本书是普通高等教育“十一五”重量规划教材，系统介绍人工智能的基本原理和相关应用领域。全书共10章,分别介绍绪论、知识表达技术、问题求解方法、基本推理技术、不准确推理技术、PROLOG语言、专家系统、机器学习、人工神经网络和人工智能游戏。本书内容丰富，条理清楚，各章都配有例题，每章都给出相当数量的习题，以帮助读者理解和掌握本书内容，本书为任课教师免费提供电子课件。

章 绪论
1. 1 人工智能
1. 1. 1 什么是人工智能
1. 1. 2 什么是自然智能
1. 2 人工智能的发展史
1. 2. 1 阶段――孕育期（1956年以前）
1. 2. 2 第二阶段――人工智能基础技术的研究和形成(1956―1970年)
1. 2. 3 第三阶段――发展和实用化阶段(1971―1980年)
1. 2. 4 第四阶段――知识工程与专家系统(1980年至今)
1. 3 人工智能的研究领域
1. 3. 1 专家系统
1. 3. 2 自然语言处理
1. 3. 3 机器学习
1. 3. 4 定理证明
1. 3. 5 分布式人工智能
1. 3. 6 机器人
1. 3. 7 模式识别
1. 3. 8 博弈和游戏
1. 3. 9 计算机视觉
1. 3.10 人工神经网络
习题1
第2章 知识表达技术
2. 1 知识的概念与含义
2. 2 知识表达技术概述
2. 2. 1 知识类型
2. 2. 2 知识模型变换
2. 3 状态空间表达
2. 3. 1 状态空间表达法的概念
2. 3. 2 状态空间表达法的例子
2. 4 与/或图表达法
2. 4. 1 与/或图表达法的概念
2. 4. 2 与/或图表达法的例子
2. 5 产生式系统
2. 5. 1 产生式系统的基本结构
2. 5. 2 产生式系统的表示
2. 6 知识的逻辑表达方法
2. 6. 1 命题逻辑
2. 6. 2 谓词逻辑
2. 6. 3 一阶谓词逻辑表达方法
2. 6. 4 谓词逻辑表达法的特性和应用
2. 7 语义网络
2. 7. 1 语义网络的概念和特性
2. 7. 2 语义网络的知识表示
2. 8 框架表达法
2. 8. 1 框架的构成
2. 8. 2 框架系统与产生式系统的结合
2. 9 特征表表达法
2. 10 面向对象的表示
2. 10. 1 对象、消息和方法
2. 10. 2 类、类层次和继承性
2. 10. 3 面向对象的知识表示与语义网络、框架系统的比较
习题2
第3章 问题求解方法
3. 1 状态空间搜索概述
3. 1. 1 状态图
3. 1. 2 问题的状态空间的图描述
3. 1. 3 将问题求解定义为状态空间搜索
3. 1. 4 搜索的基本概念
３. ２ 盲目的图搜索
3. 2. 1 搜索策略概述
3. 2. 2 回溯策略
3. 2. 3 宽度优先搜索
3. 2. 4 深度优先搜索
3. 2. 5 图搜索
３. ３ 启发式图搜索
3. 3. 1 启发式策略
3. 3. 2 启发信息和估价函数
3. 3. 3 启发式图搜索法――A及A*搜索算法
3. 3. 4 A*搜索算法的讨论
３. ４ 与/或图搜索
3. 4. 1 与/或图的概念
3. 4. 2 AO及AO*搜索算法
3. 4. 3 博弈树搜索
３. ５ 局部搜索算法
３. 6 模拟退火算法
3. 6. 1 固体退火过程
3. 6. 2 模拟退火算法
3. 6. 3 参数的确定
3. 6. 4 应用举例
３. 7 遗传算法
3. 7. 1 生物进化与遗传算法
3. 7. 2 遗传算法的实现问题
３. ８ 约束满足法
习题3
第4章 基本推理技术
4. 1 推理技术概述
4. 1. 1 推理的概念和类型
4. 1. 2 推理的控制策略
4. 2 归结反演系统
4. 2. 1 归结原理
4. 2. 2 归结反演
4. 2. 3 归结反演的控制策略
4. 2. 4 应用归结反演求取问题的答案
4. 3 基于规则的演绎推理
4. 3. 1 正向演绎推理
4. 3. 2 反向演绎推理
4. 3. 3 双向演绎推理
习题4
第5章 不精确推理
5. 1 概述
5. 2 概率方法
5. 2. 1 概率论基础
5. 2. 2 概率推理模型
5. 3 主观Bayes方法
5. 3. 1 不确定性的表示
5. 3. 2 主观Bayes方法推理的基本算法
5. 4 可信度方法
5. 4. 1 基于可信度的不确定性表示
5. 4. 2 可信度方法推理的基本算法
5. 5 模糊推理
5. 5. 1 模糊理论基础
5. 5. 2 语言变量及模糊推理
习题5
第6章 PROLOG语言
