂詞表示法的套用舉例
2.2 產生式表示法
2.2.1 產生式與產生式系統
2.2.2 產生式系統的分類及其特點
2.2.3 產生式表示法套用舉例
2.3 框架表示
2.3.1 框架與框架網路
2.3.2 框架的推理及其特點
2.4 語義網路表示法
2.4.1 語義網路
2.4.2 語義網路的推理及其特點
2.5 面向對象表示法
2.5.1 面向對象的知識表示
2.5.2 面向對象知識表示法的特點
習題二
第3章 經典邏輯推理
3.1 推理的基本概念
3.1.1 推理方式及其分類
3.1.2 推理的控制策略
3.1.3 模式匹配及其變數代換
3.2 自然演繹推理
3.3 歸結演繹推理
3.3.1 謂詞公式化為子句集的方法
3.3.2 海伯倫理論
3.3.3 魯賓遜歸結原理
3.3.4 歸結反演
3.3.5 基於歸結反演的問題求解
3.3.6 歸結反演策略
3.4 與/或形的演繹推理
3.4.1 與/或形的正向演繹推理
3.4.2 與/或形的逆向演繹推理
3.4.3 代換的一致性與剪枝策略
習題三
第4章 搜尋策略
4.1 問題求解過程的形式表示
4.1.1 狀態空間表示法
4.1.2 與/或樹表示法
4.2 狀態空間的盲目搜尋策略
4.2.1 寬度優先搜尋
4.2.2 深度優先搜尋
4.2.3 有界深度優先搜尋
4.2.4 代價樹的寬度優先搜尋
4.2.5 代價樹的深度優先搜尋
4.3 狀態空間的啟發式搜尋策略
4.3.1 估價函式與擇優搜尋
4.3.2 圖的有序搜尋與A*算法
4.3.3 A*算法套用舉例
4.4 與/或樹的搜尋策略
4.4.1 與/或樹的寬度優先搜尋
4.4.2 與/或樹的有界深度優先搜尋
4.4.3 與/或樹的有序搜尋
4.4.4 博弈樹的啟發式搜尋
4.5 搜尋性能的量度
習題四
第5章 知識的不確定性與不確定推理
5.1 知識的不確定性
5.1.1 證據的不確定性
5.1.2 規則的不確定性
5.1.3 推理的不確定性
5.2 不確定推理的機率基礎
5.3 確定性理論
5.3.1 可信度的概念
5.3.2 C-F模型
5.3.3 帶加權因子的可信度推理
5.4 主觀Bayes方法
5.4.1 知識不確定性的表示
5.4.2 證據不確定性的表示
5.4.3 組合證據不確定性的計算
5.4.4 不確定性的更新
5.4.5 結論不確定性的合成
5.5 證據理論
5.5.1 D-S理論的形式描述
5.5.2 證據理論的推理模型
5.6 可能性理論和模糊推理
5.6.1 模糊邏輯基礎
5.6.2 模糊知識表示
5.6.3 模糊概念的匹配
5.6.4 模糊推理
5.7 非單調推理
習題五
第6章 智慧型算法
6.1 爬山法
6.1.1 爬山法的基本思想
6.1.2 爬山法算法流程
6.1.3 爬山法套用舉例
6.1.4 爬山法的特點
6.1.5 爬山法存在的問題
6.2 模擬退火算法
6.2.1 模擬退火算法的基本思想
6.2.2 模擬退火算法流程
6.2.3 模擬退火算法套用舉例
6.2.4 模擬退火算法的特點
6.3 禁忌搜尋算法
6.3.1 禁忌搜尋算法的基本思想
6.3.2 影響禁忌搜尋算法性能的關鍵因素
6.3.3 禁忌搜尋算法流程
6.3.4 禁忌搜尋套用舉例
6.3.5 禁忌搜尋算法的特點
6.4 蟻群算法
6.4.1 蟻群覓食行為的啟示
6.4.2 蟻群算法的基本思想
6.4.3 蟻群算法流程
6.4.4 蟻群算法的特點
6.5 粒子群算法
6.5.1 鳥群飛行方式的啟示
6.5.2 粒子群算法的基本思想
6.5.3 粒子群算法流程
6.5.4 粒子群算法的套用舉例
6.5.5 粒子群算法的特點
6.6 遺傳算法
6.6.1 遺傳算法的基本思想
6.6.2 遺傳算法流程
6.6.3 遺傳算法套用舉例
6.6.4 遺傳算法的特點
6.7 小結
習題六
……
第7章 分散式人工智慧
第8章 機器學習
第9章 專家系統
第10章 人工智慧程式設計語言
參考文獻
1.1 人工智慧的定義和研究目標
1.1.1 人工智慧的定義
1.1.2 人工智慧的研究目標
1.2 人工智慧研究的基本內容及其特點
1.2.1 人工智慧研究的基本內容
1.2.2 人工智慧研究的特點
1.3 人工智慧的基本技術
1.3.1 推理技術
1.3.2 搜尋技術
1.3.3 知識表示與知識庫技術
1.3.4 歸納技術
1.3.5 聯想技術
1.4 人工智慧的發展史
1.4.1 孕育期（1956年以前）
1.4.2 形成期（1956-1970年）
1.4.3 知識套用期（20世紀70年代到80年代末）
