当前位置：文档之家 › 【免费下载】高级人工智能 史忠植

【免费下载】高级人工智能 史忠植

  • 格式：pdf
  • 大小：184.80 KB
  • 文档页数：7

下载文档原格式

  / 7

合集下载

史忠植 高级人工智能(中科院)第四章

史忠植 高级人工智能(中科院)第四章
2012-03-14 史忠植 高级人工智能 12
定性模型推理
定性值集合是一个离散集合, 其元素是由对数轴的划分而得到的, 通常把数轴 (－∞,∞)划分成 (－∞,0) , 0,(0, ∞) 三段, 规定定性值 集合为 {－,0,＋}, 变量 x的定性值 [x]如下定义:
− 当x < 0 [x ] = 0 当x = 0 + 当x > 0
另外用 ∂x表示 dx/dt的定性值, 也即
2012-03-14 史忠植 高级人工智能
dx ∂x = dt
13
定性模型推理
x y 0 + ? 0 0 + + ? + + x y 0 + + 0 0 0 0 0 + 0 +
[x] ⊕ [y] 其中: 符号？表示不确定或无定义。
定性模型推理
使用下列规则，可将运算符+、×转换成⊕、⊗：
[e1＋e2] ⇒ [e1] ⊕ [e2] [e1×e2] ⇒ [e1] ⊗ [e2]
2012-03-14
节器
压力调节器是通过弹簧来控制阀门流量, 以使流量为 某一设定值而不受流入的流量和负载变化的影响。根 据物理学有
2012-03-14 史忠植 高级人工智能 25
定性进程推理
Relations: 一组参量关系 Let flow-rate be a quantity flow-rate (热流量)是一个数量 A[flow-rate] > ZERO. flow-rate 值>0 flow-rate ∝Q+ (temperature(src) -temperature(dst)) flow-rate与src,dst 的温差定性成比例 Influences: 一组影响 1-(heat(src), A[flow-rate]) flow-rate的值直接影响 heat(src),而且是负影响 1＋(heat (dst), A[flow-rate]) flow-rate的值直接影响 heat(dst),而且是正影响

aai09知识发现和数据挖掘1高级人工智能史忠植.pptx

aai09知识发现和数据挖掘1高级人工智能史忠植.pptx

2020/12/29
高级人工智能 史忠植
4
不同的术语名称
知识发现是一门来自不同领域的研究者关注的交 叉性学科，因此导致了很多不同的术语名称。
➢ 知识发现:人工智能和机器学习界。
➢ 数据挖掘(data mining):
统计界、数据分析、数据库和管理信息系统界
知识抽取 (information extraction)、 信息发现 (information discovery)、 智能数据分析 (intelligent data analysis)、 探索式数据分析 (exploratory data analysis) 信息收获 (information harvesting) 数据考古 (data archeology)
2020/12/29
高级人工智能 史忠植
5
2020/12/29
高级人工智能 史忠植
6
知识发现的任务(1)
➢ 数据总结：
对数据进行总结与概括。传统的最简单的数据总结方法是计 算出数据库的各个字段上的求和值、平均值、方差值等统计 值,或者用直方图、饼状图等图形方式表示。
➢ 分类：
根据分类模型对数据集合分类。分类属于有导师学习，一般 需要有一个训练样本数据集作为输入。
2020/12/29
高级人工智能 史忠植
15
关联规则的相关概念(2)
➢支持度
物品集A的支持度：称物品集A具有大小为s的支持度, 如果D中有s%的事务支持物品集X P(A)
1000个顾客购物，其中200个顾客购买了面包，
支持度就是20％（200/1000）。
关联规则A→B的支持度：关联规则A→B在事务数据 库W中具有大小为s的支持度,如果物品集A∪B的支持 度为s

