本书介绍了了人工智慧的发展历史、基本流派、研究领域；知识表示方法和推理技术；图搜寻技术；专家系统及开发工具的使用和设计方法；模糊理论及套用。机器学习与神经网路；混沌理论；智慧型最佳化算法原理和套用等。 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，注重算法的实际套用与实现方法，注重创新思维的训练与培养。 本书可作为高等院校自动化、电气工程、计算机、电子信息等专业学生人工智慧的本科生、研究生教材，也可供从事人工智慧研究与套用的科技工作者学习参考。

前言

第1章绪论1

1?1人工智慧的起源与发展1

1?2人工智慧学术流派4

1?3人工智慧的研究与套用领域6

第2章知识表示和推理10

2?1知识和知识表示的基本概念10

2?2命题逻辑12

2?2?1语法13

2?2?2语义13

2?2?3命题演算形式系统14

2?3谓词逻辑15

2?3?1语法16

2?3?2语义19

2?4归结推理23

2?4?1子句集及其简化24

2?4?2海伯伦定理27

2?4?3Robinson归结原理31

2?4?4利用Robinson归结原理实现定

理证明35

2?4?5套用归结原理求解问题39

2?5产生式系统40

2?5?1产生式系统的组成部分42

2?5?2产生式系统的控制策略42

2?5?3产生式系统的推理方式43

2?6语义网路表示法44

2?6?1语义网路的结构44

2?6?2基本命题的语义网路表示45

2?6?3语义网路的知识表示方法47

2?6?4语义网路表示法的特点51

2?7框架表示法52

2?8状态空间表示法54

2?9与或图表示法55

第3章图搜寻技术56

3?1问题的提出56

3?2状态图搜寻58

3?2?1状态图搜寻分类58

3?2?2穷举式搜寻59

3?2?3启发式搜寻62

3?2?4A算法及A*算法66

3?3与或图搜寻68

3?3?1与或图68

3?3?2与或图搜寻举例69

3?4博弈图搜寻73

3?4?1博弈图73

3?4?2极大极小分析法74

3?4?3剪枝技术76

第4章专家系统78

4?1专家系统的概述78

4?1?1专家系统的概念与特点78

4?1?2专家系统和传统程式的区别78

4?2专家系统的结构79

4?3专家系统的设计原则与开发

过程80

4?3?1专家系统的设计原则80

4?3?2专家系统的开发过程81

4?4专家系统评价82

4?5专家系统开发工具82

4?5?1骨架型开发工具83

4?5?2语言型开发工具83

4?5?3构造辅助工具84

4?5?4支撑环境84

4?6Prolog语言85

4?6?1Prolog语言的特点85

4?6?2基本Prolog的程式结构86

4?6?3Prolog程式的运行机理88

4?6?4Turbo Prolog 程式结构90

4?6?5Turbo Prolog的数据与表达式90

4?6?6Visual Prolog介绍96

4?6?7PIE：Prolog 的推理机100

第5章模糊理论及套用102

5?1模糊理论的产生与发展102

5?2模糊理论的数学基础103

5?2?1经典集合论的基本概念103

5?2?2模糊集合的基本概念104

5?2?3模糊关係与複合运算107

5?3模糊逻辑109

5?3?1模糊条件语句109

5?3?2模糊推理113

5?4模糊控制系统及模糊控制器115

5?4?1模糊控制系统的基本结构115

5?4?2模糊控制器116

5?4?3模糊控制器的设计117

5?4?4模糊PID控制器的设计123

5?5模糊聚类分析与模糊模式

识别126

5?5?1模糊聚类分析127

5?5?2模糊模式识别131

第6章机器学习和神经网路133

6?1机器学习的基本概念和发

展史133

6?2经典机器学习方法134

6?3基于神经网路的学习137

6?3?1神经网路概述137

6?3?2人工神经网路模型138

6?3?3BP神经网路141

6?3?4RBF神经网路146

6?3?5CMAC神经网路150

6?3?6Hopfield神经网路152

6?3?7模糊神经网路157

6?3?8其他类型的神经网路介绍160

第7章混沌理论与混沌神经网路163

7?1混沌研究的起源与发展163

7?2混沌的基本特性164

7?3通往混沌的道路165

7?4混沌的识别166

7?4?1定性分析法167

7?4?2定量分析法168

7?5混沌套用169

7?6混沌神经网路171

7?6?1暂态混沌神经网路172

7?6?2其他类型的混沌神经网路*173

7?6?3G?S混沌神经网路套用实例174

第8章智慧型最佳化计算179

8?1最佳化问题的分类179

8?2最佳化算法分类180

8?3梯度最佳化计算181

8?4混沌最佳化181

8?5模拟退火算法184

8?6遗传算法185

8?6?1遗传算法中的关键参数与

操作185

8?6?2遗传算法中的基本流程192

8?6?3遗传算法的改进193

8?6?4遗传算法的实现194

8?7蚁群算法195

8?7?1蚁群算法的研究现状195

8?7?2基本蚁群算法的工作原理196

8?8粒子群算法及套用198

8?8?1基本粒子群最佳化算法198

8?8?2粒子群最佳化算法的拓扑结构202

8?9鱼群算法简介204

8?10混合最佳化计算方法简介204

参考文献206