本书介绍了人工智能的发展历史､基本流派､研究领域, 知识表示方法和推理技术､图搜索技术, 专家系统及其开发工具的使用和设计方法,模糊理论及应用, 机器学习和神经网络, 卷积神经网络, 混沌理论, 智能优化算法原理和应用, 多智能体技术等内容｡
本书是作者在多年教学和科研实践的基础上, 参阅了国内外现有教材和相关文献后编写的｡全书注重理论与实践的结合, 注重算法的实际应用与实现方法, 注重创新思维的训练与培养｡
本书可作为高等院校人工智能､自动化､电气工程及其自动化､计算机科学与技术､电子信息工程等专业学生“人工智能” 课程的本科生､研究生教材, 也可供从事人工智能研究与应用的科技工作者学习参考｡

前言

自古以来, 人类一直幻想着能够制造出具有智能的机器, 很多美丽的传说都蕴含着这样的思想｡随着计算机技术的出现和发展, 这种幻想终于逐渐得以实现｡
从1956 年的达特茅斯会议开始, 人工智能历经60 多年的坎坷发展, 终于成为目前相对比较完善的学科, 无数的科技工作者为人工智能的发展做出了大量不可磨灭的贡献｡在此,我们怀着崇敬的心情对人工智能的先驱者们表示由衷的敬佩｡
人工智能是一门涉及认知科学､神经生物学､心理学､计算机科学､数学､信息与控制科学等诸多学科的交叉性､前沿性学科｡其研究内容包括知识工程､专家系统､机器学习､神经网络､模式识别､优化计算等多个应用领域, 受到国内外研究学者的普遍重视｡尤其是最近十年来, 人工智能的成果大量地应用到人们的生活中, 人工智能的神秘面纱也逐渐被大众揭开｡
AlphaGo 的出现, 促使深度学习､神经网络等人工智能专业词汇在大众人群中得到了普及｡大量的人工智能技术及产品也随之涌现出来, 人们突然意识到人工智能的快速崛起｡从2015 年开始, 我国积极鼓励､推动和支持人工智能技术的发展, 并大力推动机器人技术的发展｡2015 年5 月20 日, 国务院印发《中国制造2025》, 部署全面推进实施制造强国战略｡“智能制造” 被定位为中国制造的主攻方向｡2015 年7 月5 日, 国务院印发《“互联网+” 行动指导意见》, 提出大力发展智能制造｡以智能工厂为发展方向, 开展智能制造试点示范, 加快推动云计算､物联网､智能工业机器人､智能制造等技术在生产过程中的应用, 推进生产装备智能化升级､工艺流程改造和基础数据共享, 着力在工控系统､智能感知元器件､工业云平台､操作系统和工业软件等核心环节取得突破, 加强工业大数据的开发与利用, 有效支撑制造业智能化转型, 构建开放､共享､协作的智能制造产业生态｡2016 年4月, 工信部､国家发改委､财政部联合发布《机器人产业发展规划(2016—2020 年)》, 为“十三五” 期间我国机器人产业发展描绘了清晰的蓝图｡2016 年5 月23 日, 发改委､科技部､工信部和网信办联合印发《“互联网+” 人工智能三年行动实施方案》｡方案中指出, 到2018 年, 中国将基本建立人工智能产业体系､创新服务体系和标准化体系, 培育若干全球领先的人工智能骨干企业, 形成千亿级的人工智能市场应用规模｡方案提出, 为降低人工智能创新成本, 中国将建设面向社会开放的文献､语音､图像､视频､地图及行业应用数据等多类型人工智能海量训练资源库和标准测试数据集｡国家还将建设满足深度学习等智能计算需求的基础资源服务平台, 包括新型计算集群共享平台､云端智能分析处理服务平台､算法与技术开放平台等｡2016 年7 月28 日, 国务院印发《“十三五” 国家科技创新规划》｡该规划在“新一代信息技术” 中提到人工智能: 重点发展大数据驱动的类人智能技术方法; 突破以人为中心的人机物融合理论方法和关键技术, 研制相关设备､工具和平台; 在基于大数据分析的类人智能方向取得重要突破, 实现类人视觉､类人听觉､类人语言和类人思维, 支撑智能产业的发展｡2016 年9 月1 日, 《国家发展改革委办公厅关于请组织申报“互联网+”领域创新能力建设专项的通知》出台, 其中提到了人工智能的发展应用问题｡为构建“互联网+” 领域创新网络, 促进人工智能技术的发展, 应将人工智能技术纳入专项建设内容｡
