本科人工智能教材：
http://s9/middle/8a465160gaadcb3d87178&690

前    言

人工智能是目前迅速发展的新兴学科，已经成为许多高新技术产品中的核心技术，也是计算机游戏等数字媒体产品中的重要设计技术。人工智能在Internet时代获得了前所未有的发展机遇，WEB环境下智能信息处理技术成为推动人工智能在网络环境中发展的一大动力。由于人工智能是模拟人类智能解决问题的方法，几乎在所有领域都具有非常广泛的应用，所以，目前不仅许多专业的研究生开设人工智能课程，而且许多专业的本科生，特别是计算机与自动化等电气信息类以及机械类、电子信息科学类等专业本科生，都开设了人工智能课程。

1.本书的形成

本书作者从1989年开始从事人工智能及其应用方面的研究，从1993年开始从事人工智能方面的教学。为控制科学与工程、计算机科学与技术、机械工程等专业研究生讲授《人工智能原理与应用》课程，为计算机、自动化等专业本科生讲授《人工智能导论》课程，还为全校工学、理学、经济学、管理学、哲学、文学、法学等学科门类专业学生开设《人工智能及其应用》公选课。在多年的教学实践中，深感需要编著一本内容比较基础、可读性好、适合讲授的人工智能教材。本书作者在自己多年来的讲稿基础上，于2005年编写出版了《人工智能及其应用》， 2008年修订出版了《人工智能及其应用》（第二版），作为研究生和本科生的人工智能教材，被许多高校选用。

随着人工智能技术的发展，越来越多的本科专业开设了人工智能课程。因此，面向本科生的人工智能课程的教材建设具有重要意义。因此，作者在《人工智能及其应用》（第二版）的基础上，选择基本、实用的内容，并充实了一些应用性内容，编写了这本用于本科教学的《人工智能导论》教材，其目的是使学生学习和掌握人工智能的基本概念和基本原理，了解人工智能的一些前沿内容，拓宽知识面，启发思路，为今后在相关领域应用人工智能技术奠定基础。

2.主要内容

全书共11章。第1章除了介绍人工智能的基本概念、发展简史，着重介绍目前人工智能的主要研究内容与各种应用，以开阔读者的视野，引导读者进入人工智能各个研究领域。第2章介绍一阶谓词逻辑、产生式、框架等基本的知识表示方法。第3章介绍基于谓词逻辑的确定性推理方法。详细介绍了在自动定理证明中具有重要地位的鲁宾逊归结原理。通过多个典型例题清楚地介绍了将谓词公式化为子句集的步骤，详细讲述了利用归结原理证明定理和求解问题的方法。第4章介绍不确定性推理方法。主要介绍了比较实用的可信度方法、证据理论、模糊逻辑推理方法。第5章介绍了基于搜索的问题求解策略。第6章介绍了遗传算法为代表的适用于大规模优化的随机搜索算法。第7章介绍了专家系统与机器学习的概念、工作原理、建立方法，简单介绍了几个典型的专家系统实例以及开发工具。第8章介绍了人工神经网络的基本理论与方法，着重介绍了应用广泛的BP神经网络及其学习算法和Hopfield神经网络及其在联想记忆与优化求解中的应用。介绍了神经网络在软测量与求解旅行商问题、生产调度等优化问题中的应用，启发读者如何应用神经网络解决工程实际问题。第9章介绍了广泛应用的多智能体技术。简要介绍了多智能体系统的通信、协调、协作与协商方法。第10章介绍了日益广泛应用的自然语言处理技术。最后，针对游戏、动漫等新型产业发展需要，简要介绍了人工智能在游戏设计中的应用。附录中给出了本书习题的简要解答。

3.编写特色

（1）语言简明，可读性好。本书尽量用通俗的语言深入浅出地讲解，语言流畅，避免像专著和研究生教材那样追求理论严谨，语言艰涩。学生能够有兴趣、有耐心阅读本教材，领略人工智能的思想与基本方法。

（2）内容基本实用，注重应用。由于人工智能正处于迅速发展阶段，内容非常庞杂。本书在内容上精选一些基本理论与实用方法，而不是像专著和研究生教材那样追求前沿理论方法。学生学习这些内容后，能够很容易阅读其他专门的书藉，掌握更广、更深的内容。书中尽可能介绍了一些符合这些内容、能够为本科生理解的应用实例，引导学生学习应用新理论解决工程问题的方法。

（3）精选例题和习题，引导学生解答。本书精选了一些例题，有助于人工智能理论与方法的理解。精选了习题，并在书末给出了答案，对有些难题给出了比较详细的解答，也弥补了现有许多人工智能教材中习题解答和人工智能习题集少的缺陷。

（4）编排醒目，有利于学习。每章开始设置了导读，使读者在学习该章之前就知道为什么要学习该章内容，以及该章主要介绍哪些内容。每章最后扼要总结了该章的重要概念、公式、定理与方法。本书采用双色印刷，将重要的概念、公式、定理与方法用明显的颜色标注出来，引起学生注意。

