本書共分10章，每章包含知識要點、案例分析、思考題及習(xí)題。第1章是緒論，概要介紹人工智能研究內(nèi)容及應(yīng)用領(lǐng)域、發(fā)展動態(tài)；第2章概述命題邏輯、謂詞邏輯、歸結(jié)推理、產(chǎn)生式系統(tǒng)、語義網(wǎng)絡(luò)、框架、腳本等知識表示和推理方法；第3章討論一般搜索技術(shù)，概述了盲目搜索、啟發(fā)式搜索、問題歸約和AND-OR圖啟發(fā)式搜索、博弈等方法和技術(shù)；第4章討論高級搜索，包括爬山法搜索、模擬退火搜索、遺傳算法；第5章討論不確定知識表示和推理；第6章討論智能體和多智能體系統(tǒng)；第7章討論自然語言處理技術(shù)；第8章討論機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)；第9章討論智能規(guī)劃；第10章討論機(jī)器人學(xué)。并將通過網(wǎng)站提供習(xí)題解析、實驗工具平臺和參考答案代碼。
人工智能是計算機(jī)科學(xué)的一個分支，是一門研究機(jī)器智能的學(xué)科，即用人工的方法和技術(shù)研制智能機(jī)器或智能系統(tǒng)來模仿、延伸和擴(kuò)展人的智能，實現(xiàn)智能行為。參考文獻(xiàn)\[2\]給出了有代表性的人工智能的8種定義（如表1所示）。該表按上下、左右兩個維度排列，上面4個定義關(guān)注思維過程與推理，下面4個定義則強(qiáng)調(diào)行為。左側(cè)的定義根據(jù)與人類表現(xiàn)的逼真度來衡量成功與否，右側(cè)的定義則依靠一個稱為合理性的理想表現(xiàn)量來衡量。一個系統(tǒng)若能基于已知條件“正確行事”，那么它就是合理的。
表1 組織成四類的人工智能的若干定義像人一樣思考 合理地思考 “使計算機(jī)思考的令人激動的新成就……按完整的字面意思就是：有頭腦的機(jī)器”（Haugeland,1985） “與人類思維相關(guān)的活動，諸如決策、問題求解、學(xué)習(xí)等的‘自動化’”(Bellman,1978) “通過使用計算模型來研究智力”（Charniak ＆ McDermott,1985） “使感知、推理和行動成為可能的計算的研究”（Winston,1992）像人一樣行動合理地行動 “創(chuàng)造能執(zhí)行一些功能的機(jī)器的技藝，當(dāng)由人來執(zhí)行這些功能時需要智能”（Kurzweil,1990) “研究如何使計算機(jī)能做那些目前人比計算機(jī)更擅長的事情”（Rich和Knight,1991） “計算智能研究智能體的設(shè)計”(Poole等人，1998） “AI……關(guān)心人工制品中的智能行為”(Nilsson,1998）人工智能一般可分為符號智能和計算智能。符號智能是傳統(tǒng)人工智能，它以物理符號系統(tǒng)為基礎(chǔ)，研究知識表示、獲取、推理的過程。運用知識解決問題是符號智能基本、重要的特點。20世紀(jì)80年代興起的知識工程側(cè)重研究知識信息處理的方法和技術(shù)，促進(jìn)了人工智能的發(fā)展。計算智能以數(shù)據(jù)為基礎(chǔ)，包括神經(jīng)計算、模糊系統(tǒng)、遺傳算法、進(jìn)化規(guī)劃等。20世紀(jì)90年代興起的智能信息處理反映了這種綜合、交叉的研究趨勢。進(jìn)入21世紀(jì)以來，其在機(jī)器學(xué)習(xí)、知識發(fā)現(xiàn)、多智能體系統(tǒng)、互聯(lián)網(wǎng)智能等方面取得了許多重要的進(jìn)展。
典型應(yīng)用概述人工智能的長期目標(biāo)是建立人類水平的人工智能。人工智能誕生60年來，在崎嶇不平的道路上取得了可喜的進(jìn)展，特別是給與機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、計算機(jī)視覺、專家系統(tǒng)、自然語言處理、規(guī)劃和智能機(jī)器人等相關(guān)的應(yīng)用帶來了良好的經(jīng)濟(jì)效益和社會效益。廣泛使用的互聯(lián)網(wǎng)應(yīng)用知識表示和推理，構(gòu)建語義Web，提高了互聯(lián)網(wǎng)信息的利用率。信息化的必然趨勢是智能化，智能革命將開創(chuàng)人類后文明史。如果說蒸汽機(jī)創(chuàng)造了工業(yè)社會，那么智能機(jī)也能實現(xiàn)社會生產(chǎn)的自動化和智能化，促進(jìn)知識密集型經(jīng)濟(jì)的大發(fā)展。近年來，人工智能界引人關(guān)注的熱點不斷，如：
