人工智能与人工生命

2.2　一阶谓词逻辑表示法 21
2.2.1　逻辑基础 21
2.2.2　谓词逻辑表示方法 24
2.2.3　一阶谓词逻辑表示法的特点 25
2.3　产生式表示法 26
2.3.1　产生式的基本形式 26
2.3.2　产生式表示知识的方法 27
2.3.3　产生式系统的组成 28
2.3.4　产生式系统的推理方式 29
2.3.5　产生式表示法的特点 30
2.4　语义网络表示法 30
2.4.1　语义网络 30
2.4.2　基本命题的语义网络表示 30
2.4.3　连接词在语义网络中的表示方法 32
2.4.4　变元和量词在语义网络中的表示方法 33
2.4.5　语义网络的推理过程 35
2.4.6　语义网络表示法的特征 36
2.5　框架表示法 36
2.5.1　框架的结构 37
2.5.2　框架举例 38
2.5.3　框架表示法的特点 40
2.6　其他表示方法 41
2.6.1　面向对象的表示法 41
2.6.2　过程表示法 42
习题2 43
第3章　确定性推理 45
3.1　推理的基本概念 46
3.1.1　什么叫推理 46
3.1.2　推理方式及其分类 46
3.1.3　推理的方向 48
3.1.4　冲突消解策略 52
3.2　推理的逻辑基础 54
3.2.1　谓词公式的解释 54
3.2.2　谓词公式的永真性与可满足性 55
3.2.3　谓词公式的等价性与永真蕴涵性 55
3.2.4　谓词公式的范式 57
3.2.5　置换与合一 58
3.3　自然演绎推理 59
3.3.1　自然演绎推理的概念 59
3.3.2　利用演绎推理解决问题 60
3.3.3　演绎推理的特点 61
3.4　归结演绎推理 61
3.4.1　子句 62
3.4.2　Herbrand理论 63
3.4.3　鲁滨逊归结原理 66
3.4.4　归结策略 68
3.4.5　使用归结原理证明问题 71
3.4.6　用归结原理求解问题 73
3.5　基于规则的演绎推理 75
3.5.1　规则正向演绎推理 76
3.5.2　规则逆向演绎推理 80
习题3 83
第4章　不确定性推理 85
4.1　不确定性推理概述 86
4.1.1　不确定性推理的概念 86
4.1.2　不确定性推理方法的分类 86
4.1.3　不确定性推理中的基本问题 87
4.2　可信度方法 88
4.2.1　可信度概念 88
4.2.2　CF模型 89
4.2.3　可信度方法应用举例 91
4.3　主观Bayes方法 93
4.3.1　基本Bayes公式 93
4.3.2　主观Bayes方法及其推理网络 95
4.3.3　知识不确定性的表示 95
4.3.4　证据不确定性的表示 96
4.3.5　不确定性的推理计算 97
4.3.6　结论不确定性的合成与更新算法 102
4.3.7　主观Bayes方法应用举例 103
4.4　证据理论 108
4.4.1　证据理论的形式化描述 108
4.4.2　证据理论的不确定性推理模型 113
4.4.3　推理示例 118
习题4 121
第5章　搜索策略 123
5.1　搜索的基本概念 124
5.1.1　搜索的概念 124
5.1.2　搜索的种类 124
5.2　状态空间搜索 124
5.2.1　状态空间法 125
5.2.2　状态空间盲目搜索法 127
5.2.3　启发式搜索法 129
5.3　问题归约法 132
5.3.1　问题归约描述 132
5.3.2　与或图表示 133
5.3.3　AO算法 134
习题5 138
第6章　机器学习 139
6.1　机器学习的概念 140
6.1.1　学习和机器学习 140
6.1.2　机器学习的发展过程 141
6.1.3　学习系统 142
6.1.4　机器学习的主要策略 144
6.2　记忆学习 144
6.3　归纳学习 145
6.3.1　示例学习 146
6.3.2　决策树学习 149
6.4　解释学习 153
6.4.1　解释学习概述 154
6.4.2　解释学习的基本原理 155
6.4.3　解释学习的基本过程 156
6.4.4　领域知识的完善性 157
6.5　基于案例的推理 157
6.5.1　CBR系统的特点 158
6.5.2　CBR系统的体系结构 159
6.5.3　学习方法 160
6.5.4　结论 163
6.6　案例推理在故障诊断系统中的应用 163
6.6.1　案例库的组织 164
6.6.2　案例检索策略 166
6.6.3　故障诊断流程 166
6.6.4　自行火炮发动机故障诊断 167
习题6 169
第7章　专家系统 170
7.1　专家系统概述 171
7.1.1　专家系统的产生与发展 171
