|
|
教學公告
· 《智能系統原理、算法與應用》
·
· 叢書名: 智能系統與技術叢書
· 出版社:機械工業出版社
· ISBN:9787111472001
· 上架時間:2014-8-28
· 出版日期:2014 年9月
· 開本:16開
· 頁碼:359
· 版次:1-1
· 所屬分類:
內容簡介
書籍
計算機書籍
《智能系統原理、算法與應用》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、群智能系統、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。
《智能系統原理、算法與應用》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。
作譯者
蔡自興
1962年畢業于西安交通大學電機工程系，現為中南大學信息科學與工程學院教授、博士生導師。1983～1985年為美國普渡大學和內華達大學訪問學者，1988～1990年任中國科學院自動化研究所和北京大學信息科學中心客座研究員，1992～1993年任美國倫塞勒工業大學客座教授。2004年4～7月為俄羅斯科學院圣彼得堡信息學與自動化研究所客座研究員。2007年5～8月任丹麥技術大學客座教授。聯合國專家(UNIDO)、國際導航與運動控制科學院院士、紐約科學院院士，全國高等學校首屆國家級教學名師獎、寶鋼教育基金優秀教師特等獎和徐特立教育獎獲得者。
曾任第八屆湖南省政協副主席，全國政協第九、十屆委員會委員。曾兼任中國人工智能學會副理事長及智能機器人專業委員會主任、中國自動化學會理事及智能自動化專業委員會委員、中國計算機學會人工智能與模式識別專業委員會委員等職。
主要從事人工智能、智能系統、智能控制、智能機器人等研究，在智能科學基礎的多個學科的科學研究和課程教學與改革中成績卓著，是我國智能系統、人工智能、智能控制、機器人學諸學科的學術帶頭人之一。已在國內外出版專著、教材40多部，發表學術論文近千篇。主持并完成包括國家自然科學基金重點項目在內的科研20多項，主持國家級和省級教學改革項目10多項，獲國際獎勵3項，國家級獎勵2項，省部級以上獎勵10多項。
王勇
2003年本科畢業于武漢工程大學自動化專業，
2006年獲中南大學模式識別與智能系統專業碩士學位，2011年獲中南大學控制科學與工程專業博士學位。自2006年10月起歷任中南大學助教和講師，2012年9月晉升為副教授。2011年5月至今擔任碩士生導師，2013年9月至今擔任博士生導師。
主要研究方向為進化計算、單目標優化、約束優化、多目標優化、智能優化算法及其在實際工程中的應用等。現為IEEE計算智能學會Task Forceon Nature-Inspired Constrained Optimization和Task Force On DifferentialEvolution委員，41個國際期刊審稿人，24次擔任國際會議程序委員會委員。主持2項國家自然科學基金項目，發表國際期刊論文18篇，其中，EEETransactlons長文8篇，3篇論文進入ESI高引用論文前1％，所設計的算法被國內外學者應用于20多個領域。連續三次獲“湖南省自然科學優秀學術論文”一等獎，其博士畢業論文被評選為“湖南省優秀博士學位論文”(2013年)及“IEEE計算智能學會優秀博士論文”(2015年)。201 7年入選中南大學“升華育英計劃”，2012年入選“香江學者計劃”，2013年入選“教育部新世紀優秀人才計劃”和”湖南省青年骨干教師”。
目錄
《智能系統原理、算法與應用》
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啟發式搜索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基于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問題的復合知識表示51
2.7.2啟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基于規則的專家系統77
4.2.1基于規則的專家系統的工作模型和結構77
4.2.2基于規則的專家系統的特點78
4.3基于框架的專家系統80
4.3.1基于框架的專家系統的定義與結構80
4.3.2基于框架的專家系統的設計方法81
4.4基于模型的專家系統82
4.4.1基于模型的專家系統的提出82
4.4.2基于神經網絡的專家系統82
*4.4.3基于概率的專家系統84
4.5基于Web的專家系統87
4.5.1基于Web的專家系統的結構87
4.5.2基于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
5.6MATLAB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基于神經網絡的知識表示與推理138
6.2.1基于神經網絡的知識表示138
