人工智能 第3版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

人工智能 第3版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概述1

1.1人工智能概述1

1.2 AI的产生及主要学派3

1.3人工智能、专家系统和知识工程4

1.4 AI模拟智能成功的标准6

1.5人工智能应用系统7

1.6人工智能的技术特征12

习题114

第1部分 搜索与问题求解17

第2章 用搜索求解问题的基本原理17

2.1搜索求解问题的基本思路17

2.2实现搜索过程的三大要素17

2.2.1搜索对象17

2.2.2扩展规则18

2.2.3目标测试19

2.3通过搜索求解问题19

2.4问题特征分析22

2.4.1问题的可分解性22

2.4.2问题求解步骤的撤回25

2.4.3问题全域的可预测性25

2.4.4问题要求的解的满意度25

习题226

第3章 搜索的基本策略27

3.1盲目搜索方法27

3.1.1宽度优先搜索27

3.1.2深度优先搜索28

3.1.3分支有界搜索28

3.1.4迭代加深搜索28

3.1.5一个盲目搜索问题的几种实现28

3.2启发式搜索30

3.2.1启发式信息的表示30

3.2.2几种最基本的搜索策略35

3.3随机搜索37

3.3.1模拟退火法38

3.3.2其他典型的随机搜索算法39

习题341

第4章 图搜索策略43

4.1或图搜索策略43

4.1.1通用或图搜索算法43

4.1.2 A算法与A*算法46

4.2与/或图搜索55

4.2.1问题归约求解方法与“与/或图”55

4.2.2与/或图搜索55

4.2.3与/或图搜索的特点56

4.2.4与/或图搜索算法AO58

4.2.5对AO*算法的进一步观察59

4.2.6用AO*算法求解一个智力难题60

习题463

第5章 博弈与搜索64

5.1人机大战64

5.1.1国际象棋人机大战64

5.1.2围棋人机大战65

5.2博弈与对策68

5.3极小极大搜索算法69

5.3.1极小极大搜索的思想69

5.3.2极小极大搜索算法69

5.3.3算法分析与举例70

5.4 α-β剪枝算法73

习题576

第6章 演化搜索算法77

6.1遗传算法的基本概念77

6.1.1遗传算法的基本定义77

6.1.2遗传算法的基本流程78

6.2遗传编码79

6.2.1二进制编码79

6.2.2 Gray编码80

6.2.3实数编码81

6.2.4有序编码81

6.2.5结构式编码81

6.3适应值函数81

6.4遗传操作82

6.4.1选择82

6.4.2交叉操作84

6.4.3变异操作86

6.5初始化群体88

6.6控制参数的选取88

6.7算法的终止准则89

6.8遗传算法的基本理论89

6.8.1模式定理89

6.8.2隐含并行性91

6.8.3构造块假设91

6.8.4遗传算法的收敛性91

6.9遗传算法简例91

6.10遗传算法的应用领域93

6.11免疫算法94

6.11.1免疫算法的发展95

6.11.2免疫算法的基本原理95

6.11.3生物免疫系统与人工免疫系统的对应关系98

6.11.4免疫算法的基本类型和步骤98

6.12典型免疫算法分析99

6.12.1阴性选择算法99

6.12.2免疫遗传算法101

6.12.3克隆选择算法104

6.12.4基于疫苗的免疫算法106

6.13免疫算法设计分析108

6.14免疫算法与遗传算法比较109

6.14.1免疫算法与遗传算法的基本步骤比较109

6.14.2免疫算法与遗传算法不同之处110

6.14.3仿真实验及讨论110

6.15免疫算法研究的展望111

习题6112

第7章 群集智能算法113

7.1群集智能算法的研究背景113

7.2群集智能的基本算法介绍113

7.2.1蚁群算法113

7.2.2 flock算法120

7.2.3粒子群算法122

7.3集智系统介绍128

7.3.1人工鱼129

7.3.2 Terrarium世界132

7.4群集智能的优缺点137

习题7138

第8章 记忆型搜索算法139

8.1禁忌搜索算法139

8.1.1禁忌搜索算法的基本思想139

8.1.2禁忌搜索算法的基本流程141

8.1.3禁忌搜索示例141

8.1.4禁忌搜索算法的基本要素分析145

8.1.5禁忌搜索算法流程的特点149

8.1.6禁忌搜索算法的改进149

8.2和声搜索算法150

8.2.1和声搜索算法简介和原理150

8.2.2算法应用153

8.2.3算法比较与分析159

习题8159

第9章 基于Agent的搜索161

9.1DAI概述161

9.2分布式问题求解162

9.3 Agent的定义164

9.3.1 Agent的弱定义164

9.3.2 Agent的强定义165

9.4 Agent的分类165

9.4.1按功能划分166

9.4.2按属性划分167

9.5 Agent通信170

9.5.1 Agent通信概述170

9.5.2言语动作170

9.5.3 SHADE通信机制171

9.6移动Agent174

9.6.1移动Agent系统的一般结构175

