人工智能：複雜問題求解的結構和策略(原書第6版)（簡體書）

本書是一本經典的人工智能教材，全面闡述了人工智能的基礎理論，有效結合了求解智能問題的數據結構以及實現的算法，把人工智能的應用程序應用于實際環境中，并從社會和哲學、心理學以及神經生理學角度對人工智能進行了獨特的討論。新版中增加了對“基於隨機方法的機器學習”的介紹，并提出了一些新的主題，如涌現計算、本體論、隨機分割算法等。
本書適合作為高等院校計算機專業人工智能教材，也可供人工智能領域的研究者及相關工程技術人員參考。
本書是一本經典的人工智能教材，全面闡述了人工智能的基礎理論，有效結合了求解智能問題的數據結構以及實現的算法，把人工智能的應用程序應用于實際環境中，并從社會和哲學、心理學以及神經生理學角度對人工智能進行了全面的討論。
本版新增內容
·新增一章，介紹用于機器學習的隨機方法，包括一階貝葉斯網絡、各種隱馬爾可夫模型、馬爾可夫隨機場推理和循環信念傳播。
·介紹針對期望最大化學習以及利用馬爾可夫鏈蒙特卡羅抽樣的結構化學習的參數選擇，強化學習中馬爾可夫決策過程的利用。
·介紹智能體技術和本體的使用。
·介紹自然語言處理的動態規劃（Earley語法分析）以及Viterbi等其他概率語法分析技術。
·書中的許多算法采用Prolog、LISP和Java語言來構建。

出版者的話
譯者序
前言
第一部分　人工智能的歷史淵源及研究范圍
　第1章　人工智能的歷史及應用
1.1　從伊甸園到第一臺電子計算機：對智能、知識和人類技能的態度
1.1.1　人工智能基礎的簡要歷史
1.1.2　理性主義和經驗主義學派對人工智能的影響
1.1.3　形式邏輯的發展
1.1.4　圖靈測試
1.1.5　智能的生物和社會模型：主體理論
1.2　人工智能應用領域概述
1.2.1　博弈
1.2.2　自動推理和定理證明
1.2.3　專家系統
1.2.4　自然語言理解和語義學
1.2.5　對人類表現建模
1.2.6　規劃和機器人學
1.2.7　人工智能的語言和環境
1.2.8　機器學習
1.2.9　其他表示：神經網絡和遺傳算法
1.2.10　AI和哲學
1.3　人工智能小結
1.4　結語和參考文獻
1.5　習題
第二部分　作為表示和搜索的人工智能
　第2章　謂詞演算
2.0　簡介
2.1　命題演算（選讀）
2.1.1　符號和語句
2.1.2　命題演算的語義
2.2　謂詞演算
2.2.1　謂詞的語法和語句
2.2.2　謂詞演算的語義
2.2.3　語義含義的積木世界例子
2.3　使用推理規則產生謂詞演算表達式
2.3.1　推理規則
2.3.2　合一算法
2.3.3　合一的例子
2.4　應用：一個基於邏輯的財務顧問
2.5　結語和參考文獻
2.6　習題
　第3章　狀態空間搜索的結構和策略
3.0　簡介
3.1　狀態空間搜索的結構
3.1.1　圖論（選讀）
3.1.2　有限狀態自動機（選讀）
3.1.3　問題的狀態空間表示
3.2　用于狀態空間搜索的策略
3.2.1　數據驅動搜索和目標驅動搜索
3.2.2　圖搜索的實現
3.2.3　深度優先搜索和寬度優先搜索
3.2.4　迭代加深的深度優先搜索
3.3　利用狀態空間來表示命題演算和謂詞演算的推理
3.3.1　邏輯系統的狀態空間描述
3.3.2　與或圖
3.3.3　進一步的例子和應用
3.4　結語和參考文獻
3.5　習題
　第4章　啟發式搜索
4.0　簡介
4.1　爬山法和動態規劃法
4.1.1　爬山
4.1.2　動態規劃
4.2　最佳優先搜索算法
4.2.1　實現最佳優先搜索
4.2.2　實現啟發評估函數
4.2.3　啟發式搜索和專家系統
4.3　可采納性、單調性和信息度
4.3.1　可采納性度量
4.3.2　單調性
4.3.3　信息度更高的啟發是更好的啟發
4.4　在博弈中使用啟發
4.4.1　在可窮舉搜索圖上的極小極大過程
4.4.2　固定層深的極小極大過程
4.4.3　α-β過程
4.5　復雜度問題
4.6　結語和參考文獻
4.7　習題
　第5章　隨機方法
　第6章　為狀態空間搜索建立控制算法
第三部分　捕獲智能：AI中的挑戰
　第7章　知識表示
　第8章　求解問題的強方法
　第9章　不確定條件下的推理
第四部分　機器學習
　第10章　基於符號的機器學習
　第11章　機器學習：連接機制
　第12章　機器學習：遺傳性和涌現性
第五部分　人工智能問題求解的高級課題
　第14章　自動推理
　第15章　自然語言理解
第六部分　後記
　第16章　人工智能是經驗式的學科