2016 年12 月19 日, 国务院印发《“十三五” 国家战略性新兴产业发展规划》的通知, 要求发展人工智能, 培育人工智能产业生态, 促进人工智能在经济社会重点领域推广应用, 打造国际领先的技术体系｡2017 年3 月“人工智能” 首次写入政府工作报告｡2017 年7 月, 国务院印发《新一代人工智能发展规划》的通知, 指出发展人工智能是一项事关全局的复杂系统工程, 要按照“构建一个体系､把握双重属性､坚持三位一体､强化四大支撑” 进行布局, 形成人工智能健康持续发展的战略路径｡2017 年10 月, 人工智能写入十九大报告｡
2017 年12 月13 日, 工信部印发《促进新一代人工智能产业发展三年行动计划(2018—2020 年) 》, 明确了人工智能2018—2020 年在推动战略性新兴产业总体突破､推进供给侧结构性改革､振兴实体经济､建设制造强国和网络强国方面的重大作用和具体目标｡
国家政策的强有力支持, 促进了人工智能产业的迅速发展｡人工智能技术发展速度之快令人惊讶, 新的研究内容以及理论方法更新之快令人目不暇接｡
本书内容兼顾人工智能的经典知识和前沿技术, 着重于基本理论与实际应用相结合, 强调内容的新颖性､先进性､实用性和可读性｡

目录
前 言
第1 章 绪论 1
1. 1 人工智能的起源与发展 1
1. 2 人工智能学术流派 4
1. 3 人工智能的研究与应用领域 6
习题 10
第2 章 知识表示和推理 11
2. 1 知识和知识表示的基本概念 11
2. 2 命题逻辑 14
2. 2. 1 语法 14
2. 2. 2 语义(Semantics) 15
2. 2. 3 命题演算(Calculas) 形式系统 16
2. 3 谓词逻辑 17
2. 3. 1 语法 18
2. 3. 2 语义 21
2. 4 归结推理 25
2. 4. 1 子句集及其简化 26
2. 4. 2 海伯伦定理 29
2. 4. 3 Robinson 归结原理 33
2. 4. 4 利用Robinson 归结原理实现定理
证明 38
2. 4. 5 应用归结原理求解问题 42
2. 5 产生式系统 43
2. 5. 1 产生式系统的组成部分 44
2. 5. 2 产生式系统的控制策略 45
2. 5. 3 产生式系统的推理方式 46
2. 6 语义网络表示法 47
2. 6. 1 语义网络的结构 47
2. 6. 2 基本命题的语义网络表示 47
2. 6. 3 语义网络的知识表示方法 50
2. 6. 4 语义网络表示法的特点 54
2. 7 框架表示法 54
2. 8 状态空间表示法 56
2. 9 与或图表示法 57
习题 58
第3 章 图搜索技术 59
3. 1 问题的提出 59
3. 2 状态图搜索 61
3. 2. 1 状态图搜索分类 61
3. 2. 2 穷举式搜索 63
3. 2. 3 启发式搜索 66
3. 2. 4 A 算法及A∗算法 69
3. 3 与或图搜索 71
3. 3. 1 与或图 71
3. 3. 2 与或图搜索 72
3. 4 博弈图搜索 76
3. 4. 1 博弈图 76
3. 4. 2 极大极小分析法 78
3. 4. 3 剪枝技术 80
习题 81
第4 章 专家系统 82
4. 1 专家系统的概述 82
4. 1. 1 专家系统的概念与特点 82
4. 1. 2 专家系统和传统程序的区别 83
4. 1. 3 专家系统的类型 83
4. 2 专家系统的结构 84
4. 3 专家系统的设计原则与开发过程 85
4. 3. 1 专家系统的设计原则 85
4. 3. 2 专家系统的开发过程 86
4. 4 专家系统评价 87
