面向智能體的知識工程（簡體書）

本書是從代表未來計算模式——智能體的視角論述知識工程的基本概念、方法和技術。全書共分11章，第1章論述知識工程問題的提出；第2章給出智能體的評價標準——理性；第3、4、7、8章分別討論了智能體工作的四種策略：目標、邏輯、效用、學習；第5章討論了智能體工作的基礎知識表示——本體；第6章討論了常識及其推理；第9章和第10章詳細介紹了知識系統開發環境Prolog及知識系統應用案例；第11章討論了多智能體及其通信問題。
本書既是一本專著，也可作為高等學校電子信息、自動化、機電工程、計算機及其他相關專業研究生和本科高年級知識工程或人工智能的課程教材，還可供從事知識系統教學、研究、開發和應用的科技工作者參考。

《智能科學技術著作叢書》序
前言
第1章 緒論
1.1 圖靈測試與人工智能
1.1.1 圖靈測試
1.1.2 人工智能的不同學派
1.2 知識工程
1.2.1 問題的提出
1.2.2 知識
1.2.3 知識工程的基礎、原理
1.2.4 知識模型中的構件
1.2.5 人的因素：知識工程中人的角色
1.2.6 知識工程的發展
1.3 習題
第2章 智能體
2.1 智能體和環境
2.2 理性
2.3 任務環境PEAS屬性
2.4 智能體結構
2.4.1 反應式智能體
2.4.2 慎思式智能體
2.4.3 混合式智能體
2.5 小結
2.6 習題
第3章 目標智能體
3.1 目標智能體結構
3.2 問題形式化
3.3 不完全可觀察環境的搜索
3.4 利用啟發式知識的目標搜索
3.4.1 貪婪最佳優先搜索算法
3.4.2 A搜索算法
3.4.3 爬山搜索算法
3.4.4 模擬退火搜索算法
3.4.5 遺傳算法
3.5 目標測試標準化
3.5.1 約束滿足問題
3.5.2 CSP問題的回溯搜索
3.5.3 通過約束傳播信息
3.5.4 CSP問題的最小沖突搜索
3.6 小結
3.7 習題
第4章 邏輯智能體
4.1 邏輯智能體結構
4.2 wumpus世界
4.3 邏輯與知識庫
4.3.1 命題邏輯
4.3.2 一個簡單的知識庫
4.3.3 真值表推理
4.4 命題邏輯智能體
4.5 一階邏輯智能體
4.5.1 一階邏輯
4.5.2 一階邏輯知識表示
4.6 邏輯智能體的推理
4.7 小結
4.8 習題
第5章 本體論
5.1 本體概念
5.1.1 本體特征
5.1.2 本體與一般術語的區別
5.1.3 本體分類
5.2 本體的形式化定義
5.2.1 OWA形式化定義
5.2.2 Guarino形式化定義
5.2.3 KAON形式化定義
5.3 本體建模
5.3.1 本體建模基元
5.3.2 建立本體的一般方法
5.4 領域本體知識庫
5.4.1 領域本體知識庫概念
5.4.2 領域本體知識庫的構建
5.4.3 領域本體的建模
5.4.4 領域本體的復用
5.4.5 領域本體的應用
5.5 本體編輯工具
5.5.1 本體編輯工具概述
5.5.2 Protege開發過程
5.5.3 推理機Racer
5.6 本體描述語言
5.6.1 本體語言概述
5.6.2 HTML擴展
5.6.3 本體標記語言OML
5.6.4 基于XML的文本交換語言XOL
5.6.5 XML
5.6.6 RDF
5.6.7 本體交互語言OIL
5.6.8 DAML+OIL語言
5.6.9 子語言
5.6.10 描述邏輯
5.7 小結
5.8 習題
第6章 常識
6.1 常識的概念
6.1.1 常識的例子
6.1.2 常識推理的特點
6.1.3 常識的重要性
6.1.4 常識的表示
6.2 常識推理
6.2.1 缺省推理
6.2.2 真值維護系統
6.3 小結
6.4 習題
第7章 效用智能體
7.1 效用智能體結構
7.2 不確定性
7.2.1 不確定環境下智能體的行動
7.2.2 不確定知識的處理
7.2.3 不確定性與理性決策
7.3 信念網推理
7.3.1 全聯合分布推理
7.3.2 信念網推理
7.3.3 信念網的數值語義
7.3.4 信念網拓撲語義
7.3.5 信念網的精確推理
7.4 定性推理
7.4.1 定性推理概述
7.4.2 定性推理的基本方法
7.4.3 ENVISION方法
7.4.4 空間定性推理概述
7.5 集對分析
7.5.1 集對分析基本原理
7.5.2 聯系數
7.5.3 集對勢
7.5.4 基于集對分析的不確定性理論
7.5.5 集對分析在人工智能中的應用
7.6 小結
7.7 習題
第8章 學習智能體
8.1 學習智能體結構
8.2 機器學習概述
8.2.1 基本概念
8.2.2 機器學習的發展史
8.3 從觀察中學習
8.3.1 假設及假設空間
8.3.2 決策樹cLs算法
8.4 統計機器學習
8.4.1 貝葉斯決策
8.4.2 最大似然參數估計
8.4.3 無監督聚類
8.5 PAC學習
8.5.1 泛化問題
8.5.2 SVM
8.5.3 表示問題
8.6 集成機器學習
8.6.1 弱可學習定理
8.6.2 集成機器學習方法
8.6.3 經驗性研究問題
8.7 強化學習
8.7.1 完全可觀察的MDP問題
8.7.2 部分可觀察的MDP問題
8.7.3 強化學習的組成部分
8.7.4 強化學習原理
8.8 小結
8.9 習題
第9章 知識處理環境Prolog
9.1 Prolog的特點
9.1.1 事實和規則的描述
9.1.2 Prolog程序結構
9.2 一個簡單的Prolog程序
9.2.1 表達事實
9.2.2 事實查詢
9.2.3 規則表達
9.2.4 規則查詢
9.2.5 規則使用
9.3 運算
9.3.1 算術運算
9.3.2 邏輯運算
9.3.3 數據管理
9.3.4 遞歸
9.3.5 表
9.3.6 截斷
9.3.7 循環
9.4 Visual Prolog編程入門
9.4.1 創建項目
9.4.2 編寫簡單的應用程序
9.4.3 創建窗口
9.4.4 給窗口添加控件
9.4.5 畫鼠標掠影
9.5 小結
9.6 習題
第10章 知識系統案例
10.1 案例1——簡單的醫療診斷系統
10.1.1 規則庫的構造
10.1.2 源程序
10.1.3 功能擴展
10.1.4 程序運行
10.2 案例2——汽車故障檢修咨詢系統
10.2.1 知識庫
10.2.2 編程實現
10.2.3 運行結果
10.3 習題
第11章 多智能體
11.1 多智能體
11.1.1 效用和偏好
11.1.2 多智能體交互
11.1.3 優勢策略和Nash平衡
11.1.4 競爭與零和交互
11.2 智能體之間的通信
11.2.1 交談
11.2.2 理解語言字符串
11.2.3 有效通信
參考文獻