智能系統(tǒng)原理、算法與應(yīng)用

前言
第一篇　智能系統(tǒng)基礎(chǔ)
第1章　概述2
　1.1　人工智能與智能系統(tǒng)的定義2
　1.2　人工智能和智能系統(tǒng)的起源與發(fā)展4
　1.3　人工智能的各種認知觀10
　　　1.3.1　人工智能各學派的認知觀10
　　　1.3.2　人工智能的爭論11
　1.4　智能系統(tǒng)的分類12
　1.5　人工智能的研究目標和內(nèi)容17
　　　1.5.1　人工智能的研究目標17
　　　1.5.2　人工智能研究的基本內(nèi)容17
　1.6　人工智能與智能系統(tǒng)的計算方法19
　1.7　本書內(nèi)容編排20
　習題1 21
第2章　知識表示與推理22
　2.1　智能系統(tǒng)知識的分類與表示問題22
　　　2.1.1　智能系統(tǒng)知識的分類22
　　　2.1.2　知識表示的要求23
　2.2　狀態(tài)空間圖搜索23
　　　2.2.1　問題狀態(tài)描述24
　　　2.2.2　無信息搜索25
　　　2.2.3　啟發(fā)式搜索26
　2.3　謂詞演算與消解原理30
　　　2.3.1　謂詞演算30
　　　2.3.2　置換與合一33
　　　2.3.3　消解原理35
　2.4　產(chǎn)生式系統(tǒng)38
　　　2.4.1　產(chǎn)生式系統(tǒng)的組成與表示38
　　　2.4.2　產(chǎn)生式系統(tǒng)的推理40
　2.5　語義網(wǎng)絡(luò)法42
　　　2.5.1　二元語義網(wǎng)絡(luò)的表示43
　　　2.5.2　多元語義網(wǎng)絡(luò)的表示44
　　　2.5.3　基于語義網(wǎng)絡(luò)的知識推理45
　2.6　框架表示與推理47
　　　2.6.1　框架的構(gòu)成47
　　　2.6.2　框架的推理50
　2.7　知識表示與搜索的綜合問題51
　　　2.7.1　問題的復(fù)合知識表示51
　　　2.7.2　啟發(fā)式算法的可納性與單調(diào)性51
　2.8　本章小結(jié)52
　習題2 53
*第3章　非經(jīng)典推理55
　3.1　經(jīng)典推理和非經(jīng)典推理55
　3.2　不確定性推理56
　　　3.2.1　不確定性的表示與量度56
　　　3.2.2　不確定性的算法57
　3.3　概率推理58
　　　3.3.1　概率的基本性質(zhì)和計算公式59
　　　3.3.2　概率推理方法60
　3.4　貝葉斯推理62
　　　3.4.1　知識不確定性的表示62
　　　3.4.2　證據(jù)不確定性的表示63
　3.5　可信度方法65
　　　3.5.1　基于可信度的不確定性表示66
　　　3.5.2　可信度方法的推理算法67
　3.6　搜索與計算復(fù)雜度70
　3.7　本章小結(jié)71
　習題3 72
第二篇　智能系統(tǒng)原理與算法
第4章　專家系統(tǒng)74
　4.1　專家系統(tǒng)概述74
　　　4.1.1　專家系統(tǒng)的特點74
　　　4.1.2　專家系統(tǒng)的結(jié)構(gòu)和建造步驟75
　4.2　基于規(guī)則的專家系統(tǒng)77
　　　4.2.1　基于規(guī)則的專家系統(tǒng)的工作模型和結(jié)構(gòu)77
　　　4.2.2　基于規(guī)則的專家系統(tǒng)的特點78
　4.3　基于框架的專家系統(tǒng)80
　　　4.3.1　基于框架的專家系統(tǒng)的定義與結(jié)構(gòu)80
　　　4.3.2　基于框架的專家系統(tǒng)的設(shè)計方法81
　4.4　基于模型的專家系統(tǒng)82
　　　4.4.1　基于模型的專家系統(tǒng)的提出82
　　　4.4.2　基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)82
　　　*4.4.3　基于概率的專家系統(tǒng)84
　4.5　基于Web的專家系統(tǒng)87
　　　4.5.1　基于Web的專家系統(tǒng)的結(jié)構(gòu)87
　　　4.5.2　基于Web的專家系統(tǒng)的實例分析89
　4.6　新型專家系統(tǒng)92
　4.7　專家系統(tǒng)設(shè)計93
　　　4.7.1　專家知識的描述93
　　　4.7.2　知識的使用和決策解釋96
　4.8　專家系統(tǒng)開發(fā)工具98
