第二章 问题求解与搜索技术
2.1 问题的状态和状态空间
2.2 或图通用搜索算法
2.3 盲目的搜索方法
2.4 启发式搜索方法
2.5 局部与全局搜索算法
2.6 博弈搜索算法
2.7 问题归纳与AO*算法
习题2

第三章 知识表示与处理方法
3.1 概述
3.2 逻辑表示法
3.3 产生式表示法
3.4 语义网络表示法
3.5 框架表示法
3.6 小结
习题3

第四章 归结推理及其应用
4.1 自然演绎推理
4.2 归结演绎推理
4.3 归结方法
4.4 归结原理的理论依据
4.5 小结
习题4

第五章 不确定性推理
5.1 不确定性推理概述
5.2 MYCIN模型
5.3 主观Bayes方法
5.4 证据理论
5.5 模糊集合
5.6 小结
习题5

第六章 专家系统
6.1 专家系统概述
6.2 专家系统的结构
6.3 专家系统开发阶段与过程
6.4 专家系统开发工具与环境
6.5 专家系统发展趋势
6.6 小结
习题6

第七章 机器学习
7.1 概述
7.2 基于解释的学习
7.3 基于类比的学习
7.4 归纳学习
7.5 基于神经网络的学习
7.6 小结
习题7

第八章 自然语言理解
8.1 自然语言及其理解
8.2 词法分析
8.3 句法和语意分析
8.4 自然语言理解系统的模型
8.5 自然语言理解系统应用实例
8.6 小结
习题8

第九章 分布式人工智能
9.1 概述
9.2 分布式问题求解
9.3 主体
9.4 主体理论
9.5 主体结构
9.6 主体通信
9.7 主体的协调与协作
9.8 小结
习题9

第十章 知识发现与数据挖掘
10.1 概述
10.2 数据挖掘与KDD
10.3 数据挖掘功能
10.4 数据挖掘技术和方法
10.5 关联分析
10.6 聚类分析
10.7 小结
习题10

第十一章 遗传算法
11.1 遗传算法概述
11.2 基本遗传算法
11.3 模式理论
11.4 遗传算法的进一步讨论
11.5 小结
习题11

参考文献