4. 5 MYCIN 专家系统实例分析 88
4. 6 专家系统开发工具 90
4. 6. 1 骨架型开发工具 90
4. 6. 2 语言型开发工具 91
4. 6. 3 构造辅助工具 91
4. 6. 4 支撑环境 92
4. 7 Prolog 语言 93
4. 7. 1 Prolog 语言的特点 93
4. 7. 2 基本Prolog 的程序结构 94
4. 7. 3 Prolog 程序的运行机理 95
4. 7. 4 Turbo Prolog 程序结构 97
4. 7. 5 Turbo Prolog 的数据与表达式 98
4. 7. 6 Visual Prolog 介绍 103
4. 7. 7 PIE: Prolog 的推理机 107
习题 109
第5 章 模糊理论及应用 110
5. 1 模糊理论的产生与发展 110
5. 2 模糊理论的数学基础 111
5. 2. 1 经典集合论的基本概念 111
5. 2. 2 模糊集合的基本概念 112
5. 2. 3 模糊关系与复合运算 115
5. 3 模糊推理 117
5. 3. 1 模糊条件语句 117
5. 3. 2 模糊推理 120
5. 4 模糊控制系统及模糊控制器 122
5. 4. 1 模糊控制系统的基本结构 122
5. 4. 2 模糊控制器 123
5. 4. 3 模糊控制器的设计 124
5. 4. 4 模糊PID 控制器的设计 130
5. 5 模糊聚类分析与模糊模式识别 133
5. 5. 1 模糊聚类分析 134
5. 5. 2 模糊模式识别 137
5. 6 模糊聚类应用案例分析 138
习题 143
第6 章 机器学习和神经网络 144
6. 1 机器学习的基本概念和发展史 144
6. 2 经典机器学习方法 145
6. 3 基于神经网络的学习 148
6. 3. 1 神经网络概述 148
6. 3. 2 人工神经网络模型 149
6. 4 BP 神经网络 153
6. 4. 1 网络结构 153
6. 4. 2 网络学习算法 154
6. 4. 3 BP 网络的改进算法 156
6. 4. 4 BP 神经网络的特点 157
6. 4. 5 神经网络应用实例解析 158
6. 5 RBF 神经网络 160
6. 5. 1 径向基函数 160
6. 5. 2 径向基函数网络结构 162
6. 5. 3 网络学习算法 162
6. 5. 4 RBF 网与BP 网的对比 163
6. 6 CMAC 神经网络 164
6. 6. 1 CMAC 网络结构 164
6. 6. 2 网络学习算法 164
6. 6. 3 CMAC 网络的特点 166
6. 7 Hopfield 神经网络 166
6. 7. 1 离散型Hopfield 网络 167
6. 7. 2 连续型Hopfield 网络 168
6. 8 Elman 神经网络 171
6. 8. 1 Elman 神经网络结构 171
6. 8. 2 Elman 神经网络学习算法 172
6. 9 模糊神经网络 172
6. 9. 1 网络结构 173
6. 9. 2 学习过程 174
6. 10 其他类型的神经网络介绍 175
习题 178
第7 章 卷积神经网络及TensorFlow
应用实践 179
7. 1 卷积神经网络发展简介 179
7. 2 卷积神经网络工作原理 179
7. 3 TensorFlow 学习 185
7. 3. 1 TensorFlow 简介 185
7. 3. 2 TensorFlow 中的函数和相关
运算 190
7. 3. 3 卷积函数 194
7. 3. 4 池化函数 196
7. 4 利用TensorFlow 进行图像处理 197
7. 4. 1 图像的读取与存储 197
7. 4. 2 图像处理常用函数 197
7. 5 卷积神经网络在MNIST 的应用
实例 201
习题 212
第8 章 混沌