　　　4.8.1　骨架型開發(fā)工具98
　　　4.8.2　語言型開發(fā)工具99
　　　4.8.3　構(gòu)造輔助工具100
　　　4.8.4　支撐環(huán)境100
　4.9　本章小結(jié)101
　習題4 102
第5章　模糊邏輯系統(tǒng)103
　5.1　模糊數(shù)學基礎(chǔ)103
　　　5.1.1　模糊集合及其運算103
　　　5.1.2　模糊關(guān)系與模糊變換106
　5.2　模糊邏輯語言與推理109
　　　5.2.1　模糊邏輯語言109
　　　5.2.2　模糊邏輯推理111
　5.3　模糊系統(tǒng)的原理與結(jié)構(gòu)115
　　　5.3.1　模糊系統(tǒng)的原理115
　　　5.3.2　模糊系統(tǒng)的結(jié)構(gòu)116
　5.4　模糊系統(tǒng)的設(shè)計方法118
　　　5.4.1　模糊系統(tǒng)設(shè)計的查表法118
　　　5.4.2　模糊系統(tǒng)設(shè)計的遞推最小二乘法119
　　　5.4.3　模糊系統(tǒng)設(shè)計的聚類法121
　*5.5　模糊系統(tǒng)的可達性與魯棒性122
　　　5.5.1　模糊控制系統(tǒng)的可達性122
　　　5.5.2　模糊控制系統(tǒng)的魯棒性123
　5.6　MATLAB模糊控制工具箱124
　5.7　本章小結(jié)127
　習題5 127
第6章　神經(jīng)網(wǎng)絡(luò)系統(tǒng)129
　6.1　人工神經(jīng)網(wǎng)絡(luò)概述129
　　　6.1.1　神經(jīng)元及其特性130
　　　6.1.2　人工神經(jīng)網(wǎng)絡(luò)的基本類型和學習算法131
　　　6.1.3　人工神經(jīng)網(wǎng)絡(luò)的典型模型134
　6.2　基于神經(jīng)網(wǎng)絡(luò)的知識表示與推理138
　　　6.2.1　基于神經(jīng)網(wǎng)絡(luò)的知識表示138
　　　6.2.2　基于神經(jīng)網(wǎng)絡(luò)的知識推理140
　6.3　神經(jīng)網(wǎng)絡(luò)在約束優(yōu)化中的應(yīng)用問題142
　6.4　MATLAB神經(jīng)網(wǎng)絡(luò)工具箱及其仿真144
　　　6.4.1　MATLAB神經(jīng)網(wǎng)絡(luò)工具箱圖形用戶界面144
　　　6.4.2　基于Simulink的神經(jīng)網(wǎng)絡(luò)模塊工具145
　6.5　本章小結(jié)147
　習題6147
第7章　機器學習系統(tǒng)149
　7.1　機器學習的定義和發(fā)展149
　　　7.1.1　機器學習的定義149
　　　7.1.2　機器學習的發(fā)展150
　7.2　機器學習的主要策略與基本結(jié)構(gòu)151
　　　7.2.1　機器學習的主要策略151
　　　7.2.2　機器學習系統(tǒng)的基本結(jié)構(gòu)152
　7.3　歸納學習153
　　　7.3.1　歸納學習的模式和規(guī)則154
　　　7.3.2　歸納學習方法155
　7.4　類比學習157
　　　7.4.1　類比推理和類比學習形式157
　　　7.4.2　類比學習過程與研究類型158
　7.5　解釋學習159
　　　7.5.1　解釋學習過程和算法159
　　　7.5.2　解釋學習舉例160
　7.6　神經(jīng)網(wǎng)絡(luò)學習161
　　　7.6.1　基于反向傳播網(wǎng)絡(luò)的學習161
　　　7.6.2　基于Hopfield網(wǎng)絡(luò)的學習165
　7.7　知識發(fā)現(xiàn)167
　　　7.7.1　知識發(fā)現(xiàn)的發(fā)展和定義167
　　　7.7.2　知識發(fā)現(xiàn)的處理過程168
　　　7.7.3　知識發(fā)現(xiàn)的方法170
　7.8　增強學習172
　　　7.8.1　增強學習概述172
　　　7.8.2　Q-學習174
　7.9　本章小結(jié)175
　習題7176
第8章　仿生進化系統(tǒng)177
　8.1　進化算法177
　　　8.1.1　進化算法的主要原理178
　　　8.1.2　進化算法的整體框架179
　8.2　遺傳算法180
　　　8.2.1　個體編碼和解碼180
　　　8.2.2　遺傳算子181