4.教师如何使用本教材

本书主要作为电气信息类、机械类以及其他各类专业本科生学习人工智能课程的教材，特别是作为计算机、数字媒体等专业本科生学习人工智能课程的教材。本书可以供希望运用人工智能技术的研究人员与工程技术人员参考。

（1）教学内容与时间安排。本书用于《人工智能导论》以及同类课程的教学。由于书中几大部分内容相对独立，可以容易地根据课程计划学时和专业需要选择部分内容，仍可保持课程体系结构的完整性。本书课堂教学时数一般为32-56学时左右。对于数字媒体技术、计算机、自动化等需要深入了解人工智能的专业，可以安排8-16学时左右的人工智能实验。

（2）如何讲授本书？本书内容比较广泛，着重介绍人工智能的基本理论与实用方法，教师在教学过程中可以增加一些相关的比较深入的内容。特别是结合自己的研究与实践增加一些工程实例，或者选择自己比较熟悉、符合所教专业的一些人工智能实例，作为补充内容进行介绍，从而丰富教学内容，增加学生兴趣，培养学生创新能力。

（3）如何获取该课程教学资源？使用本书作为教材的教师可向作者以及高等教育出版社，免费获取电子教案、习题详细解答、实验指导书等教学资源。

5.作者致谢

本书列为浙江省高等学校重点教材（ZJB2009054）和高等教育出版社数字媒体技术专业系列教材。

6.联系作者

本书内容虽然经过多年使用和修改，仍会存在许多缺点和错误，欢迎使用本书的教师和读者提出宝贵意见。联系地址：wwl@zjut.edu.cn

 