6.2.2基于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
6.4MATLAB神經網絡工具箱及其仿真144
6.4.1MATLAB神經網絡工具箱圖形用戶界面144
6.4.2基于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基于反向傳播網絡的學習161
7.6.2基于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
7.8.2Q-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章群智能系統197
9.1粒子群優化算法197
9.1.1粒子群優化算法的基本原理197
9.1.2粒子群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粒子群優化算法的兩個變種200
9.1.5粒子群優化算法的改進201
9.2蟻群算法205
9.2.1蟻群算法的起源與發展205
9.2.2蟻群算法的原理與執行206
9.3本章小結211
習題9 212
第10章多真體系統213
10.1分布式人工智能213
10.2Agent及其要素214
10.2.1Agent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多真體系統的特征和關鍵技術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
14.2.2ROPES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基于蟻群算法的移動機器人路徑規劃289
14.4.1蟻群優化算法簡介289
14.4.2基于蟻群算法的路徑規劃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
15.2.1SHORE 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臺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
前言
人類正處在一個深刻變革與迅速發展的新世紀。21世紀科技日新月異的進步必將為各國的可持續發展提供新的根本保障，科技新成果必將在更大的廣度和深度上造福人類。國際上，人工智能和智能系統科學已走過50多年的歷程，伴隨著全球社會進步和科技發展的步伐，人工智能和智能系統的研究與時俱進，在21世紀的頭十年中已取得長足進展。在國內，人工智能和智能系統已得到迅速傳播與發展，并促進了其他學科的發展。
兩年前，由我主持和主講的國家級視頻精品公開課“人工智能PK人類智能”在網上公開播出后，引發廣大高校師生和公眾的熱烈反響與好評。這不僅是他們對我國視頻公開課首播的熱烈歡迎與充分肯定，而且體現了他們對人工智能及智能系統研究和進展的高度興趣與由衷向往，還是對我們的極大鼓勵與支持。我已經編著了30多部人工智能、智能控制、機器人學、專家系統和智能決策系統等方面的著作，以為再沒有什么好寫的內容了，最多只能繼續撰寫這些著作的新版本。上述視頻公開課的鼓勵與啟發，使我萌生了編著一部新的智能科學著作的念頭，即這本《智能系統原理、算法與應用》。
我們編著的上述各類智能科學著作提供了智能系統的基本內容和編寫經驗，而且已在中南大學為博士研究生開設了整整20屆的“智能系統原理與應用”課程。教材編著和課程教學的經驗，為我們編著這部新著作保駕護航，增加了我們寫好本著作的信心。
本書分三篇介紹智能系統的基本原理、主要算法及其應用，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學生學習“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，以及智慧城市和智能住宅設計與開發的科技人員及管理人員學習參考。本書中帶有星號（*）的章節為難點章節，除研究生需要參考外，其他讀者可以不讀。
在編寫本書過程中，除了參閱本人獨著著作外，還參閱了本人的合著著作和國內外部分相關文獻，引用了其中的部分材料，使本書能夠更好地反映智能系統的最新進展。例如，徐光祐、姚莉、龔濤、John Durkin、Robert Schalkoff，Y C Shin，Adriam Hopgood，Michael Negnevisky和LA Zadeh等，在此向相關著作的作者們表示特別感謝。
我們要衷心感謝中南大學研究生院和信息科學與工程學院的大力支持與合作，還特別感謝機械工業出版社策劃編輯姚蕾和責任編輯李燕的敬業奉獻精神，她們的支持，使本書能夠迅速、高質量地與讀者見面。
本書第1～7章以及第10～18章由蔡自興編寫，第8章和第9章由王勇編寫，蔡自興還負責全書內容的系統設計和統稿工作。由于水平所限和編寫時間比較緊迫，因而書中可能存在不足之處，誠懇地歡迎各位專家、高校師生和其他讀者批評指正。
蔡自興
2014年5月
于廣州迎風閣