　　　8.2.3　遺傳算法的執(zhí)行過程184
　　　8.2.4　遺傳算法的執(zhí)行實例185
　　　8.2.5　實數(shù)編碼遺傳算法187
　8.3　進化策略188
　　　8.3.1　變異算子188
　　　8.3.2　交叉算子與替換算子190
　　　8.3.3　進化策略的執(zhí)行過程191
　8.4　進化規(guī)劃191
　　　8.4.1　變異算子與替換算子192
　　　8.4.2　進化規(guī)劃的執(zhí)行過程192
　　　8.4.3　高斯變異與柯西變異193
　8.5　遺傳算法、進化策略與進化規(guī)劃的異同點194
　8.6　本章小結(jié)195
　習題8 195
第9章　群智能系統(tǒng)197
　9.1　粒子群優(yōu)化算法197
　　　9.1.1　粒子群優(yōu)化算法的基本原理197
　　　9.1.2　粒子群優(yōu)化算法的執(zhí)行過程199
　　　9.1.3　粒子速度和位置的修復(fù)199
　　　9.1.4　粒子群優(yōu)化算法的兩個變種200
　　　9.1.5　粒子群優(yōu)化算法的改進201
　9.2　蟻群算法205
　　　9.2.1　蟻群算法的起源與發(fā)展205
　　　9.2.2　蟻群算法的原理與執(zhí)行206
　9.3　本章小結(jié)211
　習題9 212
第10章　多真體系統(tǒng)213
　10.1　分布式人工智能213
　10.2　Agent及其要素214
　　　10.2.1　Agent的定義和譯法215
　　　10.2.2　真體的要素和特性216
　10.3　真體的結(jié)構(gòu)218
　　　10.3.1　真體的抽象結(jié)構(gòu)和結(jié)構(gòu)特點218
　　　10.3.2　真體結(jié)構(gòu)的分類219
　*10.4　真體通信221
　　　10.4.1　通信的過程221
　　　10.4.2　真體通信的類型和方式225
　　　10.4.3　真體的通信語言227
　10.5　移動真體和多真體系統(tǒng)228
　　　10.5.1　移動真體的定義和系統(tǒng)構(gòu)成229
　　　10.5.2　多真體系統(tǒng)的特征和關(guān)鍵技術(shù)230
　　　10.5.3　多真體系統(tǒng)的模型和結(jié)構(gòu)231
　　　10.5.4　多真體的協(xié)作、協(xié)商和協(xié)調(diào)232
　　　*10.5.5　多真體的學習與規(guī)劃235
　　　10.5.6　多真體系統(tǒng)的研究和應(yīng)用領(lǐng)域236
　10.6　本章小結(jié)237
　習題10 238
第11章　人工免疫系統(tǒng)239
　11.1　自然免疫系統(tǒng)的概念、組成與功能239
　11.2　免疫算法及其設(shè)計方法241
　　　11.2.1　免疫算法的定義241
　　　11.2.2　免疫算法的步驟和框圖242
　　　11.2.3　免疫算法的設(shè)計方法和參數(shù)選擇244
　*11.3　人工免疫系統(tǒng)的結(jié)構(gòu)246
　11.4　人工免疫系統(tǒng)應(yīng)用示例247
　　　11.4.1　免疫控制系統(tǒng)的一般結(jié)構(gòu)247
　　　11.4.2　免疫控制的計算體系和系統(tǒng)框圖247
　　　11.4.3　免疫控制系統(tǒng)示例248
　11.5　本章小結(jié)250
　習題11 250
第三篇　智能系統(tǒng)應(yīng)用與展望
第12章　智能機器人系統(tǒng)252
　12.1　機器人學的起源與發(fā)展252
　12.2　機器人的定義和特點254
　12.3　機器人系統(tǒng)的構(gòu)成與分類255
　12.4　智能機器人的研究領(lǐng)域257
　12.5　智能機器人應(yīng)用示例259
　　　12.5.1　汽車自主駕駛系統(tǒng)的組成259
　　　12.5.2　汽車自主駕駛系統(tǒng)的結(jié)構(gòu)260
　　　12.5.3　汽車自主駕駛系統(tǒng)的軟件結(jié)構(gòu)與控制算法262
　　　12.5.4　汽車自主駕駛系統(tǒng)的實驗結(jié)果262
　12.6　本章小結(jié)263
　習題12 263
第13章　智能控制系統(tǒng)264
　13.1　智能控制的產(chǎn)生與發(fā)展264
