人工智能技術(shù)與智能機器人

第1章搜索策略
1.1搜索概述
1.2狀態(tài)圖搜索
1.2.1盲目搜索4
1.2.2啟發(fā)式搜索7
1.2.3A和A*搜索8
1.2.4A*算法在移動機器人路徑規(guī)劃中的應用10
1.3與或樹搜索
1.3.1與或樹基礎(chǔ)14
1.3.2代價計算16
1.3.3有序搜索17
1.4博弈對策
1.4.1博弈樹18
1.4.2極大極小分析法19
1.4.3α-β剪枝技術(shù)19

第2章確定性推理
2.1推理概述
2.1.1推理定義21
2.1.2推理方式及分類21
2.1.3推理方向23
2.1.4模式匹配與沖突消解27
2.2自然演繹推理
2.3消解原理
2.3.1子句集31
2.3.2海伯倫理論32
2.3.3魯賓遜消解原理33
2.4規(guī)則演繹
2.4.1基于規(guī)則的正向演繹推理34
2.4.2基于規(guī)則的逆向演繹推理35
2.4.3規(guī)則雙向演繹推理36

第3章不確定性推理
3.1不確定性推理概述
3.1.1不確定性的類型37
3.1.2不確定性知識表示38
3.2概率貝葉斯方法
3.2.1簡單貝葉斯推理44
3.2.2主觀貝葉斯方法45
3.3非單調(diào)推理
3.3.1單調(diào)推理與非單調(diào)推理54
3.3.2非單調(diào)推理系統(tǒng)54
3.4模糊推理在機器人避障中的應用
3.4.1救援機器人的運動學模型59
3.4.2環(huán)境信息分類及其避障行為60
3.4.3基于模糊推理的避障控制62

第4章專家系統(tǒng)
4.1專家系統(tǒng)概述
4.1.1專家系統(tǒng)的類型67
4.1.2專家系統(tǒng)的應用68
4.1.3專家系統(tǒng)的特點69
4.2專家系統(tǒng)的結(jié)構(gòu)與工作原理
4.3知識獲取
4.3.1知識獲取的過程72
4.3.2知識獲取的直接方法72
4.3.3知識獲取的新方法73
4.4專家系統(tǒng)的建造與評價
4.4.1一般步驟與方法74
4.4.2知識表示77
4.4.3知識庫及其管理系統(tǒng)77
4.4.4推理機及解釋機構(gòu)79
4.4.5接口設(shè)計80
4.4.6專家系統(tǒng)評價80
4.5專家系統(tǒng)的開發(fā)工具與開發(fā)環(huán)境
4.6新型專家系統(tǒng)
4.7專家系統(tǒng)在智能機器人領(lǐng)域的應用

第5章機器學習
5.1機械學習
5.1.1主要模式及問題88
5.1.2應用舉例89
5.2歸納學習
5.2.1歸納學習概述90
5.2.2歸納學習方法91
5.2.3決策樹學習92
5.3基于案例的推理
5.3.1基于案例的推理過程93
5.3.2基于案例的推理優(yōu)點及應用94
5.4解釋學習
5.4.1解釋學習概述97
5.4.2解釋學習框架97
5.4.3解釋學習過程98
5.5強化學習在機器人系統(tǒng)中的應用
5.6自主學習在機器人系統(tǒng)中的應用

第6章自然語言理解
6.1自然語言概述
6.2語法分析
6.2.1轉(zhuǎn)移網(wǎng)絡(luò)117
6.2.2擴充轉(zhuǎn)移網(wǎng)絡(luò)118
6.3語義解釋
6.4語言理解
6.4.1簡單句理解121
6.4.2復合句理解123
6.5機器翻譯
6.6語音識別
6.7自然語言理解系統(tǒng)在機器人中的應用
6.7.1湖水清污機器人中的自然語言理解系統(tǒng)128
6.7.2ASP在服務(wù)機器人中的應用129

第7章遺傳算法
7.1概述
7.1.1遺傳算法與進化論136
7.1.2遺傳算法的發(fā)展史136
7.1.3遺傳算法設(shè)計的原則及內(nèi)容137
7.1.4遺傳算法的魯棒性138
7.2遺傳算法的工作原理
7.2.1基本思想139
7.2.2基本操作139
7.3經(jīng)典遺傳算法
7.3.1參數(shù)編碼144
7.3.2種群設(shè)定145
7.3.3適應度函數(shù)145
7.3.4選擇147
7.3.5交叉149
7.3.6變異151
7.4高級遺傳算法
7.4.1選擇方法的改進153
7.4.2遺傳算法的改進154
7.5改進的遺傳算法在機器人路徑規(guī)劃中的應用
7.6免疫遺傳算法在機器人路徑規(guī)劃中的應用
7.6.1一種改進的免疫遺傳算法160
7.6.2基于免疫遺傳算法的最優(yōu)路徑規(guī)劃162

參考文獻