目录

配套资源

第1章人工智能概述1

1.1引言: 开启智能新时代1

1.2人工智能的定义与核心要素: 解析智能的奥秘1

1.3人工智能的发展历程: 从梦想走进现实2

1.4人工智能的研究内容: 探索智能的边界3

1.5人工智能的应用领域: 赋能各行各业3

1.6人工智能的未来展望: 智能无限，未来可期4

参考文献5

第2章知识表示方法6

2.1状态空间法7

2.1.1状态空间法三要素7

2.1.2算符约束条件8

2.1.3状态空间图9

2.1.4状态空间法缺陷10

2.1.5实例操作11

2.2问题归约法11

2.2.1问题归约法的组成11

2.2.2与或图12

2.2.3可解节点和非可解节点13

2.2.4问题归约机理14

2.3谓词逻辑法14

2.3.1谓词逻辑14

2.3.2谓词演算15

2.3.3谓词公式16

2.3.4谓词表示17

2.3.5置换与合一18

2.4语义网络法20

2.4.1语义网络的表示能力21

2.4.2语义网络的表示方法21

2.4.3语义网络的推理过程22

2.4.4知识图谱23

2.5本章小结24

课后习题224

参考文献25

第3章搜索策略26

3.1图搜索策略27

3.2盲目搜索28

3.2.1广度优先搜索29

3.2.2深度优先搜索31

3.2.3等代价优先搜索32

3.3启发式搜索34

3.3.1估价函数34

3.3.2全局择优搜索35

3.3.3局部择优搜索35

3.3.4A算法37

3.4与/或树的搜索策略39

3.4.1与/或树的广度优先搜索40

3.4.2与/或树的深度优先搜索41

3.4.3与/或树的启发式搜索41

3.4.4博弈树的启发式搜索44

3.5本章小结47

课后习题347

参考文献48

第4章推理技术49

4.1推理的分类50

4.1.1演绎推理、归纳推理与类比推理50

4.1.2确定性推理、不确定性推理51

4.1.3单调推理、非单调推理51

4.1.4启发式推理、非启发式推理52

4.2推理的结构与策略52

4.2.1推理的一般形式52

4.2.2谓词逻辑与子句集54

4.3消解原理（归结原理）57

4.3.1消解推理的基石58

4.3.2消解推理规则58

4.3.3鲁滨逊消解原理60

4.3.4命题逻辑归结推理实验案例60

4.4消解反演62

4.4.1消解反演证明问题62

4.4.2消解反演求解问题64

4.4.3归结反演命题证明实验案例64

4.5产生式系统66

4.5.1产生式系统解析67

4.5.2产生式系统的推理69

4.5.3产生式系统举例72

4.6本章小结74

课后习题474

参考文献75

第5章计算智能77

5.1遗传算法78

5.1.1基本原理78

5.1.2应用举例80

5.1.3程序应用实例84

5.1.4研究应用84

5.2群智能86

5.2.1粒群优化算法86

5.2.2蚁群优化算法91

5.3本章小结96

课后习题596

参考文献97

第6章人工神经网络98

6.1人工神经网络研究的发展99

6.2人工神经网络的结构100

6.2.1生物神经元100

6.2.2人工神经元101

6.2.3TLU102

6.2.4人工神经网络的基本特性和结构104

6.2.5基于神经网络的知识表示105

6.2.6基于神经网络的推理106

6.3深度学习107

6.4BP算法109

6.5人工神经网络的发展方向与研究问题111

6.5.1人工神经网络领域的主要研究问题111

6.5.2人工神经网络的最新发展趋势111

6.5.3人工神经网络智能信息处理系统的应用研究112

6.6本章小结113

课后习题6113

参考文献113

第7章机器学习114

7.1机器学习的概念115

7.1.1定义115

7.1.2发展历史115

7.1.3研究意义115

7.2机器学习的组成成分116

7.2.1学习任务116

7.2.2学习数据116

7.2.3学习结构118

7.2.4学习算法119

7.3机器学习的聚类与分类121

7.3.1聚类121

7.3.2分类123

7.4机器学习的算法128

7.4.1K最近邻算法128

7.4.2决策树算法131

7.4.3线性回归算法137

7.4.4SVM算法139

7.4.5贝叶斯算法142

7.4.6集成学习145

课后习题7148

参考文献148

第8章专家系统149

8.1专家系统概述149

8.1.1专家系统的特点与优点151

8.1.2专家系统的类型151

8.1.3专家系统的结构和建造步骤156

8.2专家系统分类159

8.2.1基于规则的专家系统159

8.2.2基于模型的专家系统160

8.2.3新型专家系统162

8.2.4分布式专家系统162

8.2.5协同式专家系统（群专家系统）163

8.3专家系统开发工具164

8.4专家系统的设计165

8.4.1专家知识的描述165

8.4.2知识使用和决策解释168

课后习题8171

参考文献171

实验172

实验2.1状态空间搜索求解汉诺塔问题172

实验3.1广度优先求解八数码问题176

实验3.2深度优先求解八数码问题180

实验3.3启发式搜索求解棋盘问题185

实验3.4A算法求解八数码问题189

实验4.1命题逻辑归结推理192

实验4.2归结反演命题证明196

实验5.1遗传算法求解最短路径问题200

实验5.2遗传算法求解函数极值208

实验5.3粒子群优化算法求解最短路径问题220

实验5.4蚁群算法求解最短路径问题227

实验5.5禁忌搜索求解最短路径问题234

实验5.6模拟退火算法求解最短路径问题239

实验5.7模拟退火算法求解组合优化问题245

实验5.8分布估计算法求解组合优化问题251

实验5.9求解最短路径问题256

实验6.1糖尿病患者检测275

实验6.2鸢尾花神经网络分类283

实验6.3Fashion MNIST衣帽鞋分类293

实验7.1学生成绩聚类309

实验7.2超市商品搭配策略312

实验7.3K最近邻(KNN)鸢尾花分类316

实验7.4波士顿房价正则化回归预测324

实验7.5SVM手写数字识别334

实验7.6朴素贝叶斯算法原理与实现354

实验7.7客户购买意向分析362

实验7.8随机森林员工离职预测366

实验8.1动物识别专家系统380