9.6.2移动Agent的分类176

9.6.3移动Agent的优点178

9.6.4移动Agent的技术难点179

9.6.5移动Agent技术的标准化180

9.7移动Agent平台的介绍181

9.7.1 General Magic公司的Odysses181

9.7.2 IBM公司的Aglet182

习题9182

第2部分 知识与推理187

第10章 知识表示与处理方法187

10.1概述187

10.1.1知识和知识表示的含义187

10.1.2知识表示方法分类188

10.1.3 AI对知识表示方法的要求189

10.1.4知识表示要注意的问题189

10.2逻辑表示法190

10.3产生式表示法191

10.3.1产生式系统的组成192

10.3.2产生式系统的知识表示192

10.3.3产生式系统的推理方式196

10.3.4产生式规则的选择与匹配198

10.3.5产生式表示的特点199

10.4语义网络表示法199

10.4.1语义网络结构200

10.4.2二元语义网络的表示200

10.4.3多元语义网络的表示201

10.4.4连接词和量词的表示201

10.4.5语义网络的推理过程204

10.4.6语义网络的一般描述207

10.5框架表示法207

10.5.1框架理论207

10.5.2框架结构208

10.5.3框架表示下的推理210

10.6过程式知识表示213

习题10216

第11章 谓词逻辑的归结原理及其应用218

11.1命题演算的归结方法218

11.1.1基本概念218

11.1.2命题演算的归结方法219

11.2谓词演算的归结220

11.2.1谓词演算的基本问题220

11.2.2将公式化成标准子句形式的步骤220

11.2.3合一算法222

11.2.4变量分离标准化224

11.2.5谓词演算的归结算法225

11.3归结原理226

11.3.1谓词演算的基本概念227

11.3.2归结方法可靠性证明228

11.3.3归结方法的完备性231

11.4归结过程的控制策略238

11.4.1简化策略238

11.4.2支撑集策略240

11.4.3线性输入策略241

11.4.4几种推理规则及其应用242

11.5应用实例244

11.5.1归约在逻辑电路设计中的应用244

11.5.2利用推理破案的实例246

习题11248

第12章 非经典逻辑的推理251

12.1非单调推理251

12.1.1单调推理与非单调推理的概念251

12.1.2默认逻辑252

12.1.3默认逻辑非单调推理系统253

12.2 Dempster-Shater（D-S）证据理论255

12.2.1识别框架256

12.2.2基本概率分配函数256

12.2.3置信函数Bel（A）256

12.2.4置信区间257

12.2.5证据的组合函数257

12.2.6 D-S理论的评价261

12.3不确定性推理261

12.3.1不确定性261

12.3.2主观概率贝叶斯方法262

12.4 MYCIN系统的推理模型265

12.4.1理论和实际的背景265

12.4.2 MYCIN模型266

12.4.3 MYCIN模型分析268

12.4.4 MYCIN推理网络的基本模式269

12.4.5 MYCIN推理模型的评价271

12.5模糊推理271

12.5.1模糊集论与模糊逻辑271

12.5.2 Fuzzy聚类分析273

12.6基于案例的推理280

12.6.1基于案例推理的基本思想280

12.6.2案例的表示与组织281

12.6.3案例的检索282

12.6.4案例的改写282

12.7归纳法推理282

12.7.1归纳法推理的理论基础283

12.7.2归纳法推理的基本概念284

12.7.3归纳法推理中的主要难点287

12.7.4归纳法推理的应用288

习题12289

第13章 次协调逻辑推理292

13.1次协调逻辑的含义292

13.1.1传统的人工智能与经典逻辑292

13.1.2人工智能中不协调的数据和知识库292

13.1.3次协调逻辑293

13.2注解谓词演算293

13.2.1多真值格293

13.2.2注解逻辑294

13.2.3注解谓词公式的语义295

13.2.4 APC中的不协调、非、蕴涵297

13.3基于APC的SLDa-推导和SLDa-反驳299

13.3.1 SLDa-推导和SLDa-反驳300

13.3.2注解逻辑推理方法300

13.3.3注解逻辑推理举例300

13.4注解逻辑的归结原理301

13.5应用实例305

13.6控制策略311

习题13312

第3部分 学习与发现317

第14章 机器学习317

14.1概述317

14.1.1机器学习的定义和意义317

14.1.2机器学习的研究简史317

14.1.3机器学习方法的分类318

14.1.4机器学习中的推理方法319

14.2归纳学习320

14.2.1归纳概念学习的定义321

14.2.2归纳概念学习的形式描述323

14.2.3归纳概念学习算法的一般步骤323

14.2.4归纳概念学习的基本技术325

14.3基于解释的学习332

14.3.1基于解释学习的基本原理332