●2015年7月26~27日，中國人工智能大會（CCAI 2015）在北京召開。李德毅院士報告的“腦認(rèn)知的形式化”，講述了腦認(rèn)知的神經(jīng)學(xué)方法與物理學(xué)方法，指出人腦成長的認(rèn)知性和社會性，提出了腦認(rèn)知如何度量的問題；在腦認(rèn)知的形態(tài)上認(rèn)為記憶認(rèn)知、計算認(rèn)知、交互認(rèn)知是關(guān)鍵，腦認(rèn)知的核心是記憶認(rèn)知；報告著重介紹了機(jī)器駕駛腦的形式化及其實現(xiàn)思路，劃分為感知、認(rèn)知、行為三個階段；報告還闡述了機(jī)器駕駛腦形式化的普適性，并提出了腦科學(xué)和人工智能交叉研究載體的建議。大會設(shè)置了機(jī)器學(xué)習(xí)與模式識別、大數(shù)據(jù)的機(jī)遇與挑戰(zhàn)、人工智能與認(rèn)知科學(xué)、人工智能與機(jī)器人的未來共四場主題論壇。
●李國杰院士在《中國計算機(jī)學(xué)會通訊》2015年第8期的主編評語中指出：“我們是不是可以從更新、更寬廣的角度思考機(jī)器學(xué)習(xí)和類腦計算。”文中提及美國工程院院士霍金斯的觀點：大腦不是“計算”出問題的答案，而是從記憶中提取答案。霍金斯猜想：智能的本質(zhì)是“預(yù)測”，并據(jù)此提出了智能的“記憶預(yù)測框架”。
●美國武裝部隊研發(fā)出一套人工智能界面，能夠幫助識別和分類大量的圖片，并協(xié)助軍方尋找潛在的恐怖襲擊等威脅。在面對龐大的互聯(lián)網(wǎng)圖片資源時，軍方想要的不單單是識別，還需要極高的識別精確度和準(zhǔn)確的分類。它強(qiáng)大的地方莫過于能夠處理龐大的圖片數(shù)據(jù)庫，識別圖片的內(nèi)容，然后根據(jù)內(nèi)容將所有圖片分類（智能界，2015-07-07）。
●語音將再度流行。語音正是我們同我們的互聯(lián)家庭進(jìn)行互動的完美途徑。“想象一個場景，你問你的雨傘今天是否會下雨，是否應(yīng)該帶它出門，而你的雨傘回答道，‘當(dāng)然應(yīng)該帶上我，今天會下雨!’這是一件多么酷的事情。”澳大利亞的維斯認(rèn)為，機(jī)器視覺技術(shù)將重新迸發(fā)活力，并應(yīng)用到人們的智能手機(jī)中。他舉例說，如果你打算帶一瓶酒去參加圣誕節(jié)的百樂餐，拿出手機(jī)就可以捕捉這瓶酒的圖像，然后通過視覺搜索就能夠得到關(guān)于這瓶酒的所有信息，它比文本搜索的準(zhǔn)確率高出30%，這將是一種美妙的體驗。維斯表示，智能手機(jī)的機(jī)器視覺將能夠比人類更好地識別圖像（中國信息產(chǎn)業(yè)網(wǎng)，2015-6-30）。
●人工智能與其他商業(yè)模式將更加緊密地結(jié)合。微軟“小冰”是一款人工智能機(jī)器人，通過大數(shù)據(jù)、深度神經(jīng)網(wǎng)絡(luò)等技術(shù)，超越簡單人機(jī)對話的自然交互。“小冰”的人機(jī)對話輪數(shù)可達(dá)到23，即每次與用戶的對話平均可持續(xù)23輪。以往人工智能的內(nèi)容100%來自搜索引擎大數(shù)據(jù)構(gòu)建系統(tǒng)內(nèi)容，但現(xiàn)在“小冰”已有45%的對話能力來自人機(jī)交互中的自我完善和自我學(xué)習(xí)（新華社，2015-8-21）。
