《人工智能导论》从人工智能的基本知识点（知识表示、搜索策略、确定性推理和不确定性推理等）入手，在全面讲解基础知识之后，进一步介绍人工智能在各领域中的研究，如人工智能在机器学习、专家系统、智能体、自然语言处理及其他领域的研究，并且配有丰富的实例方便读者理解学习，帮助读者由浅入深地学习人工智能知识。
《人工智能导论》按照人工智能的知识体系结构系统讲解各知识点，并且在每章末配有思考与练习，帮助读者理解和自测。《人工智能导论》内容全面、重点突出、由浅入深、方便理解、实用性强。各章节既相互独立又相互关联，适合项目化教学、课程设计、专题培训等。
《人工智能导论》既可以作为高等院校计算机类专业的相关课程教材，也可以作为相关培训机构的辅导用书。

前言
第1章 绪论1
1.1 什么是人工智能1
1.1.1 人工智能的定义1
1.1.2 人工智能研究的特点3
1.2 人工智能发展简史3
1.3 人工智能的研究方法7
1.3.1 符号主义7
1.3.2 连接主义8
1.3.3 行为主义9
1.4 人工智能的应用领域10
1.5 本章小结14
1.6 思考与练习14
第2章 知识表示15
2.1 概述15
2.2 一阶谓词逻辑表示法15
2.2.1 命题逻辑16
2.2.2 谓词逻辑16
2.3 产生式表示法21
2.3.1 产生式21
2.3.2 产生式系统的组成22
2.3.3 产生式系统的基本过程24
2.4 语义网络表示法29
2.4.1 语义网络30
2.4.2 语义网络的推理及其特点34
2.5 框架表示法35
2.5.1 框架结构35
2.5.2 框架表示法及其特点37
2.6 本章小结39
2.7 思考与练习39
第3章 搜索策略40
3.1 概述40
3.2 问题求解过程的形式表示41
3.2.1 状态空间表示法41
3.2.2 与或树表示法43
3.3 状态空间图的盲目搜索策略46
3.3.1 广度优先搜索策略46
3.3.2 深度优先搜索策略48
3.4 状态空间图的启发式搜索策略50
3.4.1 估价函数与择优搜索51
3.4.2 启发式搜索A算法52
3.4.3 A*算法54
3.5 与或树的搜索策略57
3.5.1 与或树的盲目搜索策略57
3.5.2 与或树的启发式搜索策略60
3.5.3 博弈树的启发式搜索策略63
3.6 本章小结67
3.7 思考与练习67
第4章 确定性推理68
4.1 自然演绎推理68
4.2 归结演绎推理69
4.2.1 子句集69
4.2.2 海伯伦定理71
4.2.3 鲁滨逊归结原理73
4.2.4 归结反演75
4.3 与或型的演绎推理76
4.3.1 与或型的正向演绎推理76
4.3.2 与或型的逆向演绎推理80
4.3.3 与或型的双向演绎推理82
4.4 本章小结83
4.5 思考与练习83
第5章 不确定性推理85
5.1 不确定性推理概述85
5.1.1 不确定性及其类型85
5.1.2 不确定性推理要解决的基本问题86
5.1.3 不确定性推理方法分类87
5.2 主观贝叶斯方法88
5.2.1 不确定性推理的概率基础88
5.2.2 不确定性的表示89
5.2.3 不确定性的传递算法90
5.3 证据理论91
5.3.1 D-S理论92
5.3.2 基于证据理论的不确定性推理93
5.4 模糊推理95
5.4.1 模糊理论95
5.4.2 模糊推理相关概念97
5.5 粗糙集理论99
5.5.1 粗糙集理论的基本概念99
5.5.2 粗糙集在知识发现中的应用102
5.6 本章小结105
5.7 思考与练习105
第6章 机器学习107
6.1 机器学习概述107
6.1.1 机器学习的基本概念107
6.1.2 机器学习发展历程108
6.1.3 机器学习分类110
6.2 归纳学习110
6.2.1 归纳学习的基本概念110
6.2.2 归纳学习的分类111
6.2.3 归纳学习的方法113
6.3 人工神经网络学习116
6.3.1 简介116
6.3.2 基于反向传播网络的学习118
6.3.3 基于Hopfield神经网络的学习121
6.4 深度学习125
6.4.1 简介125
6.4.2 深度学习经典模型126
6.5 强化学习128
6.5.1 简介128
6.5.2 强化学习的经典算法129
6.6 本章小结130
6.7 思考与练习131
第7章 专家系统132
7.1 专家系统概述132
7.1.1 专家系统的基本概念132
7.1.2 专家系统的发展历程134
7.1.3 专家系统的基本结构及工作
原理135
7.2 专家系统的设计与实现137
7.2.1 专家系统的开发步骤137
7.2.2 需求分析138
7.2.3 知识获取138
7.2.4 系统设计139
7.3 专家系统的开发工具与环境140
7.3.1 通用型知识表达语言140
7.3.2 骨架系统141
7.3.3 组合型开发工具142
7.4 新型专家系统研究143
7.4.1 分布式专家系统143
7.4.2 协同式专家系统144
7.4.3 神经网络专家系统145
7.4.4 基于互联网的专家系统147
7.5 案例分析149
7.5.1 医学专家系统150
7.5.2 动物识别专家系统151
7.5.3 探矿专家系统152
7.6 本章小结154
7.7 思考与练习154
第8章 智能体与多智能体系统155
8.1 智能体与多智能体系统概述155
8.1.1 智能体与多智能系统的基本
概念155
8.1.2 智能体与多智能系统的特点156
8.2 智能体理论157
8.2.1 智能体的结构157
8.2.2 智能体的分类157
8.3 多智能体系统160
8.3.1 多智能体系统的结构160
8.3.2 多智能体系统的关键问题160
8.3.3 多智能体系统的应用163
8.4 移动智能体166
8.4.1 移动智能体概述167
8.4.2 移动智能体的技术难点168
8.5 案例分析169
8.5.1 火星移动智能体170
8.5.2 供应商评估方法171
8.6 本章小结172
8.7 思考与练习173
第9章 自然语言处理174
9.1 自然语言处理概述174
9.1.1 自然语言处理的基本概念174
9.1.2 自然语言处理的发展历程175
9.2 自然语言处理的基础研究内容177
9.2.1 自然语言处理的层次177
9.2.2 词法分析178
9.2.3 句法分析179
9.2.4 语义分析181
9.3 自然语言处理的应用技术183
9.3.1 机器翻译184
9.3.2 信息检索186
9.3.3 问答系统188
9.4 案例分析190
9.4.1 自然语言自动理解系统190
9.4.2 中文文本的词频统计191
9.5 本章小结192
9.6 思考与练习192
第10章 人工智能在一些领域的
研究193
10.1 机器人学193
10.1.1 机器人学概述193
10.1.2 机器人系统195
10.1.3 机器人的应用与展望196
10.1.4 足球机器人案例分析198
10.2 智能规划199
10.2.1 智能规划概述199
10.2.2 智能规划的应用200
10.2.3 智能电网案例分析201
10.3 数据挖掘205
10.3.1 数据挖掘概述205
10.3.2 数据挖掘的常用技术与应用207
10.3.3 数据挖掘在气象预报研究中的
应用208
10.4 本章小结210
10.5 思考与练习