第1章概述
1.1什么是人工智能
1.2為什么要研究人工智能
1.3人工智能的研究途徑與方法
1.4人工智能技術的應用
1.5人工智能學科的發(fā)展概況
習題1
第2章邏輯程序設計語言Prolog
2.1Prolog基礎
2.1.1Prolog的語句
2.1.2Prolog的程序
2.1.3Prolog程序的運行機理
2.2Turbo Prolog程序設計
2.2.1程序結構
2.2.2數據與表達式
2.2.3輸入與輸出
2.2.4分支與循環(huán)
2.2.5動態(tài)數據庫
2.2.6表處理與遞歸
2.2.7回溯控制
2.2.8程序舉例
2.3Visual Prolog語言簡介
習題2
第3章基于圖搜索的問題求解
3.1狀態(tài)圖搜索
3.1.1狀態(tài)圖
3.1.2狀態(tài)圖搜索
3.1.3窮舉式搜索
3.1.4啟發(fā)式搜索
3.1.5加權狀態(tài)圖搜索
3.1.6A算法和A*算法
3.1.7狀態(tài)圖搜索策略小結
3.2狀態(tài)圖搜索問題求解
3.2.1問題的狀態(tài)圖表示
3.2.2狀態(tài)圖問題求解程序舉例
3.3與或圖搜索
3.3.1與或圖
3.3.2與或圖搜索
3.3.3啟發(fā)式與或樹搜索
3.4與或圖搜索問題求解
3.4.1問題的與或圖表示
3.4.2與或圖問題求解?序舉例
3.5博弈樹搜索
3.5.1博弈樹的概念
3.5.2極小-極大分析法
3.5.3a-b剪枝技術
習題3
第4章基于遺傳算法的隨機優(yōu)化搜索
4.1幾個基本概念
4.2基本遺傳算法
4.3遺傳算法應用舉例
4.4遺傳算法的特點與優(yōu)勢
習題4
第5章知識表示與推理
5.1概述
5.1.1知識及其表示
5.1.2機器推理
5.2謂詞公式及其推理
5.2.1一階謂詞邏輯簡介
5.2.2自然語言命題的謂詞公式表示與推理
5.2.3子句與歸結演繹推理
5.3產生式規(guī)則及其推理
5.3.1產生式規(guī)則及其推理模式
5.3.2產生式系統(tǒng)
5.4幾種結構化知識表示及其推理
5.4.1框架及其推理
5.4.2語義網絡及其推理
5.4.3類與對象及其推理
5.5不確定性知識的表示與推理
5.5.1何為不確定性知識
5.5.2不確定性知識的表示及推理
5.5.3確定性理論簡介
5.6不確切性知識的表示及推理
5.6.1何為不確切性知識
5.6.2不確切性知識的表示及推理
習題5
第6章機器學習與知識發(fā)現
6.1機器學習與知識發(fā)現的概念
6.1.1何為機器學習和知識發(fā)現
6.1.2機器學習的分類
6.2符號學習
6.2.1記憶學習
6.2.2示例學習
6.2.3決策樹學習
6.3神經網絡學習
6.3.1從生物神經元到人工神經元
6.3.2人工神經網絡
6.3.3神經網絡學習
6.3.4BP網絡及其學習舉例
6.4知識發(fā)現與數據挖掘
習題6
第7章專家系統(tǒng)
7.1什么是專家系統(tǒng)
7.2專家系統(tǒng)的結構
7.2.1概念結構
7.2.2實際結構
7.2.3黑板模型
7.2.4網絡與分布式結構
7.3專家系統(tǒng)實例
7.4專家系統(tǒng)設計與實現
7.4.1一般步驟與方法
7.4.2知識獲取
7.4.3知識表示與知識描述語言設計
7.4.4知識庫與知識庫管理系統(tǒng)設計
7.4.5推理機與解釋機制設計
7.4.6系統(tǒng)結構設計
7.4.7人機界面設計
7.5開發(fā)工具與環(huán)境
7.5.1開發(fā)工具
7.5.2開發(fā)環(huán)境
習題7
第8章Agent系統(tǒng)
8.1什么是Agent
8.2Agent實例——Web Agent
8.3多Agent系統(tǒng)
8.4Agent的實現
8.5Agent技術的發(fā)展與應用
習題8
第9章智能機器人
9.1智能機器人的概念
9.2機器人感知
9.3機器人規(guī)劃
9.4機器人控制
9.5機器人系統(tǒng)的軟件結構
9.6機器人程序設計與語言
習題9
第10章智能化網絡
10.1智能網
10.2網絡的智能化管理與控制
10.3智能搜索引擎與網上信息的智能化檢索
習題10
上機實習
實習一Prolog語言編程練習
實習二小型演繹數據庫系統(tǒng)開發(fā)練習
實習三圖搜索問題求解程序練習
實習四小型專家系統(tǒng)設計與實現
參考文獻