●IBM開發(fā)了一款基于云計算的人工智能文本分析工具（Tone Analyzer），能對電子郵件、博客文章以及手機(jī)短信進(jìn)行感情色彩分析，以確定它的措辭是否如實地表達(dá)了你的憤怒、肯定、高興或者悲傷等感情。這一試驗性的功能或?qū)⒏淖兾磥砩碳液蜖I銷人員同消費者、客戶的溝通方式（2015-7-20）。阿根廷研究人員開發(fā)出一種基于西班牙語的人工智能程序（名為“人格洞察力”），可以分析被測試者的微博、論壇帖子、社交網(wǎng)站的評論或者公開演講，然后與心理學(xué)模型所提供的100個參數(shù)進(jìn)行相關(guān)度比對，從而描繪被測試者的人格特征（新華社，2015-8-13）。
●2015世界機(jī)器人大會于2015年11月23~25日在國家會議中心（北京）舉行，由2015世界機(jī)器人論壇、2015世界機(jī)器人博覽會、2015世界青少年機(jī)器人邀請賽三大板塊組成。大會圍繞世界機(jī)器人研究和應(yīng)用重點領(lǐng)域以及智能社會創(chuàng)新發(fā)展，開展高水平的學(xué)術(shù)交流和新成果展示。邀請賽包括WRO常規(guī)賽和VEX機(jī)器人工程挑戰(zhàn)賽。
●2015年10月，由GoogleDeepMind開發(fā)的人工智能圍棋程序AlphaGo（阿爾法狗）以5∶0戰(zhàn)勝歐洲圍棋冠軍樊麾。2016年3月15日，AlphaGo以4∶1戰(zhàn)勝世界圍棋冠軍李世石。
●AlphaGo開發(fā)出了自我學(xué)習(xí)的功能。它初通過模仿人類玩家，在達(dá)到一定熟練程度之后，可以通過與自己對弈來提升棋力。同時，AlphaGo使用蒙特卡洛樹搜索，借助值網(wǎng)絡(luò)與策略網(wǎng)絡(luò)這兩種深層神經(jīng)網(wǎng)絡(luò)合作挑選棋步。通過值網(wǎng)絡(luò)來計算局面，評估大量選點，拋棄某些線路，并通過策略網(wǎng)絡(luò)選擇落點，從而將計算量控制在計算機(jī)可完成的范圍內(nèi)。
我們相信，人工智能必將對人類和社會走向智能化起到積極作用。本書特色隨著智能時代的到來，“人工智能”課程將煥發(fā)出越來越旺盛的生命力。傳統(tǒng)的“人工智能”課程偏重理論，隨著智能技術(shù)的不斷發(fā)展，在課程中強(qiáng)化實踐內(nèi)容，理論與實踐相結(jié)合成為課程發(fā)展的主要趨勢。為此，我與國防科技大學(xué)毛新軍教授、武漢工程大學(xué)張彥鐸教授等人一起撰寫了本書。希望讀者在學(xué)習(xí)理論的同時，通過習(xí)題、課程大作業(yè)掌握人工智能的基本方法，并能將其用于解決實際問題。
本書共分10章，每章包含四方面的內(nèi)容，一是知識要點，二是案例分析，三是習(xí)題解析（因為篇幅問題，解析部分將作為教輔資料提供，使用本書的師生可從華章網(wǎng)站www.hzbook.com下載），四是思考題。第1章是緒論，從人工智能的認(rèn)知問題出發(fā)，介紹本書撰寫的指導(dǎo)思想，簡要介紹人工智能的研究內(nèi)容及應(yīng)用領(lǐng)域、發(fā)展動態(tài)，案例包括SP先生謎題、NIM問題。第2章討論知識表示和推理，概述命題邏輯、謂詞邏輯、歸結(jié)推理、產(chǎn)生式系統(tǒng)、語義網(wǎng)絡(luò)、框架、腳本等知識表示和推理方法，介紹了基于知識系統(tǒng)的框架，案例分析包括傳教士和野人問題、量水問題、漢諾塔問題、一個基于邏輯的財務(wù)顧問、電路領(lǐng)域的知識工程。第3章討論一般搜索技術(shù)，概述了盲目搜索、啟發(fā)式搜索、問題歸約和AND-OR圖啟發(fā)式搜索、博弈等方法和技術(shù)，案例分析包括八皇后問題、洞穴探寶、五子棋等。第4章討論高級搜索，內(nèi)容包括爬山法搜索、模擬退火搜索、遺傳算法，案例分析分別介紹應(yīng)用爬山算法、模擬退火算法和遺傳算法求解旅行商問題。第5章討論不確定知識表示和推理，概述了非單調(diào)邏輯、主觀Bayes方法、確定性理論、證據(jù)理論、模糊邏輯和模糊推理，案例分析包括有經(jīng)紀(jì)人的交易、小型動物分類專家系統(tǒng)。第6章討論了智能體和多智能體系統(tǒng)，概述了智能體與多智能體系統(tǒng)的概念與示例、智能體的體系結(jié)構(gòu)、智能體間的交互與協(xié)同、多智能體系統(tǒng)的應(yīng)用，介紹了多智能體系統(tǒng)的實現(xiàn)方式和多智能體系統(tǒng)開發(fā)框架JADE，重點對火星探礦機(jī)器人進(jìn)行了案例分析。