人工智慧原理

本書介紹了了人工智慧的發展歷史、基本流派、研究領域；知識表示方法和推理技術；圖搜索技術；專家系統及開發工具的使用和設計方法；模糊理論及應用。機器學習與神經網路；混沌理論；智能優化演演算法原理和應用等。本書是作者在多年教學和科研實踐的基礎上，參閱了國內外現有教材和相關文獻后編寫的。全書注重理論與實踐的結合，注重演演算法的實際應用與實現方法，注重創新思維的訓練與培養。本書可作為高等院校自動化、電氣工程、計算機、電子信息等專業學生人工智慧的本科生、研究生教材，也可供從事人工智慧研究與應用的科技工作者學習參考。

前言

第1章緒論1

1?1人工智慧的起源與發展1

1?2人工智慧學術流派4

1?3人工智慧的研究與應用領域6

第2章知識表示和推理10

2?1知識和知識表示的基本概念10

2?2命題邏輯12

2?2?1語法13

2?2?2語義13

2?2?3命題演算形式系統14

2?3謂詞邏輯15

2?3?1語法16

2?3?2語義19

2?4歸結推理23

2?4?1子句集及其簡化24

2?4?2海伯倫定理27

2?4?3Robinson歸結原理31

2?4?4利用Robinson歸結原理實現定

理證明35

2?4?5應用歸結原理求解問題39

2?5產生式系統40

2?5?1產生式系統的組成部分42

2?5?2產生式系統的控制策略42

2?5?3產生式系統的推理方式43

2?6語義網路表示法44

2?6?1語義網路的結構44

2?6?2基本命題的語義網路表示45

2?6?3語義網路的知識表示方法47

2?6?4語義網路表示法的特點51

2?7框架表示法52

2?8狀態空間表示法54

2?9與或圖表示法55

第3章圖搜索技術56

3?1問題的提出56

3?2狀態圖搜索58

3?2?1狀態圖搜索分類58

3?2?2窮舉式搜索59

3?2?3啟髮式搜索62

3?2?4A演演算法及A*演演算法66

3?3與或圖搜索68

3?3?1與或圖68

3?3?2與或圖搜索舉例69

3?4博弈圖搜索73

3?4?1博弈圖73

3?4?2極大極小分析法74

3?4?3剪枝技術76

第4章專家系統78

4?1專家系統的概述78

4?1?1專家系統的概念與特點78

4?1?2專家系統和傳統程序的區別78

4?2專家系統的結構79

4?3專家系統的設計原則與開發

過程80

4?3?1專家系統的設計原則80

4?3?2專家系統的開發過程81

4?4專家系統評價82

4?5專家系統開發工具82

4?5?1骨架型開發工具83

4?5?2語言型開發工具83

4?5?3構造輔助工具84

4?5?4支撐環境84

4?6Prolog語言85

4?6?1Prolog語言的特點85

4?6?2基本Prolog的程序結構86

4?6?3Prolog程序的運行機理88

4?6?4Turbo Prolog 程序結構90

4?6?5Turbo Prolog的數據與表達式90

4?6?6Visual Prolog介紹96

4?6?7PIE：Prolog 的推理機100

第5章模糊理論及應用102

5?1模糊理論的產生與發展102

5?2模糊理論的數學基礎103

5?2?1經典集合論的基本概念103

5?2?2模糊集合的基本概念104

5?2?3模糊關係與複合運算107

5?3模糊邏輯109

5?3?1模糊條件語句109

5?3?2模糊推理113

5?4模糊控制系統及模糊控制器115

5?4?1模糊控制系統的基本結構115

5?4?2模糊控制器116

5?4?3模糊控制器的設計117

5?4?4模糊PID控制器的設計123

5?5模糊聚類分析與模糊模式

識別126

5?5?1模糊聚類分析127

5?5?2模糊模式識別131

第6章機器學習和神經網路133

6?1機器學習的基本概念和發

展史133

6?2經典機器學習方法134

6?3基於神經網路的學習137

6?3?1神經網路概述137

6?3?2人工神經網路模型138

6?3?3BP神經網路141

6?3?4RBF神經網路146

6?3?5CMAC神經網路150

6?3?6Hopfield神經網路152

6?3?7模糊神經網路157

6?3?8其他類型的神經網路介紹160

第7章混沌理論與混沌神經網路163

7?1混沌研究的起源與發展163

7?2混沌的基本特性164

7?3通往混沌的道路165

7?4混沌的識別166

7?4?1定性分析法167

7?4?2定量分析法168

7?5混沌應用169

7?6混沌神經網路171

7?6?1暫態混沌神經網路172

7?6?2其他類型的混沌神經網路*173

7?6?3G?S混沌神經網路應用實例174

第8章智能優化計算179

8?1優化問題的分類179

8?2優化演演算法分類180

8?3梯度優化計算181

8?4混沌優化181

8?5模擬退火演演算法184

8?6遺傳演演算法185

8?6?1遺傳演演算法中的關鍵參數與

操作185

8?6?2遺傳演演算法中的基本流程192

8?6?3遺傳演演算法的改進193

8?6?4遺傳演演算法的實現194

8?7蟻群演演算法195

8?7?1蟻群演演算法的研究現狀195

8?7?2基本蟻群演演算法的工作原理196

8?8粒子群演演算法及應用198

8?8?1基本粒子群優化演演算法198

8?8?2粒子群優化演演算法的拓撲結構202

8?9魚群演演算法簡介204

8?10混合優化計算方法簡介204

參考文獻206