前言
教学建议
第1章 绪论
 1.1 人工智能的基本概念
 1.2 人类智能与人工智能
 1.3 人工智能各学派的认知观
 1.4 人工智能的研究与应用领域
  1.4.1 智能感知
  1.4.2 智能推理
  1.4.3 智能学习
  1.4.4 智能行动
 1.5 人工智能发展动态
 1.6 案例分析
  1.6.1 SP先生谜题
  1.6.2 NIM问题
 1.7 习题
 1.8 思考题
第2章 知识表示和推理
 2.1 概述
 2.2 命题逻辑
 2.3 谓词逻辑
  2.3.1 语法
  2.3.2 语义
  2.3.3 谓词逻辑形式系统FC
 2.4 归结推理
  2.4.1 命题演算中的归结推理
  2.4.2 谓词演算中的归结推理
  2.4.3 谓词演算归结反演的合理性和完备性
 2.5 产生式系统
 2.6 知识表示的其他方法
  2.6.1 语义网络
  2.6.2 框架
  2.6.3 脚本
 2.7 基于知识的系统
  2.7.1 知识获取
  2.7.2 知识组织
  2.7.3 知识应用
  2.7.4 常识知识和大规模知识处理
 2.8 案例分析
  2.8.1 传教士和野人问题
  2.8.2 量水问题
  2.8.3 汉诺塔问题
  2.8.4 一个基于逻辑的财务顾问
  2.8.5 电路领域的知识工程
 2.9 习题
 2.10 思考题
第3章 搜索技术
 3.1 概述
 3.2 盲目搜索方法
 3.3 启发式搜索
  3.3.1 启发性信息和评估函数
  3.3.2 最好优先搜索算法
  3.3.3 贪婪最好优先搜索算法
  3.3.4 A算法和A*算法
  3.3.5 迭代加深A*算法
 3.4 问题归约和AND-OR图启发式搜索
  3.4.1 问题归约的描述
  3.4.2 问题的AND-OR图表示
  3.4.3 AO*算法
 3.5 博弈
  3.5.1 极大极小过程
  3.5.2 α-β过程
 3.6 案例分析
  3.6.1 八皇后问题
  3.6.2 洞穴探宝
  3.6.3 五子棋
 3.7 习题
 3.8 思考题
第4章 高级搜索
 4.1 爬山法搜索
 4.2 模拟退火搜索
  4.2.1 模拟退火搜索的基本思想
  4.2.2 模拟退火算法
  4.2.3 模拟退火算法关键参数和操作的设计
 4.3 遗传算法
  4.3.1 遗传算法的基本思想
  4.3.2 遗传算法的基本操作
 4.4 案例分析
  4.4.1 爬山算法求解旅行商问题
  4.4.2 模拟退火算法求解旅行商问题
  4.4.3 遗传算法求解旅行商问题
 4.5 习题
 4.6 思考题
第5章 不确定知识表示和推理
 5.1 概述
 5.2 非单调逻辑
  5.2.1 单调性与非单调性
  5.2.2 缺省推理逻辑
  5.2.3 非单调逻辑系统
  5.2.4 非单调规则
 5.3 主观Bayes方法
  5.3.1 全概率公式和Bayes公式
  5.3.2 主观Bayes方法
 5.4 确定性理论
  5.4.1 建造医学专家系统时的问题
  5.4.2 C-F模型
 5.5 证据理论
  5.5.1 假设和证据的不确定性
  5.5.2 证据的组合函数
  5.5.3 规则的不确定性
  5.5.4 不确定性的传递
  5.5.5 不确定性的组合
 5.6 模糊逻辑和模糊推理
  5.6.1 模糊集合及其运算
  5.6.2 模糊关系
  5.6.3 模糊逻辑
  5.6.4 模糊推理
 5.7 案例分析
  5.7.1 有经纪人的交易
  5.7.2 小型动物分类专家系统
 5.8 习题
 5.9 思考题
第6章 智能体和多智能体系统
 6.1 概述
  6.1.1 智能体的概念与示例
  6.1.2 多智能体系统的概念与示例
 6.2 智能体的体系结构
  6.2.1 知识型体系结构
  6.2.2 反应型体系结构
  6.2.3 认知型体系结构
  6.2.4 混合型体系结构
 6.3 智能体间的交互与协同
  6.3.1 智能体间的交互方式
  6.3.2 智能体通信语言ACL
  6.3.3 交互协议和协同模型
 6.4 多智能体系统的应用
  6.4.1 多智能体系统技术的适应系统
  6.4.2 多智能体系统技术的应用领域
 6.5 多智能体系统的实现方式
 6.6 多智能体系统开发框架JADE
  6.6.1 程序模型
  6.6.2 可重用开发包
  6.6.3 开发和运行的支持工具
 6.7 火星探矿机器人案例分析
  6.7.1 需求分析
  6.7.2 设计与实现
 6.8 习题
 6.9 思考题
第7章 自然语言处理技术
 7.1 自然语言理解的一般问题
 7.2 词法分析
 7.3 句法分析
 7.4 语义分析
 7.5 大规模真实文本的处理
 7.6 信息搜索
 7.7 机器翻译
 7.8 语音识别
 7.9 案例分析
  7.9.1 在线汉英互译举例分析
  7.9.2 单词音节划分
  7.9.3 中文文本的词频统计
  7.9.4 中文语句自动分析
  7.9.5 美国地理信息查询系统
 7.10 习题
 7.11 思考题
第8章 机器学习和神经网络
 8.1 机器学习概述
 8.2 基于符号的机器学习方法
  8.2.1 机械学习
  8.2.2 归纳学习
  8.2.3 决策树学习
  8.2.4 基于范例的学习
  8.2.5 解释学习
  8.2.6 强化学习
 8.3 基于神经网络的学习
  8.3.1 神经网络概述
  8.3.2 基于反向传播网络的学习
  8.3.3 Hopfield网络模型
 8.4 知识发现
 8.5 案例分析
  8.5.1 感知器分类
  8.5.2 非线性可分的分类问题
  8.5.3 基于反向传播网络拟合曲线
 8.6 习题
 8.7 思考题
第9章 智能规划
 9.1 规划问题
 9.2 状态空间搜索规划
 9.3 偏序规划
 9.4 命题逻辑规划
 9.5 分层任务网络规划
 9.6 非确定性规划
 9.7 多智能体规划
 9.8 案例分析
  9.8.1 Shakey世界
  9.8.2 规划问题的建模与规划系统的求解过程
 9.9 习题
 9.10 思考题
第10章 机器人学
 10.1 概述
  10.1.1 机器人的分类
  10.1.2 机器人的特性
  10.1.3 机器人学的研究领域
 10.2 机器人系统
  10.2.1 机器人系统的组成
  10.2.2 机器人的工作空间
  10.2.3 机器人的性能指标
 10.3 机器人的编程模式与语言
 10.4 机器人的应用与展望
  10.4.1 机器人应用
  10.4.2 机器人发展展望
 10.5 机器人足球案例分析
  10.5.1 仿真平台
  10.5.2 机器人运动程序
  10.5.3 动作函数
  10.5.4 足球比赛策略
  10.5.5 定位球状态的判断方法
  10.5.6 比赛规则
 10.6 习题
 10.7 思考题
参考文献