人工智能基础

本书以简明的方式，系统、全面地介绍人工智能基础知识及其拓展应用，目的是用通俗易懂的方法帮助学生构建完整的人工智能知识体系，为后续深入学习人工智能相关知识打下坚实的理论基础。全书共8章，主要内容包括人工智能的概述与流派、知识表示、搜索求解、群集智能算法、专家系统、机器学习、神经网络与深度学习、强化学习。每章附有习题，以供读者练习。 本书可作为高等院校的人工智能专业的导论课教材和非人工智能专业的选修课教材，也可作为人工智能技术爱好者学习的入门书籍。

第1章 人工智能
1.1 人工智能概述
1.1.1 人工智能的定义
1.1.2 人工智能简史
1.1.3 研究领域
1.2 人工智能流派
1.2.1 符号主义
1.2.2 连接主义
1.2.3 行为主义
本章小结
本章习题
第2章 知识表示
2.1 知识表示概述
2.2 数理逻辑表示法
2.2.1 命题逻辑
2.2.2 谓词逻辑
2.2.3 谓词逻辑表示法
2.3 语义网络表示法
2.3.1 语义网络的概念
2.3.2 知识的语义网络表示
2.3.3 语义网络中常用的语义联系
2.3.4 语义网络表示下的推理过程
2.3.5 语义网络表示法的特点
2.4 过程表示法
2.4.1 过程表示法概述
2.4.2 过程表示法求解过程
2.4.3 过程表示法求解总结
2.5 框架表示法
2.5.1 框架结构及知识表示
2.5.2 基于框架的推理
2.5.3 框架表示法的特点
2.6 产生式表示法
2.6.1 产生式系统的组成
2.6.2 产生式系统推理机的推理方式
2.6.3 产生式系统的优缺点
2.7 状态空间表示法
2.7.1 状态空间表示法的描述
2.7.2 状态空间表示法示例
2.8 问题归约法
2.8.1 问题归约描述
2.8.2 与图、或图、与或图表示法
2.9 面向对象表示法
2.9.1 面向对象的基本概念
2.9.2 面向对象的知识表示
本章小结
本章习题
第3章 搜索求解
3.1 搜索概述
3.1.1 搜索的基本问题与主要过程
3.1.2 搜索策略
3.2 状态空间的搜索策略
3.2.1 状态空间表示法
3.2.2 状态空间的图描述
3.3 盲目的图搜索策略
3.3.1 回溯策略
3.3.2 宽度优先搜索策略
3.3.3 深度优先搜索策略
3.4 启发式图搜索策略
3.4.1 启发式策略
3.4.2 启发信息和估价函数
3.4.3 A搜索算法
3.4.4 A*搜索算法及其特征分析
3.5 综合案例
本章小结
本章习题
第4章 群集智能算法
4.1 群集智能概述
4.1.1 群集智能的基本概念
4.1.2 群集智能研究方法的主要优缺点
4.2 蚁群算法
4.2.1 蚁群算法的生物原型
4.2.2 基本蚁群算法的原理
4.2.3 蚁群优化算法的特点及收敛性
4.2.4 基本蚁群算法的数学模型
4.2.5 蚁群算法的参数设置
4.2.6 改进的蚁群算法
4.3 粒子群优化算法
4.3.1 粒子群优化算法的生物原型
4.3.2 标准粒子群优化算法
4.3.3 量子粒子群优化算法
4.4 遗传算法
4.4.1 遗传算法原型
4.4.2 编码
4.4.3 群体设定
4.4.4 适应度函数
4.4.5 选择
4.4.6 交叉
4.4.7 变异
4.4.8 终止条件
本章小结
本章习题
第5章 专家系统
5.1 专家系统概述
5.1.1 专家系统的特点
5.1.2 专家系统的类型
5.2 专家系统的结构与工作原理
5.2.1 专家系统的一般结构
5.2.2 专家系统的工作原理
5.3 知识的获取
5.3.1 知识获取的方式
5.3.2 知识获取的步骤
……