更新时间：2023-09-01 10:10:30
封面
版权信息
内容简介
前言
第1章 绪论
1.1 人工智能的基本概念
1.2 人工智能的发展简史
1.3 人工智能的三种观点和三个学派
1.4 人工智能研究的内容和领域
1.5 人工智能的发展及未来
习题
第2章 知识表示
2.1 知识表示的概述
2.2 谓词逻辑法
2.2.1 一阶谓词的基本概念
2.2.2 谓词逻辑表示方法
2.2.3 谓词逻辑表示的特点
2.3 产生式表示方法
2.3.1 产生式基本形式
2.3.2 产生式系统的组成和求解过程
2.3.3 产生式系统的推理方式
2.3.4 产生式系统的特点
2.4 语义网络法
2.4.1 语义网络的基本概念
2.4.2 语义网络的表示方法
2.4.3 语义网络的推理过程
2.5 其他知识表示方法
2.5.1 框架表示法
2.5.2 剧本表示法
第3章 搜索技术
3.1 搜索的基本概念
3.1.1 状态空间法
3.1.2 问题归约法
3.1.3 搜索的分类与性能
3.2 状态空间的盲目搜索
3.2.1 一般图搜索过程
3.2.2 广度优先搜索
3.2.3 深度优先搜索
3.2.4 代价树搜索
3.3 状态空间的启发式搜索
3.3.1 启发性信息和估价函数
3.3.2 A算法
3.3.3 A*算法
3.3.4 A*算法的性能分析
3.4 与/或树的盲目搜索
3.4.1 与/或树的一般搜索
3.4.2 与/或树的广度优先搜索
3.4.3 与/或树的深度优先搜索
3.5 与/或树的启发式搜索
3.5.1 解树的代价与希望树
3.5.2 与/或树的启发式搜索过程
3.6 博弈搜索
3.6.1 博弈问题
3.6.2 极小极大搜索过程
3.6.3 α-β搜索过程
第4章 不确定性推理
4.1 概述
4.1.1 不确定性的概念
4.1.2 不确定性推理要解决的问题
4.1.3 不确定性推理与确定性推理的差别
4.2 可信度方法
4.2.1 知识不确定性
4.2.2 证据不确定性
4.2.3 不确定性推理
4.3 主观贝叶斯方法
4.3.1 知识表示方式
4.3.2 证据不确定性及推理
4.4 证据理论
4.4.1 基本理论
4.4.2 证据理论的推理模型
第5章 智能优化算法
5.1 基本概念
5.1.1 组合优化问题
5.1.2 局部搜索
5.2 模拟退火算法
5.2.1 固体退火
5.2.2 模拟退火算法
5.3 遗传算法
5.3.1 概述
5.3.2 遗传算法模型
5.3.3 基本遗传操作
5.3.4 遗传算法的应用
5.4 粒群优化
5.4.1 基本概念
5.4.2 粒群优化原理
5.4.3 局部和全局最优算法
5.4.4 参数分析
5.4.5 遗传算法和PSO的比较
5.5 蚁群优化算法
5.5.1 蚁群算法的基本概念
5.5.2 基于TSP的基本蚁群算法
第6章 神经计算
6.1 神经网络的基本概念
6.2 感知器
6.2.1 感知器模型
6.2.2 单层感知器学习过程
