本書是普通高等教育“十一五”國家級規劃教材，系統介紹人工智能的基本原理和相關應用領域。全書共10章，分別介紹緒論、知識表達技術、問題求解方法、基本推理技術、不精確推理技術、PROLOG語言、專家系統、機器學習、人工神經網絡和人工智能游戲。本書內容豐富，條理清楚，各章都配有例題，每章都給出相當數量的習題，以幫助讀者理解和掌握本書內容，本書為任課教師免費提供電子課件。
第1章 緒論
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 人工智能的發展史
1． 2． 1 第一階段――孕育期（1956年以前）
1． 2． 2 第二階段――人工智能基礎技術的研究和形成(1956―1970年)
1． 2． 3 第三階段――發展和實用化階段(1971―1980年)
1． 2． 4 第四階段――知識工程與專家系統(1980年至今)
1． 3 人工智能的研究領域
1． 3． 1 專家系統
1． 3． 2 自然語言處理
1． 3． 3 機器學習
1． 3． 4 定理證明
1． 3． 5 分布式人工智能
1． 3． 6 機器人
1． 3． 7 模式識別
1． 3． 8 博弈和游戲
1． 3． 9 計算機視覺
1． 3．10 人工神經網絡
習題1
第2章 知識表達技術
2． 1 知識的概念與含義
2． 2 知識表達技術概述
2． 2． 1 知識類型
2． 2． 2 知識模型變換
2． 3 狀態空間表達
2． 3． 1 狀態空間表達法的概念
2． 3． 2 狀態空間表達法的例子
2． 4 與/或圖表達法
2． 4． 1 與/或圖表達法的概念
2． 4． 2 與/或圖表達法的例子
2． 5 產生式系統
2． 5． 1 產生式系統的基本結構
2． 5． 2 產生式系統的表示
2． 6 知識的邏輯表達方法
2． 6． 1 命題邏輯
2． 6． 2 謂詞邏輯
2． 6． 3 一階謂詞邏輯表達方法
2． 6． 4 謂詞邏輯表達法的特性和應用
2． 7 語義網絡
2． 7． 1 語義網絡的概念和特性
2． 7． 2 語義網絡的知識表示
2． 8 框架表達法
2． 8． 1 框架的構成
2． 8． 2 框架系統與產生式系統的結合
2． 9 特征表表達法
2． 10 面向對象的表示
2． 10． 1 對象、消息和方法
2． 10． 2 類、類層次和繼承性
2． 10． 3 面向對象的知識表示與語義網絡、框架系統的比較
習題2
第3章 問題求解方法
3． 1 狀態空間搜索概述
3． 1． 1 狀態圖
3． 1． 2 問題的狀態空間的圖描述
3． 1． 3 將問題求解定義為狀態空間搜索
3． 1． 4 搜索的基本概念
３． ２ 盲目的圖搜索
3． 2． 1 搜索策略概述
3． 2． 2 回溯策略
3． 2． 3 寬度優先搜索
3． 2． 4 深度優先搜索
3． 2． 5 圖搜索
３． ３ 啟發式圖搜索
3． 3． 1 啟發式策略
3． 3． 2 啟發信息和估價函數
3． 3． 3 啟發式圖搜索法――A及A*搜索算法
3． 3． 4 A*搜索算法的討論
３． ４ 與/或圖搜索
3． 4． 1 與/或圖的概念
3． 4． 2 AO及AO*搜索算法
3． 4． 3 博弈樹搜索
３． ５ 局部搜索算法
３． 6 模擬退火算法
3． 6． 1 固體退火過程
3． 6． 2 模擬退火算法
3． 6． 3 參數的確定
3． 6． 4 應用舉例
３． 7 遺傳算法
3． 7． 1 生物進化與遺傳算法
3． 7． 2 遺傳算法的實現問題
３． ８ 約束滿足法
習題3
第4章 基本推理技術
4． 1 推理技術概述
4． 1． 1 推理的概念和類型
4． 1． 2 推理的控制策略
4． 2 歸結反演系統
4． 2． 1 歸結原理
4． 2． 2 歸結反演
4． 2． 3 歸結反演的控制策略
4． 2． 4 應用歸結反演求取問題的答案
4． 3 基于規則的演繹推理
4． 3． 1 正向演繹推理
4． 3． 2 反向演繹推理
4． 3． 3 雙向演繹推理
習題4
第5章 不精確推理
5． 1 概述
5． 2 概率方法
5． 2． 1 概率論基礎
5． 2． 2 概率推理模型
5． 3 主觀Bayes方法
5． 3． 1 不確定性的表示
5． 3． 2 主觀Bayes方法推理的基本算法
5． 4 可信度方法
5． 4． 1 基于可信度的不確定性表示
5． 4． 2 可信度方法推理的基本算法
5． 5 模糊推理
5． 5． 1 模糊理論基礎
5． 5． 2 語言變量及模糊推理
習題5
第6章 PROLOG語言