7.1.2　专家系统的定义 172
7.1.3　专家系统的种类 173
7.1.4　专家系统的特点 176
7.2　专家系统的结构 177
7.2.1　综合数据库 177
7.2.2　知识库 178
7.2.3　知识获取 178
7.2.4　推理机 178
7.2.5　解释器 179
7.2.6　人－机接口 179
7.3　专家系统的设计 179
7.3.1　开发专家系统的基本要求 180
7.3.2　专家系统建造步骤 181
7.4　新型专家系统 184
7.4.1　新型专家系统的特征 184
7.4.2　分布式专家系统 185
7.4.3　协同式专家系统 187
7.5　空调机组故障诊断专家系统的设计 189
7.5.1　专家系统结构 189
7.5.2　系统总体设计流程 189
7.5.3　知识库的实现 190
7.5.4　推理机的实现 191
习题7 193
第8章　分布式人工智能 194
8.1　概述 195
8.1.1　分布式问题求解 195
8.1.2　多Agent系统 196
8.2　Agent的结构 198
8.2.1　Agent的基本结构 198
8.2.2　反应Agent的结构 199
8.2.3　慎思Agent的结构 199
8.2.4　混合Agent的结构 201
8.3　Agent通信协议 201
8.3.1　Agent通信与交互模型 201
8.3.2　Agent通信 202
8.3.3　言语行为理论 205
8.3.4　Agent通信语言 208
8.3.5　Agent通信的本体 210
8.4　Agent协作 211
8.4.1　协作的功能 211
8.4.2　协作的理论 212
8.4.3　协作的形式 213
8.4.4　协作的方法 214
8.4.5　协作的过程 215
8.5　移动Agent 216
8.5.1　移动Agent的结构 216
8.5.2　移动Agent的应用 217
8.6　多Agent柔性车间调度系统 220
8.6.1　多Agent柔性车间调度
模型 220
8.6.2　仿真实验 223
习题8 225
第9章　人工生命 226
9.1　什么是人工生命 227
9.1.1　生命的概念 227
9.1.2　人工生命 228
9.1.3　广义人工生命 229
9.2　人工生命的产生与发展 231
9.2.1　孕育期 231
9.2.2　形成期 232
9.2.3　发展期 233
9.3　人工生命的研究方法及基本内容 233
9.3.1　人工生命的研究方法 233
9.3.2　人工生命研究的基本内容 234
9.4　人工生命的应用 236
9.4.1　基于人工生命的智能控制系统 236
9.4.2　基于人工生命的拟人智能管理系统 240
习题9 244
第10章　软件人 245
10.1　概述 246
10.1.1　“软件人”的概念 246
10.1.2　“软件人”的概念模型 247
10.2　“软件人”系统模型 247
10.2.1　“软件人”系统逻辑层次结构模型 247
10.2.2　“软件人”系统递阶控制结构模型 248
10.2.3　“软件人”构造分层体系 249
10.3　“软件人”群体 252
10.3.1　“软件人”群体组织模型 252
10.3.2　系统的管控功能 253
10.3.3　“软件人”群的管理策略 254
10.3.4　“软件人”的接口构造研究 256
10.4　“软件人”通信 257
10.4.1　常用智体通信模型 258
10.4.2　“软件人”通信模型 259
10.4.3　“软件人”通信层次结构与交互模型 260
10.5　“软件人”的应用 262
10.5.1　基于“软件人”的信息整合与数据交换 262
10.5.2　基于“软件人”的决策信息支持系统模型 265
10.5.3　基于“软件人”情感的自主非玩家角色模型 267
习题10 271
第11章　人工鱼 272
11.1　人工鱼的概念 273
11.2　人工鱼的典范——— “晓媛的鱼” 273
11.2.1　计算机动画的人工生命方法 273
11.2.2　“晓媛的鱼”动画模型设计 277
11.3　人工鱼的认知模型 285
11.4　人工鱼的自进化 286
习题11 289
第12章　展望 290
12.1　“人工智能”发展与“智能科学技术”产生 291
12.1.1　广义智能 291
12.1.2　高等智能 294
12.1.3　智能科学技术 296
12.2　广义人工生命及其应用展望 297
12.2.1　工程人工生命展望 297
12.2.2　生物人工生命展望 298
12.2.3　生物工程人工生命展望 299
参考文献 300