aai12人工生命 高级人工智能 史忠植

aai12人工生命 高级人工智能 史忠植
史忠植 11
12.2 研究人工生命的原因
人工生命的研究可使我们更好地理解突发 特征，个体在低级组织中的集合，通过我 们的相互作用，常可产生特征。 人工生命将会成为研究生物的一个特别有 用的工具。
对于发展新技术及增强我们控制自然的能 力，人工生命系统是很有潜力的。 人工生命的另一显著应用是遗传工程。
2013-8-4 高级人工智能 史忠植 8
相关刊物
Artificial Life (MIT Press) Adaptive Behavior (MIT Press) Artificial Life and Robotics (Springer Verlag) Advances in Complex Systems (formerly Journal of Complex Systems) (Editions Hermes) Biological Cybernetics (Springer Verlag) Complexity (Wiley) Cybernetics & Systems Analysis (Plenum) Evolution (Society for the Study of Evolution) Evolution of Communication (John Benjamins Publishing Co.) Evolutionary Computation (MIT Press)
6. 细胞自动机
人工核苷酸
2013-8-4 高级人工智能 史忠植 14
12.5 人工生命的研究方法和战略
按照人工生命的组织机构，人工生命的内容大 致可以分成两类：
1) 构成生物体的内部系统，包括脑、神经系 统、内分泌系统、免疫系统、遗传系统、 酶系统、代谢系统等。 2) 在生物体及其群体中表现的外部系统。生 物群体中环境适应系统和遗传进化系统等。

aai09粗糙集高级人工智能史忠植

aai09粗糙集高级人工智能史忠植

2019/11/12
高级人工智能 史忠植
7
研究现状分析
史忠植. 知识发现. 北京: 清华大学出版社, 2002 刘清. Rough Set及Rough推理. 北京: 科学出版社,
2001 张文修等. Rough Set理论与方法. 北京: 科学出版社,
2001 王国胤, Rough Set理论与知识获取. 西安: 西安交通大
学出版社, 2001 曾黄麟. 粗集理论及其应用(修订版). 重庆: 重庆大学
出版社, 1998
2019/11/12
高级人工智能 史忠植
8
研究现状分析
2001年5月在重庆召开了“第1届中国Rough集与软计 算学术研讨会”，邀请了创始人Z. Pawlak教授做大 会报告；
2002年10月在苏州 第2届
IND IS (B) {( x, x') U 2 | a B, a(x) a(x')}
where INDIS (B) is called the B-indiscernibility relation.
• If (x, x') INDIS (B), then objects x and x’ are indiscernible from each other by attributes from B.
2019/11/12
高级人工智能 史忠植
11
二、 知识分类
设PR，且P ，P中所有等价关系的交集称为P上 的一种难区分关系(indiscernbility relation)
（或称难区分关系），记作IND(P)，即
[x]IND(p)= I [x]R
RP
注意，IND(P)也是等价关系且是唯一的。

高级人工智能

高级人工智能
20
VOLUME(p1,v1)
2013-7-14
DENSITY(p1,d1)
VOLUME(x,v1) DENSITY(x,d1) LESS(v1*d1,5) ISA(y,ENDTABLE) 高级人工智能-解释学习 史忠植
解释与泛化交替进行
1. 问题的逻辑描述 • 逻辑的表示方法使EBG的语义更为清楚，为学 习提供了方便的语言环境 2. 产生解释结构 • 从目标开始反向推理，分解目标。应用规则时， 同时将规则应用到变量化的目标概念上，这样 就同时生成了解释结构和泛化的解释结构 3. 生成控制规则 • 将泛化的解释结构的所有叶结点的合取作为前 件，以定点的目标概念为后件，略去解释结构 的中间部件，生成泛化的产生式规则。
1986年DeJong 和Mooney提出全局取代解释泛化Explanation
Generalization using Global Substitutions, 缩写EGGS) 方法 1987年卡耐基-梅隆大学的Minton 和 Carbonell提出解释特化 (Explanation-Based Specialization，简写EBS)学习方法
2013-7-14 高级人工智能-解释学习 史忠植 27
泛化三角表
INROOM( ROBOT, p2 ) GOTHRU( p3 , p2 , p5 ) CONNECTS( p3 , p2 , p5 )
INROOM( p6 , p5 )
INROOM( ROBOT, p5 ) PUSHTHRU( p6 , p8 , p5 , p9 )
高级人工智能-解释学习 史忠植 2
9.1 概述
基于解释的学习： 一种从单个观察中抽象出通用规则的方法
目标是下次可以快速地解决类似的问题

