本书内容丰富，观点新颖，理论联系实际。不仅可用作高等学校计算机专业本科生和研究生学习计算机算法设计的教材，而且也适合广大工程技术人员和自学读者学习参考。 贲可荣，海军工程大学教授、博士生导师，中国计算机学会理论计算机科学专委副主任、软件工程专委委员，担任军队人工智能专业组专家，获军队院校育才奖金奖。硕士、博士先后师从南京大学莫绍揆先生、国防科技大学陈火旺先生，打下了扎实的理论基础。张彦铎，武汉工程大学党委常委、副校长、教授，湖北省有突出贡献的中青年专家，中国人工智能学会智能机器人专业委员会委员、机器人足球技术专业委员会委员，国际机器人足球联盟中国分会华中地区召集人。 目录第1章绪论11.1人工智能的定义与概况11.2人类智能与人工智能51.2.1智能信息处理系统的假设61.2.2人类智能的计算机模拟71.2.3弱人工智能和强人工智能101.3人工智能各学派的认知观101.4人工智能的研究与应用领域121.4.1智能感知131.4.2智能推理151.4.3智能学习191.4.4智能行动241.5人工智能发展展望291.5.1新一轮人工智能的发展特征291.5.2未来40年的人工智能问题311.5.3人工智能鲁棒性和伦理341.5.4新一代人工智能发展规划35习题37第2章知识表示和推理392.1概述392.1.1知识和知识表示392.1.2知识?策略?智能412.1.3人工智能对知识表示方法的要求422.1.4知识的分类422.1.5知识表示语言问题432.1.6现代逻辑学的基本研究方法44人工智能（第3版）目录2.2命题逻辑462.2.1语法472.2.2语义472.2.3命题演算形式系统PC492.3谓词逻辑502.3.1语法512.3.2语义522.3.3谓词逻辑形式系统FC552.3.4一阶谓词逻辑的应用572.4归结推理582.4.1命题演算中的归结推理582.4.2谓词演算中的归结推理612.4.3谓词演算归结反演的合理性和完备性702.4.4案例： 一个基于逻辑的财务顾问742.5产生式系统762.5.1产生式系统的表示772.5.2案例： 九宫图游戏782.5.3案例： 传教士和野人问题792.5.4产生式系统的控制策略822.6语义网络842.6.1基本命题的语义网络表示842.6.2连接词在语义网络中的表示862.6.3语义网络的推理882.6.4语义网络表示的特点902.7框架902.7.1框架的构成902.7.2框架系统的推理922.7.3框架表示的特点932.8脚本932.8.1脚本概念942.8.2案例： 饭店脚本942.9知识图谱962.9.1知识图谱及其表示972.9.2百度知识图谱技术方案982.9.3案例： 知识图谱在互联网金融行业中的应用1012.10基于知识的系统1032.10.1知识获取1032.10.2知识组织1052.10.3知识应用1062.10.4常识知识和大规模知识处理1082.10.5常识推理1082.10.6案例： 知识图谱应用1102.11小结112习题112第3章搜索技术1233.1概述1233.2盲目搜索方法1283.3启发式搜索1293.3.1启发性信息和评估函数1303.3.2最好优先搜索算法1313.3.3贪婪最好优先搜索算法1323.3.4A算法和A?算法1323.3.5迭代加深A?算法1363.4问题归约和AND?OR图启发式搜索1363.4.1问题归约的描述1373.4.2问题的AND?OR图表示1383.4.3AO?算法1393.5博弈1433.5.1极大极小过程1443.5.2α-β过程1463.5.3效用值估计方法1493.6案例分析1493.6.1八皇后问题1493.6.2洞穴探宝1513.6.3五子棋153习题158第4章高级搜索1614.1爬山法搜索1614.2模拟退火搜索1644.2.1模拟退火搜索的基本思想1644.2.2模拟退火算法1654.2.3模拟退火算法关键参数和操作的设计1674.3遗传算法1684.3.1遗传算法的基本思想1694.3.2遗传算法的基本操作1704.4案例分析1754.4.1爬山算法求解旅行商问题1754.4.2模拟退火算法求解旅行商问题1764.4.3遗传算法求解旅行商问题177习题178第5章不确定知识表示和推理1805.1概述1805.1.1什么是不确定推理1815.1.2不确定推理要解决的基本问题1815.1.3不确定性推理方法分类1835.2非单调逻辑1845.2.1非单调逻辑的产生1855.2.2缺省推理逻辑1865.2.3非单调逻辑系统1885.2.4非单调规则1905.2.5案例： 有经纪人的交易1915.3主观Bayes方法1945.3.1全概率公式和Bayes公式1945.3.2主观 Bayes方法1965.4确定性理论2015.4.1建造医学专家系统时的问题2015.4.2C?F模型2025.4.3案例： 帆船分类专家系统2075.5证据理论2125.5.1假设的不确定性2125.5.2证据的不确定性与证据组合2155.5.3规则的不确定性2165.5.4不确定性的传递与组合2165.5.5证据理论案例2175.6模糊逻辑和模糊推理2195.6.1模糊集合及其运算2195.6.2模糊关系2205.6.3语言变量2215.6.4模糊逻辑和模糊推理2225.6.5案例： 抵押申请评估决策支持系统2265.7小结232习题233第6章Agent2386.1概述2386.2Agent及其结构2406.2.1Agent的定义2406.2.2Agent要素及特性2416.2.3Agent的结构特点2436.2.4Agent的结构分类2446.3Agent应用案例2466.4Agent通信2506.4.1通信方式2506.4.2Agent通信语言ACL2516.5协调与协作2566.5.1引言2566.5.2合同网2586.5.3协作规划2606.6移动Agent2636.6.1移动Agent产生的背景2646.6.2定义和系统组成2666.6.3实现技术2676.6.4移动Agent系统2756.6.5移动Agent技术的应用场景2766.7多Agent系统开发框架JADE2786.7.1程序模型2806.7.2可重用开发包2816.7.3开发和运行的支持工具2836.8案例： 火星探矿机器人2846.8.1需求分析2846.8.2设计与实现2866.9小结291习题292第7章机器学习2997.1机器学习概述2997.1.1学习中的元素3007.1.2目标函数的表示3017.1.3学习任务的类型3037.1.4机器学习的定义和发展史3047.1.5机器学习的主要策略3067.1.6机器学习系统的基本结构3077.2基于符号的机器学习3087.2.1归纳学习3087.2.2决策树学习3127.2.3基于范例的学习3187.2.4解释学习3237.2.5案例： 通过EBG学习概念cup3247.2.6强化学习3257.3基于神经