人工智能及其应用 第4版
作者：蔡自兴，徐光祐 著
出版时间： 2010年版
内容简介
《人工智能及其应用（第4版）》共10章。第1章叙述人工智能的概况和不同学派的认知观。第2章和第3章研究人工智能的知识表示方法和搜索推理技术。第4章探讨不确定性推理的主要方法。第5章阐述计算智能的基本知识。第6章~第10章逐一讨论了人工智能的主要应用领域，包括专家系统、机器学习、自动规划、分布式人工智能和自然语言理解等。与第三版本科生用书相比，许多内容都是第一次出现的，如本体论和非经典推理、粒群优化和蚁群计算、决策树学习和增强学习、词法分析和语料库语言学，以及路径规划和基于Web的专家系统等。其他章节也在第三版的基础上作了相应的修改、精简或补充。《人工智能及其应用（第4版）》可作为高等院校有关专业本科生和研究生的人工智能课程教材，也可供从事人工智能研究与应用的科技工作者学习参考。
目录
第1章 绪论
1．1 人工智能的定义与发展
1．1．1 人工智能的定义
1．1．2 人工智能的起源与发展
1．2 人工智能的各种认知观
1．2．1 人工智能各学派的认知观
1. 2．2 人工智能的争论
1．3 人类智能与人工智能
1．3．1 智能信息处理系统的假设
1．3．2 人类智能的计算机模拟
1．4 人工智能的研究目标和内容
1．4．1 人工智能的研究目标
1．4．2 人工智能研究的基本内容
1．5 人工智能研究的主要方法
1．6 人工智能的研究与应用领域
1．7 本书概要
习题
第2章 知识表示方法
2．1 状态空间表示
2．1．1 问题状态描述
2．1．2 状态图示法
2．2 问题归约表示
2．2．1 问题归约描述
2．2．2 与或图表示
2．3 谓词逻辑表示
2．3．1 谓词演算
2．3．2 谓词公式
2．3．3 置换与合一
2．4 语义网络表示
2．4．1 二元语义网络的表示
2．4．2 多元语义网络的表示
2．4．3 语义网络的推理过程
2．5 框架表示
2．5．1 框架的构成
2．5．2 框架的推理
2．6 本体技术
2．6．1 本体的概念
2．6．2 本体的组成与分类
2．6．3 本体的建模
2．7 过程表示
2．8 小结
习题
第3章 确定性推理
3．1 图搜索策略
3．2 盲目搜索
3．2．1 宽度优先搜索
3．2．2 深度优先搜索
3．2．3 等代价搜索
3．3 启发式搜索
3．3．1 启发式搜索策略和估价函数
3．3．2 有序搜索
3．3．3 A＃算法
3．4 消解原理
3．4．1 子句集的求取
3．4．2 消解推理规则
3．4．3 含有变量的消解式
3．4．4 消解反演求解过程
3．5 规则演绎系统
3．5．1 规则正向演绎系统
3．5．2 规则逆向演绎系统
3．5．3 规则双向演绎系统
3．6 产生式系统
3．6．1 产生式系统的组成
3．6．2 产生式系统的推理
3．6．3 产生式系统举例
3．7 非单调推理
3．7．1 缺省推理
3．7．2 真值维持系统
3．8 小结
习题
第4章 非经典推理
4．1 经典推理和非经典推理
4．2 不确定性推理
4．2．1 不确定性的表示与量度
4．2．2 不确定性的算法
4．3 概率推理
4．3．1 概率的基本性质和计算公式
4．3．2 概率推理方法
4．4 主观贝叶斯方法
4．4．1 知识不确定性的表示
4．4．2 证据不确定性的表示
4．4．3 主观贝叶斯方法的推理过程
4．5 可信度方法
4．5．1 基于可信度的不确定性表示
4．5．2 可信度方法的推理算法
4．6 证据理论
4．6．1 证据理论的形式化描述
4．6．2 证据理论的不确定性推理模型
4．6．3 推理示例
4．7 小结
习题
第5章 计算智能
5．1 概述
5．2 神经计算
5．2．1 人工神经网络研究的进展
5．2．2 人工神经网络的结构
5．2．3 人工神经网络示例及其算法
5．2．4 基于神经网络的知识表示与推理
5．3 模糊计算
5．3．1 模糊集合、模糊逻辑及其运算
5．3．2 模糊逻辑推理
5．4 遗传算法
5．4．1 遗传算法的基本机理
5．4．2 遗传算法的求解步骤
5．5 人工生命
5．5．1 人工生命研究的起源和发展
5．5．2 人工生命的定义和研究意义
5．5．3 人工生命的研究内容和方法
5．5．4 人工生命实例
5．6 粒群优化
5．6．1 群智能和粒群优化概述
5．6．2 粒群优化算法
5．7 蚁群算法
5．7．1 蚁群算法理论
5．7．2 蚁群算法的研究与应用
5．8 小结
习题
第6章 专家系统
6．1 专家系统概述
6．1．1 专家系统的特点
6．1．2 专家系统的结构和建造步骤
6．2 基于规则的专家系统
6．2．1 基于规则专家系统的工作模型和结构
6．2．2 基于规则专家系统的特点
6．3 基于框架的专家系统
6．3．1 基于框架专家系统的定义、结构和设计方法
6．3．2 基于框架专家系统的继承、槽和方法
6．4 基于模型的专家系统
6．4．1 基于模型专家系统的提出
6．4．2 基于神经网络的专家系统
6．5 基于Web的专家系统
6．5．1 基于Web专家系统的结构
6．5．2 基于Web专家系统的实例
6．6 新型专家系统
6．6．1 新型专家系统的特征
6．6．2 分布式专家系统
6．6．3 协同式专家系统
6．7 专家系统设计
6．7．1 专家知识的描述
……
第7章 机器学习
第8章 自动规划
第9章 分布式人工智能与Agent（真体）
第10章 自然语言理解
结束语
参考文献
索引