目  录

第1章  绪论

1.1 人工智能的基本概念

1.1.1  智能的概念

1.1.2  智能的特征

1.1.3 人工智能

1.2 人工智能的发展简史

1.2.1 孕育（1956年前）

1.2.2 形成（1956~1969）

1.2.3 发展（1970-   ）

1.3 人工智能研究的基本内容

1.4 人工智能的主要研究领域

1.5 小结

思考题

第2章  知识表示

2.1 知识与知识表示的概念

2.1.1 知识的概念

2.1.2 知识的特性

2.1.3 知识的表示

2.2 一阶谓词逻辑表示法

2.2.1 命题

2.2.2  谓词

2.2.3 谓词公式

2.2.4 谓词公式的性质

2.2.5 一阶谓词逻辑知识表示方法

2.2.6 一阶谓词逻辑表示法的特点

2.3 产生式表示法

2.3.1 产生式

2.3.2 产生式系统

2.3.3 产生式系统的例子——动物识别系统

2.3.4 产生式表示法的特点

2.4 框架表示法

2.4.1 框架的一般结构

2.4.2 用框架表示知识的例子

2.4.3 框架表示法的特点

2.5 小结

思考题

习题

第3章  确定性推理方法

3.1 推理的基本概念

3.1.1推理的定义

3.1.2推理方式及其分类

3.1.3推理的方向

3.1.4冲突消解策略

3.2 自然演绎推理

3.3  谓词公式化为子句集的方法

3.4  鲁宾逊归结原理

3.5  归结反演

3.6  应用归结原理求解问题

3.7 小结

思考题

习题

第4章  不确定性推理方法

4.1 不确定性推理的概念

4.2 可信度方法

4.3 证据理论

4.3.1 概率分配函数

4.3.2 信任函数

4.3.3  似然函数

4.3.4  概率分配函数的正交和（证据的组合）

4.3.5基于证据理论的不确定性推理

4.4 模糊推理方法

4.4.1 模糊逻辑的提出与发展

4.4.2  模糊集合

4.4.3  模糊集合的运算

4.4.4  模糊关系与模糊关系的合成

4.4.5 模糊推理

4.4.6  模糊决策

4.4.7  模糊推理的应用

4.5 小结

思考题

习题

第5章  基于搜索的问题求解策略

5.1 搜索的概念

5.1.1 搜索的基本问题与主要过程

5.1.2 搜索策略

5.2 状态空间的搜索策略

5.2.1 状态空间表示法

5.2.2 状态空间的图描述

5.3 盲目的图搜索策略

5.3.1 回溯策略

5.3.2  宽度优先搜索策略

5.3.3 深度优先搜索策略

5.4 启发式图搜索策略

5.4.1启发式策略

5.4.2 启发信息和估价函数

5.4.3  A搜索算法

5.4.4 A*搜索算法及其特性分析

5.5 小结

思考题

习题

第6章  遗传算法及其应用

6.1遗传算法的产生与发展

6.1.1遗传算法的生物学背景

6.1.2遗传算法的基本思想

6.1.3遗传算法的发展历史

6.1.4 设计遗传算法的基本内容

6.2遗传算法的基本算法

6.2.1  编码

6.2.2 群体设定

6.2.3 适应度函数

6.2.4 选择

6.2.5 交叉

6.2.6 变异

6.2.7 遗传算法的一般步骤

6.2.8 遗传算法的特点

6.3遗传算法的改进算法

6.3.1  双倍体遗传算法

6.3.2 双种群遗传算法

6.3.3 自适应遗传算法

6.4 遗传算法的应用

6.5 小结

思考题

习题

第7章  专家系统与机器学习

7.1 专家系统的产生与发展

7.2 专家系统的概念

7.2.1专家系统的定义

7.2.2专家系统的特点

7.2.3专家系统的类型

7.2.4专家系统的应用

7.3 专家系统的工作原理

7.3.1专家系统的一般结构

7.3.2知识库

7.3.3推理机

7.3.4数据库

7.3.5知识获取机构

7.3.6人机接口

7.3.7解释机构

7.4 知识获取的主要过程与模式

7.4.1知识获取的过程

7.4.2知识获取的模式

7.5 机器学习

7.5.1 机器学习的基本概念

7.5.2 机器学习的分类

7.5.3机械式学习

7.5.4  指导式学习

7.5.5 示例学习

7.6  知识发现与数据挖掘

7.6.1  知识发现与数据挖掘的概念

7.6.2 知识发现的一般过程

7.6.3 知识发现的任务

7.6.4 知识发现的方法

7.6.5 知识发现的对象

7.7 专家系统的建立

7.8 专家系统实例

7.8.1医学专家系统──MYCIN

7.8.2地质勘探专家系统──PROSPECTOR

7.9 专家系统的开发工具

7.9.1骨架系统

7.9.2通用型知识表达语言

7.9.3专家系统开发环境

7.9.4专家系统程序设计语言

7.10 小结

思考题

第8章  人工神经网络及其应用

8.1  神经元与神经网络

8.1.1生物神经元结构

8.1.2 神经元数学模型

8.1.3 神经网络的结构与工作方式

8.1.4 神经网络的学习

8.2  BP神经网络及其学习算法

8.2.1 BP神经网络的结构

8.2.2 BP学习算法

8.2.3 BP学习算法的实现

8.3  BP神经网络的应用

8.3.1 BP神经网络在模式识别中的应用

8.3.2 BP神经网络在软测量中的应用

8.4  Hopfield神经网络及其改进

8.4.1  离散型Hopfield神经网络

8.4.2 连续型Hopfield神经网络及其VLSI实现

8.4.3 随机神经网络

8.5  Hopfield神经网络的应用

8.5.1  Hopfield神经网络在联想记忆中的应用

8.5.2  Hopfield神经网络优化方法

8.6 小结

思考题

习题

第9章  智能体与多智能体系统

9.1 智能体的概念与结构

9.1.1 智能体的概念

9.1.2 智能体的特性

9.1.3 智能体的结构

9.1.4 反应式Agent

9.1.5 慎思式Agent

9.1.6 复合式Agent

9.1.7 Agent的应用

9.2 多智能体系统的概念与结构

9.2.1  多智能体系统的特点

9.2.2  多智能体系统的基本类型

9.2.3  多智能体系统的体系结构

9.3 多智能体系统的通信

9.3.1 智能体通信的类型

9.3.2  Agent通信的方式

9.3.3智能体通信语言

9.3.4知识查询操纵语言

9.4 多智能体系统的协调

9.5多智能体系统的协作

9.5.1多智能体的协作类型与基本方法

9.5.2合同网

9.5.3黑板模型

9.5.4市场机制

9.6 多智能体系统的协商

9.7 小结

思考题

习题

第10章  自然语言处理及其应用

10.1自然语言理解的概念与发展历史

10.2 语言处理过程的层次

10.3机器翻译

10.3.1机器翻译方法概述

10.3.2 翻译记忆

10.4语音识别

10.4.1 语音识别的概念

10.4.2 语音识别的主要过程

10.4.3隐马尔可夫模型

10.4.4基于隐马尔可夫模型的语音识别方法

10.5 小结

思考题

第11章 人工智能技术在游戏设计中的应用

11.1 人工智能游戏的概念

11.2 游戏人工智能

11.2.1游戏人工智能的概念与分类

11.2.2 基本的游戏人工智能技术

11.3游戏中的角色与分类

11.4智能游戏角色设计基本技术

11.4.1游戏角色的指导与运动

11.4.2游戏角色的追逐与躲避

11.4.3游戏角色的群聚

11.4.4游戏角色的路径搜索

11.4.5智能搜索引擎

11.5智能游戏开发方法与开发工具

11.5.1智能游戏开发方法

11.5.2智能游戏开发工具

11.6 扫雷机智能游戏开发

11.7人工智能游戏的现状与未来

11.8 小结

思考题

附录：习题解答

参考文献