智能系統原理、算法與應用

本書介紹智能系統的基本原理、主要算法及其應用。全書共三篇、18章：第一篇為智能系統基礎，包括第1~3章，第1章介紹人工智能和智能系統的概況，涉及人工智能和智能系統的定義、發展過程、主要學派的認知觀和智能系統的分類等，第2章和第3章分別討論知識表示與推理及非經典推理；第二篇為智能系統原理與算法，包括第4~11章，探討各種智能系統的基礎理論與算法，涉及專家系統、模糊邏輯系統、神經網絡系統、機器學習系統、仿生進化系統、羣智能系統、多真體系統和人工免疫系統；第三篇為智能系統應用與展望，包括第12~18章，其中第12~17章探討智能系統的各種應用，包括智能機器人系統、智能控制系統、智能規劃系統、智能決策系統、自然語言理解系統和智能交通系統；第18章展望智能系統的發展前景。本書可作為高等院校計算機、自動控制、管理、電子信息等專業研究生和高年級本科生學習“智能系統”等課程的教材或教學參考書,也可供從事智能系統和人工智能研究與應用的科技人員及管理人員學習參考 ^[1] 

前言

第一篇　智能系統基礎

第1章　概述2

1.1　人工智能與智能系統的定義2

1.2　人工智能和智能系統的起源與發展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　智能系統的分類12

1.5　人工智能的研究目標和內容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容17

1.6　人工智能與智能系統的計算方法19

1.7　本書內容編排20

習題1 21

第2章　知識表示與推理22

2.1　智能系統知識的分類與表示問題22

2.1.1　智能系統知識的分類22

2.1.2　知識表示的要求23

2.2　狀態空間圖搜索23

2.2.1　問題狀態描述24

2.2.2　無信息搜索25

2.2.3　啓發式搜索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　產生式系統38

2.4.1　產生式系統的組成與表示38

2.4.2　產生式系統的推理40

2.5　語義網絡法42

2.5.1　二元語義網絡的表示43

2.5.2　多元語義網絡的表示44

2.5.3　基於語義網絡的知識推理45

2.6　框架表示與推理47

2.6.1　框架的構成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　問題的複合知識表示51

2.7.2　啓發式算法的可納性與單調性51

2.8　本章小結52

習題2 53

*第3章　非經典推理55

3.1　經典推理和非經典推理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　證據不確定性的表示63

3.5　可信度方法65

3.5.1　基於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　搜索與計算複雜度70

3.7　本章小結71

習題3 72

第二篇　智能系統原理與算法

第4章　專家系統74

4.1　專家系統概述74

4.1.1　專家系統的特點74

4.1.2　專家系統的結構和建造步驟75

4.2　基於規則的專家系統77

4.2.1　基於規則的專家系統的工作模型和結構77

4.2.2　基於規則的專家系統的特點78

4.3　基於框架的專家系統80

4.3.1　基於框架的專家系統的定義與結構80

4.3.2　基於框架的專家系統的設計方法81

4.4　基於模型的專家系統82

4.4.1　基於模型的專家系統的提出82

4.4.2　基於神經網絡的專家系統82

*4.4.3　基於概率的專家系統84

4.5　基於Web的專家系統87

4.5.1　基於Web的專家系統的結構87

4.5.2　基於Web的專家系統的實例分析89

4.6　新型專家系統92

4.7　專家系統設計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　專家系統開發工具98

4.8.1　骨架型開發工具98

4.8.2　語言型開發工具99

4.8.3　構造輔助工具100

4.8.4　支撐環境100

4.9　本章小結101

習題4 102

第5章　模糊邏輯系統103

5.1　模糊數學基礎103

5.1.1　模糊集合及其運算103

5.1.2　模糊關係與模糊變換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　模糊系統的原理與結構115