14.3.2基于解释学习的一般框架332

14.3.3基于解释的学习过程333

14.4基于类比的学习334

14.4.1类比学习的一般原理334

14.4.2类比学习的表示335

14.4.3类比学习的求解335

14.4.4逐步推理和监控的类比学习336

习题14338

第15章 人工神经网络339

15.1人工神经网络的特点339

15.2人工神经网络的基本原理341

15.3人工神经网络的基本结构模式346

15.4人工神经网络互连结构347

15.5神经网络模型分类349

15.6几种基本的神经网络学习算法介绍350

15.6.1 Hebb型学习351

15.6.2误差修正学习方法351

15.6.3随机型学习352

15.6.4竞争型学习353

15.6.5基于记忆的学习354

15.6.6结构修正学习354

15.7几种典型神经网络简介354

15.7.1单层前向网络354

15.7.2多层前向网络及BP学习算法357

15.7.3 Hopfield神经网络361

15.8人工神经网络与人工智能其他技术的比较367

15.9人工神经网络的应用领域369

习题15370

第16章 数据挖掘与知识发现371

16.1数据挖掘371

16.1.1数据挖掘的定义与发展371

16.1.2数据挖掘研究的主要内容372

16.1.3数据挖掘的特点374

16.1.4数据挖掘的分类375

16.1.5数据挖掘常用的技术376

16.1.6数据挖掘过程376

16.1.7数据挖掘研究面临的困难377

16.1.8关联规则挖掘377

16.1.9聚类分析383

16.2 Web挖掘391

16.2.1 Web挖掘概述391

16.2.2 Web内容挖掘392

16.2.3 Web结构挖掘394

16.2.4 Web使用挖掘394

16.2.5 Web数据挖掘的技术难点399

16.2.6 XML与Web数据挖掘技术399

16.3文本挖掘402

16.3.1文本挖掘的概念402

16.3.2文本挖掘预处理402

16.3.3文本挖掘的关键技术403

16.3.4文本挖掘系统的评价标准404

习题16404

第4部分 领域应用407

第17章 专家系统407

17.1专家系统概述407

17.1.1专家系统的定义407

17.1.2专家系统的结构407

17.1.3专家系统的特点408

17.1.4专家系统的类型408

17.1.5几个成功的专家系统简介410

17.2专家系统中的知识获取411

17.2.1概述411

17.2.2知识获取的直接方法412

17.2.3知识获取的新进展413

17.3专家系统的解释机制414

17.3.1预制文本解释法415

17.3.2路径跟踪解释法415

17.3.3自动程序员解释法416

17.3.4策略解释法417

17.4专家系统开发工具与环境417

17.4.1专家系统开发工具的基本概念417

17.4.2专家系统工具JESS418

17.4.3 JESS中的Rete匹配算法和逆向推理机制421

17.5专家系统开发421

17.5.1专家系统开发的步骤422

17.5.2专家系统开发方法422

17.6专家系统开发实例423

17.6.1动物识别专家系统423

17.6.2 MYCIN专家系统425

习题17425

第18章 自然语言处理427

18.1语言的组成427

18.1.1自然语言的基本要素428

18.1.2实词和虚词429

18.1.3短语结构429

18.2上下文无关语法430

18.2.1重写规则430

18.2.2语法分析431

18.3上下文无关语法分析431

18.3.1产生后继状态的算法432

18.3.2利用词典433

18.3.3建立语法分析树433

18.4特殊语法的分析436

18.4.1引进特征436

18.4.2特征匹配437

18.5利用图表的高效语法分析440

18.5.1 chart数据结构440

18.5.2有多种解释的句子441

18.6语义解释442

18.6.1词的意思443

18.6.2利用特征的语义解释444

18.6.3词义排歧446

18.7生成自然语言449

18.8在上下文中的自然语言450

18.8.1言语的行为450

18.8.2创建引用451

18.8.3处理数据库的断言和问题452

习题18456

第19章 智能机器人457

19.1智能机器人的定义457

19.2智能机器人的分类457

19.2.1工业机器人457

19.2.2服务机器人458

19.2.3军用机器人458

19.2.4仿生机器人459

19.2.5网络机器人459

19.3智能机器人的关键技术460

19.3.1导航技术460

19.3.2路径规划技术461

19.3.3机器人视觉技术463

19.3.4智能控制技术463

19.3.5智能认知与感知技术464

19.3.6多模式网络化交互技术464

19.4智能机器人未来的发展465

19.4.1人工智能技术的应用465

19.4.2云机器人466

19.4.3移动技术466

19.4.4仿生技术466

19.4.5机器人体系结构467

习题19468

参考文献469