第7章討論自然語言處理技術(shù)，概述了詞法分析、句法分析、語義分析、大規(guī)模真實文本的處理技術(shù)，重點介紹了信息搜索、機(jī)器翻譯、語音識別技術(shù)，案例分析包括在線漢英互譯舉例分析、單詞音節(jié)劃分、人民日報的詞頻統(tǒng)計、中文語句自動分析、美國地理信息查詢系統(tǒng)。第8章討論機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，主要介紹基于符號的機(jī)器學(xué)習(xí)方法（包括機(jī)械學(xué)習(xí)、歸納學(xué)習(xí)、決策樹學(xué)習(xí)、基于范例的學(xué)習(xí)、解釋學(xué)習(xí)、強(qiáng)化學(xué)習(xí)）和基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，案例分析包括感知器分類、非線性可分的分類問題、基于反向傳播網(wǎng)絡(luò)擬合曲線。第9章討論智能規(guī)劃，概述了狀態(tài)空間搜索規(guī)劃、偏序規(guī)劃、命題邏輯規(guī)劃、分層任務(wù)網(wǎng)絡(luò)規(guī)劃、非確定性規(guī)劃、多智能體規(guī)劃，案例分析包括Shakey世界和規(guī)劃問題的建模與規(guī)劃系統(tǒng)的求解過程。第10章討論機(jī)器人學(xué)，概述了機(jī)器人的分類、特性及研究領(lǐng)域、應(yīng)用與展望，介紹了機(jī)器人系統(tǒng)、機(jī)器人的編程模式與語言，對機(jī)器人足球進(jìn)行了案例分析。本書既可作為課程教材單獨使用，也可與其他人工智能教材（如《人工智能》（第2版）》（參考文獻(xiàn)\[1\]等）配套使用。
本書給出了27個問題的案例分析，設(shè)計了50道思考題。思考題的設(shè)計參考了《人工智能：一種現(xiàn)代的方法（原書第3版）》（參考文獻(xiàn)\[2\]）、《中國計算機(jī)學(xué)會通訊》、中國計算機(jī)學(xué)會“技術(shù)動態(tài)”等資料，特此致謝。
本書第3、4、9、10章由張彥鐸、蔡敦波撰寫，第6章由毛新軍撰寫，鄭笛撰寫了第7章習(xí)題及解析和案例分析部分，其余各章（包括第3章案例分析及部分習(xí)題和解析）由賁可榮撰寫。全書由賁可榮統(tǒng)稿。張獻(xiàn)繪制了部分圖形并開發(fā)了NIM問題程序，王求真開發(fā)并實現(xiàn)了第6章的案例軟件，一并致謝。
撰寫本書是一項具有挑戰(zhàn)性的工作，許多問題沒有標(biāo)準(zhǔn)答案，因此本書的答案只能看成參考答案。毛新軍教授為本教材建立了網(wǎng)站，名稱為“人工智能實踐教程社區(qū)”。我們將通過網(wǎng)站提供實驗工具平臺、參考答案代碼，歡迎讀者提出寶貴意見，并在網(wǎng)站討論專區(qū)參與討論。
賁可榮
前言
教學(xué)建議
第1章 緒論1
1.1 人工智能的基本概念1
1.2 人類智能與人工智能1
1.3 人工智能各學(xué)派的認(rèn)知觀3
1.4 人工智能的研究與應(yīng)用領(lǐng)域4
1.4.1 智能感知4
1.4.2 智能推理6
1.4.3 智能學(xué)習(xí)8
1.4.4 智能行動10
1.5 人工智能發(fā)展動態(tài)14
1.6 案例分析17
1.6.1 SP先生謎題17
1.6.2 NIM問題18
1.7 習(xí)題22
1.8 思考題22
第2章 知識表示和推理24
2.1 概述24
2.2 命題邏輯25
2.3 謂詞邏輯28
2.3.1 語法28
2.3.2 語義30
2.3.3 謂詞邏輯形式系統(tǒng)FC32
2.4 歸結(jié)推理33
2.4.1 命題演算中的歸結(jié)推理33
2.4.2 謂詞演算中的歸結(jié)推理35
2.4.3 謂詞演算歸結(jié)反演的合理性和完備性38
2.5 產(chǎn)生式系統(tǒng)40
2.6 知識表示的其他方法43
2.6.1 語義網(wǎng)絡(luò)43
2.6.2 框架45