aai09知识发现和数据挖掘2高级人工智能史忠植.ppt

aai09知识发现和数据挖掘2高级人工智能史忠植.ppt
第九章 知识发现和数据挖掘
数据库中知识发现
史忠植 中科院计算所
2021/8/23
高级人工智能 史忠植
1
➢ 知识发现 ➢ 关联规则 ➢ 数据仓库 ➢ 知识发现工具
2021/8/23
高级人工智能 史忠植
2
知识发现
知识发现是指从数据集中抽取和精炼新的模式。 ➢ 范围非常广泛：经济、工业、农业、军事、社会 ➢ 数据的形态多样化：数字、符号、图形、图像、声音 ➢ 数据组织各不相同：结构化、半结构化和非结构 ➢ 发现的知识可以表示成各种形式
100个顾客购买了面包和黄油，则面包→黄油 10％
2021/8/23
高级人工智能 史忠植
16
关联规则的相关概念(3)
➢可信度
设W中支持物品集A的事务中，有c％的事务同时也 支持物品集B，c％称为关联规则A→B的可信度。
P(B|A) 1000个顾客购物，200个顾客购买了面包，其中140个 买了黄油，则可信度是70％（140/200）。
➢ 神经计算：
神经网络是指一类新的计算模型，它是模仿人脑神经网络的 结构和某些工作机制而建立的一种计算模型。常用的模型： ✓ Hopfield网 ✓ 多层感知机 ✓ 自组织特征映射 ✓ 反传网络
➢ 可视化：
2021/8/23
高级人工智能 史忠植
11
KDD的技术难点
➢ 动态变化的数据 ➢ 噪声 ➢ 数据不完整 ➢ 冗余信息 ➢ 数据稀疏 ➢ 超大数据量
高级人工智能 史忠植
18
关联规则发现任务
给定一个事务数据库D，求出所有满足最小支 持度和最小可信度的关联规则。该问题可以分解 为两个子问题： 1) 求出D中满足最小支持度的所有大项集； 2) 利用大项集生成满足最小可信度的所有关联规

aai07类比学习 高级人工智能 史忠植综述


42

相似度测量：
属性相似度的测量：
| E1 (Valuej ) q1 j E2 (Valuek ) q2k |
对象相似度的测量：
Sim
( E , E ) |
1 2
P i 1 1i1
m1 i 1 1i
m
P

m
j 1 2 j1 m2 j 1 2 j
P
P
|
缺少灵活性，没有匹配的原范例时无法工作。
2018/11/15
高级人工智能---史忠植
6
类比学习模型中的主要问题
• 知识表示和检索：
快速检索选择源范例。 有利于整个类比过程的实现。 易于修改。
• 灵活性，不应孤立存在：
把理论和类比策略结合起来。 多个类比的结合。
• 有效性验证。
2018/11/15
高级人工智能---史忠植
39
获取：
1) 2) 3) 4)
5) 6)
对问题求解器求得的解和T-空间中各次尝试转换进 行比较。 找出某个最接近实际解的中间状态（Dr值最小）。 假设某个新的T-操作符是从这个状态到实际解的转 换，并使其可用。 若加入新操作符后，有许多类比求解不成功，导致 产生了更多的新的T-操作符，则应用观察学习技术， 若例子形成很相似的例子集，则可以根据例子集的 特征来重新构造T-操作符。 将新的T-操作符加入可用T-操作符集。 在差别表中编序新T-操作符的入口。
2018/11/15
高级人工智能---史忠植
18
• 直接抽象方法的主要缺点：
1) 难以处理存储和检索所有可能解的组合问题， 搜索宏操作的开销可能变得比直接用MEA方法 还要大。 2) 忽略路径限制条件，造成新问题的新条件中 使当前宏操作失效，使求解过程浪费。 3) 没有考虑如何修改解序列。

史忠植 高级人工智能 电子课件(pdf)第一章

2012-02-26 史忠植 高级人工智能 7
图灵测试
The Turing Test
•1950: Alan Turing的文章 “Computing Machinery and Intelligence.” Mind, Vol. 59, No. 236, pp. 433-460提出图灵测试
2012-02-26 史忠植 高级人工智能 8
2012-02-26 史忠植 高级人工智能 22
人工智能的五个基本问题
(1) 知识与概念化是否是人工智能的核心？ (2) 认知能力能否与载体分开来研究？ (3) 认知的轨迹是否可用类自然语言来描述？ (4) 学习能力能否与认知分开来研究？ (5) 所有的认知是否有一种统一的结构？
2012-02-26
2012-02-26 史忠植 高级人工智能 13
人工智能的发展
知识工程时期
•1981: 日本政府宣布日本五代机（first-generation computer） 计划（即智能计算机） •1982: John Hopfield 掀起神经网络的研究 •1983: MCC （Microelectronics and Computer Technology Corporation）成立（Bobby Inman 任主任） •1984: Doug Lenat在Bobby Ray Inman的劝说下在MCC开始Cyc的研 究 •1986: Thinking Machines Inc 研制联结机器 (Connection Machine) •1987: LISP机器市场开始暗淡 •1988: 386芯片使得PC机速度可以与LISP机器媲美 2012-02-26 14 史忠植 高级人工智能
高级人工智能
第一章 绪论
史忠植 中国科学院计算技术研究所

