前言第1章 绪论 1.1 人工智能的起源与发展 1.2 人工智能学术流派 1.3 人工智能的研究与应用领域第2章 知识表示和推理 2.1 知识和知识表示的基本概念 2.2 命题逻辑 2.2.1 语法 2.2.2 语义 2.2.3 命题演算形式系统 2.3 谓词逻辑 2.3.1 语法 2.3.2 语义 2.4 归结推理 2.4.1 子句集及其简化 2.4.2 海伯伦定理 2.4.3 Robinson归结原理 2.4.4 利用Robinson归结原理实现定理证明 2.4.5 应用归结原理求解问题 2.5 产生式系统 2.5.1 产生式系统的组成部分 2.5.2 产生式系统的控制策略 2.5.3 产生式系统的推理方式 2.6 语义网络表示法 2.6.1 语义网络的结构 2.6.2 基本命题的语义网络表示 2.6.3 语义网络的知识表示方法 2.6.4 语义网络表示法的特点 2.7 框架表示法 2.8 状态空间表示法 2.9 与或图表示法第3章 图搜索技术 3.1 问题的提出 3.2 状态图搜索 3.2.1 状态图搜索分类 3.2.2 穷举式搜索 3.2.3 启发式搜索 3.2.4 A算法及A，算法 3.3 与或图搜索 3.3.1 与或图 3.3.2 与或图搜索举例 3.4 博弈图搜索 3.4.1 博弈图 3.4.2 极大极小分析法 3.4.3 剪枝技术第4章 专家系统 4.1 专家系统的概述 4.1.1 专家系统的概念与特点 4.1.2 专家系统和传统程序的区别 4.2 专家系统的结构 4.3 专家系统的设计原则与开发过程 4.3.1 专家系统的设计原则 4.3.2 专家系统的开发过程 4.4 专家系统评价 4.5 专家系统开发工具 4.5.1 骨架型开发工具 4.5.2 语言型开发工具 4.5.3 构造辅助工具 4.5.4 支撑环境 4.6 Prolog语言 4.6.1 Prolog语言的特点 4.6.2 基本Prolog的程序结构 4.6.3 Prolog程序的运行机理 4.6.4 Turbo Prolog程序结构 4.6.5 7urbo Prolog的数据与表达式 4.6.6 Visual Prolog介绍 4.6.7 PIE：Prolog的推理机第5章 模糊理论及应用 5.1 模糊理论的产生与发展 5.2 模糊理论的数学基础 5.2.1 经典集合论的基本概念 5.2.2 模糊集合的基本概念 5.2.3 模糊关系与复合运算 5.3 模糊逻辑 5.3.1 模糊条件语句 5.3.2 模糊推理 5.4 模糊控制系统及模糊控制器 5.4.1 模糊控制系统的基本结构 5.4.2 模糊控制器 5.4.3 模糊控制器的设计 5.4.4 模糊PID控制器的设计 5.5 模糊聚类分析与模糊模式识别 5.5.1 模糊聚类分析 5.5.2 模糊模式识别第6章 机器学习和神经网络 6.1 机器学习的基本概念和发展史 6.2 经典机器学习方法 6.3 基于神经网络的学习 6.3.1 神经网络概述 6.3.2 人工神经网络模型 6.3.3 BP神经网络 6.3.4 RBF神经网络 6.3.5 CMAC神经网络 6.3.6 Hopfield神经网络 6.3.7 模糊神经网络 6.3.8 其他类型的神经网络介绍第7章 混沌理论与混沌神经网络 7.1 混沌研究的起源与发展 7.2 混沌的基本特性 7.3 通往混沌的道路 7.4 混沌的识别 7.4.1 定性分析法 7.4.2 定量分析法 7.5 混沌应用 7.6 混沌神经网络 7.6.1 暂态混沌神经网络 7.6.2 其他类型的混沌神经网络 7.6.3 G-S混沌神经网络应用实例第8章 智能优化计算 8.1 优化问题的分类 8.2 优化算法分类 8.3 梯度优化计算 8.4 混沌优化 8.5 模拟退火算法 8.6 遗传算法 8.6.1 遗传算法中的关键参数与操作 8.6.2 遗传算法中的基本流程 8.6.3 遗传算法的改进 8.6.4 遗传算法的实现 8.7 蚁群算法 8.7.1 蚁群算法的研究现状 8.7.2 基本蚁群算法的工作原理 8.8 粒子群算法及应用 8.8.1 基本粒子群优化算法 8.8.2 粒子群优化算法的拓扑结构 8.9 鱼群算法简介 8.10 混合优化计算方法简介参考文献
· · · · · · (收起)