　　　13.1.1　自動控制的機遇與挑戰(zhàn)264
　　　13.1.2　智能控制的發(fā)展和作用266
　13.2　智能控制的定義、特點、一般結(jié)構(gòu)與分類268
　　　13.2.1　智能控制的定義與特點268
　　　13.2.2　智能控制器的一般結(jié)構(gòu)與分類269
　13.3　智能控制的學科結(jié)構(gòu)理論體系272
　　　13.3.1　二元交集結(jié)構(gòu)理論272
　　　13.3.2　三元交集結(jié)構(gòu)理論273
　　　13.3.3　四元交集結(jié)構(gòu)理論273
　13.4　智能控制系統(tǒng)應(yīng)用示例276
　13.5　本章小結(jié)279
　習題13279
第14章　智能規(guī)劃系統(tǒng)280
　14.1　智能規(guī)劃概述280
　　　14.1.1　規(guī)劃的概念和作用280
　　　14.1.2　規(guī)劃的分類282
　14.2　任務(wù)規(guī)劃283
　　　14.2.1　系統(tǒng)結(jié)構(gòu)和規(guī)劃機理283
　　　14.2.2　ROPES機器人規(guī)劃系統(tǒng)285
　14.3　路徑規(guī)劃的主要方法和發(fā)展趨勢287
　14.4　基于蟻群算法的移動機器人路徑規(guī)劃289
　　　14.4.1　蟻群優(yōu)化算法簡介289
　　　14.4.2　基于蟻群算法的路徑規(guī)劃290
　14.5　軌跡規(guī)劃簡介293
　14.6　本章小結(jié)294
　習題14295
第15章　智能決策系統(tǒng)296
　15.1　智能決策系統(tǒng)的定義與組成296
　　　15.1.1　智能決策系統(tǒng)的定義296
　　　15.1.2　智能決策系統(tǒng)的組成297
　15.2　智能決策系統(tǒng)的概念模型與典型特性298
　　　15.2.1　SHORE C2概念模型299
　　　15.2.2　指揮決策過程的典型特性301
　15.3　智能指揮決策的過程模型302
　　　15.3.1　智能數(shù)據(jù)融合303
　　　15.3.2　智能態(tài)勢估計304
　　　15.3.3　資源的智能規(guī)劃與分配305
　15.4　多屬性決策305
　　　15.4.1　多屬性決策的基本概念305
　　　15.4.2　多屬性決策方法306
　15.5　本章小結(jié)309
　習題15309
第16章　自然語言理解系統(tǒng)310
　16.1　自然語言理解概述310
　　　16.1.1　語言與語言理解310
　　　16.1.2　自然語言理解的研究歷史和發(fā)展現(xiàn)狀312
　　　16.1.3　自然語言處理的定義和研究意義315
　16.2　自然語言理解的研究領(lǐng)域和研究方法317
　　　16.2.1　自然語言處理的研究領(lǐng)域317
　　　16.2.2　自然語言理解的研究方法318
　　　16.2.3　自然語言理解過程的層次319
　16.3　自然語言理解系統(tǒng)的主要模型320
　16.4　自然語言理解系統(tǒng)應(yīng)用示例322
　　　16.4.1　自然語言自動理解系統(tǒng)322
　　　16.4.2　自然語言問答系統(tǒng)323
　16.5　本章小結(jié)325
　習題16 325
第17章　智能交通系統(tǒng)326
　17.1　智能交通系統(tǒng)概述326
　17.2　智能交通系統(tǒng)的發(fā)展327
　17.3　智能交通系統(tǒng)的體系結(jié)構(gòu)329
　17.4　智能交通系統(tǒng)的信息平臺331
　17.5　智能交通系統(tǒng)應(yīng)用示例334
　17.6　本章小結(jié)338
　習題17338
第18章　智能系統(tǒng)展望339
　18.1　智能系統(tǒng)的學科定位問題339
　18.2　智能系統(tǒng)對人類的影響340
　　　18.2.1　對經(jīng)濟的影響340
　　　18.2.2　對社會的影響340
　　　18.2.3　對文化的影響342
　18.3　智能系統(tǒng)的未來343
　　　18.3.1　更新的理論框架343
　　　18.3.2　更好的技術(shù)集成345
　　　18.3.3　更成熟的應(yīng)用方法345
　18.4　本章小結(jié)346
　習題18347
參考文獻348