2.6.3 腳本46
2.7 基于知識的系統(tǒng)47
2.7.1 知識獲取47
2.7.2 知識組織49
2.7.3 知識應(yīng)用49
2.7.4 常識知識和大規(guī)模知識處理50
2.8 案例分析51
2.8.1 傳教士和野人問題51
2.8.2 量水問題52
2.8.3 漢諾塔問題57
2.8.4 一個基于邏輯的財務(wù)顧問61
2.8.5 電路領(lǐng)域的知識工程64
2.9 習(xí)題67
2.10 思考題70
第3章 搜索技術(shù)73
3.1 概述73
3.2 盲目搜索方法74
3.3 啟發(fā)式搜索76
3.3.1 啟發(fā)性信息和評估函數(shù)76
3.3.2 最好優(yōu)先搜索算法77
3.3.3 貪婪最好優(yōu)先搜索算法78
3.3.4 A算法和A算法79
3.3.5 迭代加深A(yù)算法81
3.4 問題歸約和AND-OR圖啟發(fā)式搜索82
3.4.1 問題歸約的描述82
3.4.2 問題的AND-OR圖表示83
3.4.3 AO算法85
3.5 博弈88
3.5.1 極大極小過程90
3.5.2 α-β過程92
3.6 案例分析94
3.6.1 八皇后問題94
3.6.2 洞穴探寶95
3.6.3 五子棋97
3.7 習(xí)題102
3.8 思考題103
第4章 高級搜索107
4.1 爬山法搜索107
4.2 模擬退火搜索109
4.2.1 模擬退火搜索的基本思想110
4.2.2 模擬退火算法111
4.2.3 模擬退火算法關(guān)鍵參數(shù)和操作的設(shè)計112
4.3 遺傳算法114
4.3.1 遺傳算法的基本思想114
4.3.2 遺傳算法的基本操作115
4.4 案例分析120
4.4.1 爬山算法求解旅行商問題120
4.4.2 模擬退火算法求解旅行商問題121
4.4.3 遺傳算法求解旅行商問題122
4.5 習(xí)題124
4.6 思考題124
第5章 不確定知識表示和推理125
5.1 概述125
5.2 非單調(diào)邏輯127
5.2.1 單調(diào)性與非單調(diào)性127
5.2.2 缺省推理邏輯127
5.2.3 非單調(diào)邏輯系統(tǒng)128
5.2.4 非單調(diào)規(guī)則129
5.3 主觀Bayes方法130
5.3.1 全概率公式和Bayes公式131
5.3.2 主觀Bayes方法132
5.4 確定性理論137
5.4.1 建造醫(yī)學(xué)專家系統(tǒng)時的問題137
5.4.2 C-F模型138
5.5 證據(jù)理論142
5.5.1 假設(shè)和證據(jù)的不確定性142
5.5.2 證據(jù)的組合函數(shù)144
5.5.3 規(guī)則的不確定性145
5.5.4 不確定性的傳遞145
5.5.5 不確定性的組合145
5.6 模糊邏輯和模糊推理146
5.6.1 模糊集合及其運算146
5.6.2 模糊關(guān)系147
5.6.3 模糊邏輯148
5.6.4 模糊推理148
5.7 案例分析150
5.7.1 有經(jīng)紀(jì)人的交易150
5.7.2 小型動物分類專家系統(tǒng)152
5.8 習(xí)題155
5.9 思考題157
第6章 智能體和多智能體系統(tǒng)158
6.1 概述158
6.1.1 智能體的概念與示例158
6.1.2 多智能體系統(tǒng)的概念
與示例160
6.2 智能體的體系結(jié)構(gòu)161
6.2.1 知識型體系結(jié)構(gòu)161
6.2.2 反應(yīng)型體系結(jié)構(gòu)163
6.2.3 認(rèn)知型體系結(jié)構(gòu)164
6.2.4 混合型體系結(jié)構(gòu)167
6.3 智能體間的交互與協(xié)同169
6.3.1 智能體間的交互方式170
6.3.2 智能體通信語言ACL171
6.3.3 交互協(xié)議和協(xié)同模型174
6.4 多智能體系統(tǒng)的應(yīng)用177
6.4.1 多智能體系統(tǒng)技術(shù)的適應(yīng)系統(tǒng)178
6.4.2 多智能體系統(tǒng)技術(shù)的應(yīng)用領(lǐng)域179