人工智能之智能科学高级人工智能史忠植


统的有效控制，提高了生产效率和安全性。
史忠植对人工智能发展的贡献
推动人工智能技术进步
培养优秀人才
史忠植教授在人工智能领域的研究成 果不仅提高了技术水平，还为该领域 的发展提供了新的思路和方法。
史忠植教授在人工智能领域培养了一 大批优秀人才，这些人才在国内外学 术界和工业界都取得了杰出成就。
促进人工智能应用普及
史忠植教授的研究成果在实际应用中 取得了显著效果，推动了人工智能技 术的普及和应用。
史忠植对智能科学的推动与影响
引领智能科学研究方向
史忠植教授的研究成果为智能科学的发展指明了方向，引领了该领域的研究潮流。
促进智能科学与多学科交叉融合
史忠植教授的研究成果将智能科学与计算机科学、控制科学、心理学等学科进行了深度融 合，推动了多学科交叉研究的进展。
自主智能系统
具备自主感知、决策、执行和学习能力，能 够独立完成复杂任务的系统。
智能机器人
结合传感器、控制器和执行器等硬件设备， 实现人机交互和自主行动的机器人系统。
04
史忠植的贡献与影响
史忠植的主要研究成果
01
提出基于知识的智能系统框架
史忠植教授在人工智能领域最早提出基于知识的智能系统框架，将知识
专家系统
利用专家知识和推理规则进行问题求 解的系统，能够提供专业领域的咨询 和服务。
知识工程
研究如何获取、表示、存储、检索和 应用知识的科学，是人工智能领域的 重要分支。
人工神经网络与深度学习
人工神经网络
模拟生物神经网络结构和功能的计算模型，通过训练不断优化网络参数，实现复杂的数据处理和模式识别。
获取、推理、学习和问题求解等智能活动统一于一体，为后续的智能系

高级人工智能


Human ⊓ Male
析取
C⊔ D
CI ⋃ DI
Doctor ⊔ Lawyer
非
¬C
存在量词 ∃ R.C
全称量词 ∀ R.C
2020/3/27
△I \C
¬ Male
{x| ∃ y.<x,y>∈ RI∧y ∈ CI} ∃ has-child.Male
{x| ∀ y.<x,y>∈ RI y ∈ CI} ∀ has-child.Doctor
史忠植 高级人工智能
20
5 DL中的构造算子
一般地，描述逻辑依据提供的构造算子，在简单的 概念和关系上构造出复杂的概念和关系。
通常DL至少包含以下算子： ◆ 合取(⊓ )，吸取(⊔ )，非(¬) ◆ 量词约束：存在量词( ∃ )，全称量词(∀)
最基本的DL称之为ALC
例如，ALC中概念Happy-father定义为： Man ⊓ ∃ has-child.Male ⊓ ∃ has-child.Female ⊓ ∀has-child.(Doctor ⊔ Lawyer)
一般地，在描述逻辑中添加不同的算子，则得到不同 表达能力的描述逻辑，其复杂性问题也不尽相同。
例如，在ALC的基础上添加逆( - )算子，则构成ALCI 若再加上数量约束算子(≥n , ≤ n )，则构成ALCIQ。
若在描述逻辑中添加时序算子，则构成为时序描述 逻辑(Temporal Description Logic)，例如，可以添加：
对一个概念C，如果存在一个解释I使得CI是非空 的，则称概念C是可满足的，否则是不可满足的。
检验一个概念的可满足性，实际上就是看是否有 解释使得这个概念成立。例如：概念Male ⊓ Female， 即需要检测是否有性别既是男的又是女的这样的人。 若确实是没有这种两性人，则我们断言，这个概念 是不可满足的。
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

