《人工智能导论》

目 录1

第一章绪论1

§1.1人工智能的产生和发展简史1

1.1.1孕育期（1956年以前）1

1.1.2推理期（1956年～1975年）2

1.1.3知识期（1976年至今）4

§1.2人工智能的学科范畴6

1.2.1人工智能的研究目标7

1.2.2人工智能的核心课题7

1.2.3人工智能研究中的学派9

1.2.4人工智能的基本技术11

1.2.5人类智能和人工智能12

1.2.6人工智能研究的特点14

§1.3人工智能的具体研究领域15

1.3.1模式识别（Pattern Recognition）15

1.3.2物景分析（Scene Analysis）17

1.3.3 自然语言理解（Natural Language Understanding）17

1.3.4知识库系统（Knowledge Base Systems）19

1.3.5博弈（Game Playing）20

1.3.6 自动定理证明（Automatic Theorem Proving）20

1.3.7自动程序设计（Automatic Programmiag）21

1.3.8专家系统（Expert System）22

1.3.9 自然语言生成（Natural Laaguage Snthesis）22

1.3.10机器人（Robots）23

1.3.11人工智能的应用和发展方向24

§1.4研究智能科学的意义25

1.4.1当前许多学科发展的需要25

1.4.2第二次科学革命中的核心课题27

1.4.3人类社会进化新阶段的要求29

思考题32

第二章知识表示33

§2.1适当的表示对问题求解是至关重要的33

2.1.1问题的同态变换33

2.1.2麦卡赛问题和火柴问题35

2.1.3一字棋游戏的不同表示法37

2.2.1状态、操作和状态空间39

§2.2状态空间表示法39

2.2.2修道士和野人问题的状态空间41

2.2.3梵塔问题的状态空间43

2.2.4问题求解的基本框架45

2.2.5重排九宫问题和隐式图46

§2.3与／或图表示法48

2.3.1与／或图的基本概念48

2.3.2问题递简法和与／或图50

2.3.3解不定积分问题的状态空间52

2.3.4博弈问题的状态空间54

习题55

3.1.1搜索和推理56

§3.1基本概念56

第三章搜索56

3.1.2启发和算法57

3.1.3隐式图的搜索过程59

3.1.4搜索效率61

§3.2基本搜索策略62

3.2.1广度优先搜索法A*？？62

3.2.2深度优先搜索法Ap？63

3.2.3有界深度优先搜索法Acd66

3.2.4分支界限搜索法A*？？68

3.2.5瞎子爬山搜索法Ap？71

3.2.6代价树的有界深度优先搜索法Ac？72

§3.3启发式搜索的基本原理73

3.3.1估计函数和启发信息74

3.3.2搜索策略的诸要素和分类74

3.3.3最好优先搜索法Acf76

3.3.4局部择优搜索法Apf76

3.3.5重排九宫问题的启发式搜索77

§3.4与／或树的启发式搜索80

3.4.1与／或树求解中的特殊问题80

3.4.2与／或树的最好优先搜索法AOef82

3.4.3博弈树的启发式搜索84

3.4.4剪枝技术90

§3.5启发式搜索过程的可采纳性和复杂性91

3.5.1启发信息的形式91

3.5.2A*算法的若干性质93

3.5.3搜索的代价和复杂性96

习题97

第四章逻辑推理99

§4.1王浩算法100

4.1.1基本系统100

4.1.2规则证明102

4.1.3定理证明过程103

§4.2基于谓词逻辑的知识表示技术105

4.2.1用谓词逻辑表示状态105

4.2.2用谓词逻辑表示操作107

4.2.3用谓词逻辑表示知识单元109

4.3.1公式的解释112

4.2.4用计算谓词增大表达能力112

§4.3海伯伦定理112

4.3.2子句集合116

4.3.3子句集的海伯伦全域118

4.3.4海伯伦定理及其改进121

§4.4鲁滨逊消解原理124

4.4.1命题逻辑中的消解原理124

4.4.2代换与合一126

4.4.3谓词逻辑中的消解原理129

§4.5消解原理的改进132

4.6.1问题的提出132

4.5.2删除策略133

4.5.3锁消解135

4.5.4线性消解137

4.5.5语义消解138

习题139

第五章产生式系统141

§5.1产生式表示法141

§5.2产生式系统的基本原理145

6.2.1产生式系统的组成和分类145

6.2.2回溯式产生式系统147

5.2.3图搜索式产生式系统150

5.2.4可交换的产生式系统151

5.2.5可分解的产生式系统152

5.2.6高阶的产生式系统155

5.3.1基于消解原理的产生式系统156

§5.3产生式系统的实例156

5.3.2基于自然演绎法的产生式系统158

5.3.3基于专门知识的产生式系统164

习题165

第六章高级问题求解系统166

§6.1知识的结构表示166

6.1.1 语义网络（Semantic Network）166

6.1.2概念从属（Conceptual Dependency）173

6.1.3特性表表示法178

6.1.4框架表示法180

6.1.5剧本182

6.2.1日程表184

§6.2复杂系统的组织184

6.2.2黑板模型185

§6.3规划与问题求解186

6.3.1规划可以进一步减缓组合爆炸186

6.3.2基本规划187

6.3.3多层规划190

§6.4意识胞思维模型193

6.4.1模型的基本原理193

6.4.2模型的机器实现201

习题209

第七章人工智能语言和人工智能机器210

7.1.1 LISP语言的特点211

§7.1 LISP语言211

7.1.2 LISP的数据结构213

7.1.3基本LISP函数216

7.1.4 LISP程序设计220

7.1.5简单实例226

§7.2 PROLOG语言238

7.2.1 PROLOG的三种基本语句239

7.2.2 PROLOG中的数据结构241

7.2.3递归242

7.2.4搜索、匹配、回溯244

7.2.5截断（Cut!）247

7.2.6算法＋数据结构＝程序设计248

§7.3人工智能机器249

7.3.1 LISP机250

7.3.2日本的五代机计划250

习题252

第八章新的进展254

§8.1非精确性推理254

8.1.1非单调推理254

8.1.2非精确性推理的理论框架255

8.1.3主观Bayes方法256

8.1.4确定性理论257

8.1.5其他模型260

8.2.1死记硬背式学习262

§8.2机器学习262

8.2.2参数修正学习263

8.2.3演绎式学习263

8.2.4归纳学习263

8.2.5类比学习法265

附录一267

第九章预备知识267

§9.1 命题逻辑267

9.1.1命题和命题定律267

9.1.2范式（Normal Forms）271

9.1.3命题逻辑中的推论规则274

§9.2谓词逻辑275

9.2.1一阶谓词和量词275

9.2.2含有量词的等价式和蕴含式279

9.2.3谓词逻辑中的推论规则281

9.2.4谓词公式的范式282

§9.3集合与关系283

9.3.1集合及其基本运算284

9.3.2二元关系286

9.3.3模糊集合的一般概念290

§9.4形式语言294

9.4.1四类等价的模型294

9.4.2语言和文法的分型295

9.4.3各型语言的实例298

9.5.1一般概念300

§9.5自动机300

9.5.2逻辑自动机301

9.5.3有穷自动机303

9.5.4图灵机308

§9.6可计算性312

9.6.1图灵可计算函数312

9.6.2递归函数313

9.6.3递归集合317

9.6.4过程和算法318

习题319

附录二关于组合爆炸问题的三个表321

附录三LISP系统函数323

参考文献327