6． 1 PROLOG語言概述
6． 1． 1 PROLOG語言的發展
6． 1． 2 PROLOG語言的特點
6． 2 PROLOG語言的結構
6． 2． 1 數據結構
6． 2． 2 程序結構
6． 3 PROLOG語言的內部謂詞
6． 3． 1 比較類
6． 3． 2 表達式類
6． 3． 3 輸入輸出類
6． 3． 4 文件操作類
6． 3． 5 控制謂詞類
6． 3． 6 復雜目標類
6． 3． 7 項類
6． 3． 8 結構分量類
6． 3． 9 項維護類（動態數據庫）
6． 4 PROLOG語言的搜索策略
6． 4． 1 例化與匹配
6． 4． 2 回溯控制
6． 4． 3 搜索策略
6． 5 謂詞！的討論
6． 5． 1 謂詞！的作用
6． 5． 2 用法及舉例
6． 6 PROLOG程序設計
6． 6． 1 數學函數
6． 6． 2 八皇后問題
6． 6． 3 專家系統示例
6． 7 PROLOG語言與C語言的連接
6． 7． 1 語言條件
6． 7． 2 外部謂詞說明
6． 7． 3 參數傳遞
6． 7． 4 外部C語言子程序
6． 7． 5 兩個限制
習題6
第7章 專家系統
7． 1 專家系統的定義與分類
7． 1． 1 專家系統的定義與特點
7． 1． 2 專家系統的類型
7． 2 專家系統的結構與工作原理
7． 2． 1 專家系統的一般結構
7． 2． 2 專家系統的工作原理
7． 3 知識獲取
7． 3． 1 知識獲取的任務
7． 3． 2 知識獲取的模式
7． 4 專家系統的建立
7． 4． 1 適于專家系統求解的問題
7． 4． 2 專家系統的設計原則與開發步驟
7． 4． 3 專家系統的評價
7． 5 專家系統實例
7． 5． 1 動物識別專家系統
7． 5． 2 醫學專家系統――MYCIN
7． 5． 3 地質勘探專家系統――PROSPECTOR
7． 6 專家系統的開發工具
7． 6． 1 用于開發專家系統的程序設計語言
7． 6． 2 骨架系統
7． 6． 3 通用型知識表達語言
7． 6． 4 專家系統開發環境
習題7
第8章 機器學習
8． 1 機器學習概述
8． 1． 1 機器學習的基本概念
8． 1． 2 機器學習的主要策略
8． 1． 3 機器學習系統的基本結構
8． 1． 4 機器學習系統的主要特性
8． 2 機械學習
8． 2． 1 機械學習模式及主要問題
8． 2． 2 機械學習應用舉例
8． 3 示例學習
8． 3． 1 示例學習模型
8． 3． 2 示例學習的一般過程
8． 3． 3 示例表示
8． 3． 4 示例復用
8． 3． 5 示例保存
8． 4 類比學習
8． 4． 1 類比學習的概念
8． 4． 2 類比學習的表示與求解
8． 5 幾種類比學習系統介紹
8． 5． 1 轉換類比學習
8． 5． 2 派生類比學習
8． 5． 3 因果關系類比學習
8． 5． 4 聯想類比學習
8． 6 歸納學習
8． 6． 1 概述
8． 6． 2 歸納學習的一般模式
8． 6． 3 類型定義
8． 6． 4 結構歸納學習及示例
8． 6． 5 基于決策樹的歸納學習方法
習題8
第9章 人工神經網絡
9． 1 神經網絡概述
9． 2 人工神經元模型
9． 2． 1 神經元模型
9． 2． 2 神經網絡結構及工作方式
9． 3 神經網絡的學習方法
9． 3． 1 學習方式
9． 3． 2 學習規則
9． 3． 3 學習與自適應
9． 4 前饋神經網絡
9． 4． 1 前饋神經網絡結構
9． 4． 2 利用BP算法進行網絡訓練
9． 5 Hopfield神經網絡
9． 5． 1 神經聯想記憶
9． 5． 2 Hopfield網絡
9． 5． 3 Hopfield網絡的一個范例
9． 6 Kohonen自組織神經網絡
習題9
第10章 人工智能游戲
10． 1 計算機游戲中的人工智能
10． 2 游戲編程中的人工智能
10． 3 游戲中的移動
10． 3． 1 環境和空間
10． 3． 2 游戲世界的類型
10． 3． 3 處理移動
10． 3． 4 假設
10． 3． 5 測試條件
10． 3． 6 導航的技巧
10． 3． 7 游戲中的機器人及其移動
10． 3． 8 仿生機器人的自主導航
10． 3． 9 移動的標準
10． 3． 10 實例研究
10． 4 實驗用平臺FEAR
10． 4． 1 技術概述
10． 4． 2 外部接口
10． 4． 3 模塊
10． 4． 4 靈活的結構
10． 4． 5 創建一個仿生機器人
習題10
參考文獻
新書資訊