6.5 多智能體系統(tǒng)的實現(xiàn)方式181
6.6 多智能體系統(tǒng)開發(fā)框架JADE184
6.6.1 程序模型186
6.6.2 可重用開發(fā)包186
6.6.3 開發(fā)和運行的支持工具191
6.7 火星探礦機(jī)器人案例分析193
6.7.1 需求分析193
6.7.2 設(shè)計與實現(xiàn)194
6.8 習(xí)題198
6.9 思考題199
第7章 自然語言處理技術(shù)200
7.1 自然語言理解的一般問題200
7.2 詞法分析202
7.3 句法分析202
7.4 語義分析205
7.5 大規(guī)模真實文本的處理205
7.6 信息搜索206
7.7 機(jī)器翻譯208
7.8 語音識別210
7.9 案例分析213
7.9.1 在線漢英互譯舉例分析213
7.9.2 單詞音節(jié)劃分214
7.9.3 中文文本的詞頻統(tǒng)計215
7.9.4 中文語句自動分析218
7.9.5 美國地理信息查詢系統(tǒng)223
7.10 習(xí)題231
7.11 思考題232
第8章 機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)234
8.1 機(jī)器學(xué)習(xí)概述234
8.2 基于符號的機(jī)器學(xué)習(xí)方法236
8.2.1 機(jī)械學(xué)習(xí)236
8.2.2 歸納學(xué)習(xí)237
8.2.3 決策樹學(xué)習(xí)238
8.2.4 基于范例的學(xué)習(xí)240
8.2.5 解釋學(xué)習(xí)244
8.2.6 強(qiáng)化學(xué)習(xí)246
8.3 基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)247
8.3.1 神經(jīng)網(wǎng)絡(luò)概述247
8.3.2 基于反向傳播網(wǎng)絡(luò)的學(xué)習(xí)250
8.3.3 Hopfield網(wǎng)絡(luò)模型258
8.4 知識發(fā)現(xiàn)261
8.5 案例分析262
8.5.1 感知器分類262
8.5.2 非線性可分的分類問題264
8.5.3 基于反向傳播網(wǎng)絡(luò)擬合曲線266
8.6 習(xí)題271
8.7 思考題274
第9章 智能規(guī)劃276
9.1 規(guī)劃問題276
9.2 狀態(tài)空間搜索規(guī)劃279
9.3 偏序規(guī)劃282
9.4 命題邏輯規(guī)劃286
9.5 分層任務(wù)網(wǎng)絡(luò)規(guī)劃288
9.6 非確定性規(guī)劃290
9.7 多智能體規(guī)劃292
9.8 案例分析296
9.8.1 Shakey世界296
9.8.2 規(guī)劃問題的建模與規(guī)劃系統(tǒng)的求解過程297
9.9 習(xí)題299
9.10 思考題300
第10章 機(jī)器人學(xué)301
10.1 概述301
10.1.1 機(jī)器人的分類302
10.1.2 機(jī)器人的特性303
10.1.3 機(jī)器人學(xué)的研究領(lǐng)域303
10.2 機(jī)器人系統(tǒng)304
10.2.1 機(jī)器人系統(tǒng)的組成304
10.2.2 機(jī)器人的工作空間305
10.2.3 機(jī)器人的性能指標(biāo)307
10.3 機(jī)器人的編程模式與語言308
10.4 機(jī)器人的應(yīng)用與展望309
10.4.1 機(jī)器人應(yīng)用310
10.4.2 機(jī)器人發(fā)展展望313
10.5 機(jī)器人足球案例分析315
10.5.1 仿真平臺316
10.5.2 機(jī)器人運動程序318
10.5.3 動作函數(shù)321
10.5.4 足球比賽策略322
10.5.5 定位球狀態(tài)的判斷方法325
10.5.6 比賽規(guī)則326
10.6 習(xí)題326
10.7 思考題326
參考文獻(xiàn)328
新書資訊