1.4.4 綜合集成期（20世紀80年代末至今）
1.5 人工智慧的研究與套用領域
1.6 人工智慧研究的不同學派及其爭論
1.6.1 人工智慧的三大學派
1.6.2 人工智慧理論的爭論
1.6.3 人工智慧研究方法的爭論
1.7 人工智慧進展
1.7.1 人工智慧發展面臨的困難
1.7.2 人工智慧與雲計算
1.7.3 人工智慧與物聯網
1.7.4 人工智慧發展的新趨勢
習題一
第2章 知識表示
2.1 一階謂詞邏輯表示法
2.1.1 一階謂詞邏輯表示法
2.1.2 一階謂詞邏輯表示法的特點
2.1.3 一階謂詞表示法的套用舉例
2.2 產生式表示法
2.2.1 產生式與產生式系統
2.2.2 產生式系統的分類及其特點
2.2.3 產生式表示法套用舉例
2.3 框架表示
2.3.1 框架與框架網路
2.3.2 框架的推理及其特點
2.4 語義網路表示法
2.4.1 語義網路
2.4.2 語義網路的推理及其特點
2.5 面向對象表示法
2.5.1 面向對象的知識表示
2.5.2 面向對象知識表示法的特點
習題二
第3章 經典邏輯推理
3.1 推理的基本概念
3.1.1 推理方式及其分類
3.1.2 推理的控制策略
3.1.3 模式匹配及其變數代換
3.2 自然演繹推理
3.3 歸結演繹推理
3.3.1 謂詞公式化為子句集的方法
3.3.2 海伯倫理論
3.3.3 魯賓遜歸結原理
3.3.4 歸結反演
3.3.5 基於歸結反演的問題求解
3.3.6 歸結反演策略
3.4 與/或形的演繹推理
3.4.1 與/或形的正向演繹推理
3.4.2 與/或形的逆向演繹推理
3.4.3 代換的一致性與剪枝策略
習題三
第4章 搜尋策略
4.1 問題求解過程的形式表示
4.1.1 狀態空間表示法
4.1.2 與/或樹表示法
4.2 狀態空間的盲目搜尋策略
4.2.1 寬度優先搜尋
4.2.2 深度優先搜尋
4.2.3 有界深度優先搜尋
4.2.4 代價樹的寬度優先搜尋
4.2.5 代價樹的深度優先搜尋
4.3 狀態空間的啟發式搜尋策略
4.3.1 估價函式與擇優搜尋
4.3.2 圖的有序搜尋與A*算法
4.3.3 A*算法套用舉例
4.4 與/或樹的搜尋策略
4.4.1 與/或樹的寬度優先搜尋
4.4.2 與/或樹的有界深度優先搜尋
4.4.3 與/或樹的有序搜尋
4.4.4 博弈樹的啟發式搜尋
4.5 搜尋性能的量度
習題四
第5章 知識的不確定性與不確定推理
5.1 知識的不確定性
5.1.1 證據的不確定性
5.1.2 規則的不確定性
5.1.3 推理的不確定性
5.2 不確定推理的機率基礎
5.3 確定性理論
5.3.1 可信度的概念
5.3.2 C-F模型
5.3.3 帶加權因子的可信度推理
5.4 主觀Bayes方法
5.4.1 知識不確定性的表示
5.4.2 證據不確定性的表示
5.4.3 組合證據不確定性的計算
5.4.4 不確定性的更新
5.4.5 結論不確定性的合成
5.5 證據理論
5.5.1 D-S理論的形式描述
5.5.2 證據理論的推理模型
5.6 可能性理論和模糊推理
5.6.1 模糊邏輯基礎
5.6.2 模糊知識表示
5.6.3 模糊概念的匹配
5.6.4 模糊推理
5.7 非單調推理
習題五
第6章 智慧型算法
6.1 爬山法
6.1.1 爬山法的基本思想
6.1.2 爬山法算法流程
6.1.3 爬山法套用舉例
6.1.4 爬山法的特點
6.1.5 爬山法存在的問題
6.2 模擬退火算法
6.2.1 模擬退火算法的基本思想
6.2.2 模擬退火算法流程
6.2.3 模擬退火算法套用舉例
6.2.4 模擬退火算法的特點
6.3 禁忌搜尋算法
6.3.1 禁忌搜尋算法的基本思想
6.3.2 影響禁忌搜尋算法性能的關鍵因素
6.3.3 禁忌搜尋算法流程
6.3.4 禁忌搜尋套用舉例
6.3.5 禁忌搜尋算法的特點
6.4 蟻群算法
6.4.1 蟻群覓食行為的啟示
6.4.2 蟻群算法的基本思想
6.4.3 蟻群算法流程
6.4.4 蟻群算法的特點
6.5 粒子群算法
6.5.1 鳥群飛行方式的啟示
6.5.2 粒子群算法的基本思想
6.5.3 粒子群算法流程
6.5.4 粒子群算法的套用舉例
6.5.5 粒子群算法的特點
6.6 遺傳算法
6.6.1 遺傳算法的基本思想
6.6.2 遺傳算法流程
6.6.3 遺傳算法套用舉例
6.6.4 遺傳算法的特點
6.7 小結
習題六
……
第7章 分散式人工智慧
第8章 機器學習
第9章 專家系統
第10章 人工智慧程式設計語言
參考文獻