5.3.1　模糊系統的原理115

5.3.2　模糊系統的結構116

5.4　模糊系統的設計方法118

5.4.1　模糊系統設計的查表法118

5.4.2　模糊系統設計的遞推最小二乘法119

5.4.3　模糊系統設計的聚類法121

*5.5　模糊系統的可達性與魯棒性122

5.5.1　模糊控制系統的可達性122

5.5.2　模糊控制系統的魯棒性123

5.6　MATLAB模糊控制工具箱124

5.7　本章小結127

習題5 127

第6章　神經網絡系統129

6.1　人工神經網絡概述129

6.1.1　神經元及其特性130

6.1.2　人工神經網絡的基本類型和學習算法131

6.1.3　人工神經網絡的典型模型134

6.2　基於神經網絡的知識表示與推理138

6.2.1　基於神經網絡的知識表示138

6.2.2　基於神經網絡的知識推理140

6.3　神經網絡在約束優化中的應用問題142

6.4　MATLAB神經網絡工具箱及其仿真144

6.4.1　MATLAB神經網絡工具箱圖形用户界面144

6.4.2　基於Simulink的神經網絡模塊工具145

6.5　本章小結147

習題6147

第7章　機器學習系統149

7.1　機器學習的定義和發展149

7.1.1　機器學習的定義149

7.1.2　機器學習的發展150

7.2　機器學習的主要策略與基本結構151

7.2.1　機器學習的主要策略151

7.2.2　機器學習系統的基本結構152

7.3　歸納學習153

7.3.1　歸納學習的模式和規則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　神經網絡學習161

7.6.1　基於反向傳播網絡的學習161

7.6.2　基於Hopfield網絡的學習165

7.7　知識發現167

7.7.1　知識發現的發展和定義167

7.7.2　知識發現的處理過程168

7.7.3　知識發現的方法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175

習題7176

第8章　仿生進化系統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　遺傳算法的執行過程184

8.2.4　遺傳算法的執行實例185

8.2.5　實數編碼遺傳算法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　進化策略的執行過程191

8.4　進化規劃191

8.4.1　變異算子與替換算子192

8.4.2　進化規劃的執行過程192

8.4.3　高斯變異與柯西變異193

8.5　遺傳算法、進化策略與進化規劃的異同點194

8.6　本章小結195

習題8 195

第9章　羣智能系統197

9.1　粒子羣優化算法197

9.1.1　粒子羣優化算法的基本原理197

9.1.2　粒子羣優化算法的執行過程199

9.1.3　粒子速度和位置的修復199

9.1.4　粒子羣優化算法的兩個變種200

9.1.5　粒子羣優化算法的改進201

9.2　蟻羣算法205

9.2.1　蟻羣算法的起源與發展205

9.2.2　蟻羣算法的原理與執行206

9.3　本章小結211

習題9 212

第10章　多真體系統213

10.1　分佈式人工智能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　真體的結構218

10.3.1　真體的抽象結構和結構特點218

10.3.2　真體結構的分類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228

10.5.1　移動真體的定義和系統構成229

10.5.2　多真體系統的特徵和關鍵技術230

10.5.3　多真體系統的模型和結構231

10.5.4　多真體的協作、協商和協調232

*10.5.5　多真體的學習與規劃235

10.5.6　多真體系統的研究和應用領域236

10.6　本章小結237

習題10 238

第11章　人工免疫系統239

11.1　自然免疫系統的概念、組成與功能239

11.2　免疫算法及其設計方法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　免疫算法的設計方法和參數選擇244

*11.3　人工免疫系統的結構246

11.4　人工免疫系統應用示例247

11.4.1　免疫控制系統的一般結構247

11.4.2　免疫控制的計算體系和系統框圖247

11.4.3　免疫控制系統示例248

11.5　本章小結250

習題11 250

第三篇　智能系統應用與展望

第12章　智能機器人系統252

12.1　機器人學的起源與發展252

12.2　機器人的定義和特點254

12.3　機器人系統的構成與分類255

12.4　智能機器人的研究領域257

12.5　智能機器人應用示例259

12.5.1　汽車自主駕駛系統的組成259

12.5.2　汽車自主駕駛系統的結構260

12.5.3　汽車自主駕駛系統的軟件結構與控制算法262

12.5.4　汽車自主駕駛系統的實驗結果262

12.6　本章小結263

習題12 263

第13章　智能控制系統264

13.1　智能控制的產生與發展264

13.1.1　自動控制的機遇與挑戰264

13.1.2　智能控制的發展和作用266

13.2　智能控制的定義、特點、一般結構與分類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構與分類269

13.3　智能控制的學科結構理論體系272

13.3.1　二元交集結構理論272

13.3.2　三元交集結構理論273

13.3.3　四元交集結構理論273

13.4　智能控制系統應用示例276

13.5　本章小結279

習題13279

第14章　智能規劃系統280

14.1　智能規劃概述280

14.1.1　規劃的概念和作用280

14.1.2　規劃的分類282

14.2　任務規劃283

14.2.1　系統結構和規劃機理283

14.2.2　ROPES機器人規劃系統285

14.3　路徑規劃的主要方法和發展趨勢287

14.4　基於蟻羣算法的移動機器人路徑規劃289

14.4.1　蟻羣優化算法簡介289

14.4.2　基於蟻羣算法的路徑規劃290

14.5　軌跡規劃簡介293

14.6　本章小結294

習題14295

第15章　智能決策系統296

15.1　智能決策系統的定義與組成296

15.1.1　智能決策系統的定義296

15.1.2　智能決策系統的組成297

15.2　智能決策系統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　智能數據融合303

15.3.2　智能態勢估計304

15.3.3　資源的智能規劃與分配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309

習題15309

第16章　自然語言理解系統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展現狀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域和研究方法317

16.2.1　自然語言處理的研究領域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　自然語言理解系統的主要模型320

16.4　自然語言理解系統應用示例322

16.4.1　自然語言自動理解系統322

16.4.2　自然語言問答系統323

16.5　本章小結325

習題16 325

第17章　智能交通系統326

17.1　智能交通系統概述326

17.2　智能交通系統的發展327

17.3　智能交通系統的體系結構329

17.4　智能交通系統的信息平台331

17.5　智能交通系統應用示例334

17.6　本章小結338

習題17338

第18章　智能系統展望339

18.1　智能系統的學科定位問題339

18.2　智能系統對人類的影響340

18.2.1　對經濟的影響340

18.2.2　對社會的影響340

18.2.3　對文化的影響342

18.3　智能系統的未來343

18.3.1　更新的理論框架343

18.3.2　更好的技術集成345

18.3.3　更成熟的應用方法345

18.4　本章小結346

習題18347

參考文獻348 ^[2]