6. 1 PROLOG语言概述
6. 1. 1 PROLOG语言的发展
6. 1. 2 PROLOG语言的特点
6. 2 PROLOG语言的结构
6. 2. 1 数据结构
6. 2. 2 程序结构
6. 3 PROLOG语言的内部谓词
6. 3. 1 比较类
6. 3. 2 表达式类
6. 3. 3 输入输出类
6. 3. 4 文件操作类
6. 3. 5 控制谓词类
6. 3. 6 复杂目标类
6. 3. 7 项类
6. 3. 8 结构分量类
6. 3. 9 项维护类（动态数据库）
6. 4 PROLOG语言的搜索策略
6. 4. 1 例化与匹配
6. 4. 2 回溯控制
6. 4. 3 搜索策略
6. 5 谓词！的讨论
6. 5. 1 谓词！的作用
6. 5. 2 用法及举例
6. 6 PROLOG程序设计
6. 6. 1 数学函数
6. 6. 2 八皇后问题
6. 6. 3 专家系统示例
6. 7 PROLOG语言与C语言的连接
6. 7. 1 语言条件
6. 7. 2 外部谓词说明
6. 7. 3 参数传递
6. 7. 4 外部C语言子程序
6. 7. 5 两个限制
习题6
第7章 专家系统
7. 1 专家系统的定义与分类
7. 1. 1 专家系统的定义与特点
7. 1. 2 专家系统的类型
7. 2 专家系统的结构与工作原理
7. 2. 1 专家系统的一般结构
7. 2. 2 专家系统的工作原理
7. 3 知识获取
7. 3. 1 知识获取的任务
7. 3. 2 知识获取的模式
7. 4 专家系统的建立
7. 4. 1 适于专家系统求解的问题
7. 4. 2 专家系统的设计原则与开发步骤
7. 4. 3 专家系统的评价
7. 5 专家系统实例
7. 5. 1 动物识别专家系统
7. 5. 2 医学专家系统――MYCIN
7. 5. 3 地质勘探专家系统――PROSPECTOR
7. 6 专家系统的开发工具
7. 6. 1 用于开发专家系统的程序设计语言
7. 6. 2 骨架系统
7. 6. 3 通用型知识表达语言
7. 6. 4 专家系统开发环境
习题7
第8章 机器学习
8. 1 机器学习概述
8. 1. 1 机器学习的基本概念
8. 1. 2 机器学习的主要策略
8. 1. 3 机器学习系统的基本结构
8. 1. 4 机器学习系统的主要特性
8. 2 机械学习
8. 2. 1 机械学习模式及主要问题
8. 2. 2 机械学习应用举例
8. 3 示例学习
8. 3. 1 示例学习模型
8. 3. 2 示例学习的一般过程
8. 3. 3 示例表示
8. 3. 4 示例复用
8. 3. 5 示例保存
8. 4 类比学习
8. 4. 1 类比学习的概念
8. 4. 2 类比学习的表示与求解
8. 5 几种类比学习系统介绍
8. 5. 1 转换类比学习
8. 5. 2 派生类比学习
8. 5. 3 因果关系类比学习
8. 5. 4 联想类比学习
8. 6 归纳学习
8. 6. 1 概述
8. 6. 2 归纳学习的一般模式
8. 6. 3 类型定义
8. 6. 4 结构归纳学习及示例
8. 6. 5 基于决策树的归纳学习方法
习题8
第9章 人工神经网络
9. 1 神经网络概述
9. 2 人工神经元模型
9. 2. 1 神经元模型
9. 2. 2 神经网络结构及工作方式
9. 3 神经网络的学习方法
9. 3. 1 学习方式
9. 3. 2 学习规则
9. 3. 3 学习与自适应
9. 4 前馈神经网络
9. 4. 1 前馈神经网络结构
9. 4. 2 利用BP算法进行网络训练
9. 5 Hopfield神经网络
9. 5. 1 神经联想记忆
9. 5. 2 Hopfield网络
9. 5. 3 Hopfield网络的一个范例
9. 6 Kohonen自组织神经网络
习题9
0章 人工智能游戏
10. 1 计算机游戏中的人工智能
10. 2 游戏编程中的人工智能
10. 3 游戏中的移动
10. 3. 1 环境和空间
10. 3. 2 游戏世界的类型
10. 3. 3 处理移动
10. 3. 4 假设
10. 3. 5 测试条件
10. 3. 6 导航的技巧
10. 3. 7 游戏中的机器人及其移动
10. 3. 8 仿生机器人的自主导航
10. 3. 9 移动的标准
10. 3. 10 实例研究
10. 4 实验用平台FEAR
10. 4. 1 技术概述
10. 4. 2 外部接口
10. 4. 3 模块
10. 4. 4 灵活的结构
10. 4. 5 创建一个仿生机器人
习题10
参考文献