编号：8106
高级人工智能
ADVANCED ARTIFICIAL INTELLIGENCE
类型：AB学时/学分：60/3, 机时：20
预修课程
数理逻辑、人工智能原理
教学目的和要求
(1) 了解人工智能前沿研究领域
(2) 了解人工智能最新研究成果
(3) 掌握基本思想和关键技术
(4) 培养人工智能研究能力
内容提要和简要目录
本课讲授和讨论人工智能前沿研究领域的主要思想和关键技术。

主要内容有
非单调逻辑、自动推理、机器学习、分布式人工智能、人工思维、人工生命、大规模并行人工智能等。

简要目录
第一章绪论
1.1 人工智能的认知问题
1.2 思维的层次模型
1.3 符号智能
1.4 人工智能的发展概况
1.5 人工智能的研究方法
1.5.1 认知学派
1.5.2 逻辑学派
1.5.3 行为学派
1.6 自动推理
1.7 机器学习
1.8 分布式人工智能
1.9 人工思维模型
1.10 知识系统
第二章人工智能逻辑
2.1 逻辑-----重要的形式工具
2.1.1 逻辑程序设计
2.1.2 关于知识的表示与推理
2.2 非单调逻辑
2.3 默认逻辑
2.4 限定逻辑
2.5 自认知逻辑
2.5.1 Moore系统${\cal L}_{B}$
2.5.2 $\cal O \cal L$ 逻辑
2.5.3 标准型定理
2.5.4 $\diamondsuit-$ 记号以及稳定扩张的一种判定过程2.6 真值维护系统
2.7 情景演算的逻辑基础
2.7.1 刻划情景演算的多类逻辑$\bf LR$
2.7.2 $\bf LR$中的基本动作理论
2.7.3 多类逻辑$\bf LR$的改进
第三章约束推理
3.1 概述
3.2 回溯法
3.3 约束传播
3.4 约束传播在树搜索中的作用
3.5 智能回溯与真值维护
3.6 变量例示次序与赋值次序
3.7 局部修正搜索法
3.8 基于图的回跳法
3.9 基于影响的回跳法
3.10 约束关系运算的处理
3.10.1 恒等关系的单元共享策略
3.10.2 区间传播
3.10.3 不等式图
3.10.4 不等式推理
3.11 约束推理系统COPS
第四章定性推理
4.1 概述
4.2 定性推理的基本方法
4.3 定性模型推理
4.4 定性进程推理
4.5 定性仿真推理
4.5.1 定性状态转换
4.5.2 QSIM算法
4.6 代数方法
4.7 几何空间定性推理
4.7.1 空间逻辑
4.7.2 空间时间关系描述
4.7.3 空间和时间逻辑的应用
4.7.4 Randell算法
第五章基于范例推理
5.1 概述
5.2 基于范例学习的一般过程
5.3 范例的表示
5.3.1 语义记忆单元
5.3.2 记忆网
5.4 基于记忆网的范例检索
5.4.1 检索问题
5.4.2 语义记忆单元和范例检索
5.4.3 检索信息集与源范例的对应
5.4.4 单概念的范例检索算法AS
5.4.5 多概念的范例检索算法AM
5.5 相似性关系
5.5.1 语义相似性
5.5.2 结构相似性
5.5.3 目标特征
5.5.4 个体相似性
5.5.5 相似性计算
5.5.6 优选过程
5.5.7 约束满足理论
5.6 范例复用
5.6.1 类比映射
5.6.2 类比转换
5.7 范例保存
5.8 基于范例的规划设计程序
5.9 范例库维护
5.10 基于范例推理的洪水预报系统FOREZ 第六章归纳学习
6.1 概述
6.2 归纳学习的逻辑基础
6.2.1 归纳学习的一般模式
6.2.2 概念获取的条件
6.2.3 问题背景知识
6.2.4 选择型和构造型泛化规则
6.3 偏置变换
6.4 变型空间方法
6.4.1 消除候选元素算法
6.4.2 两种改进算法
6.5 AQ归纳学习算法
6.6 产生与测试方法
6.7 决策树学习
6.7.1 CLS学习算法
6.7.2 ID3学习算法
6.7.3 ID4学习算法
6.7.4 ID5学习算法
6.8 归纳学习的计算理论
6.8.1 Gold学习理论
6.8.2 模型推理系统
6.8.3 Valiant 学习理论
第七章类比学习
7.1 什么是类比学习
7.2 类比的形式定义
7.3 基于抽象的有用类比推理
7.4 转换类比
7.4.1 手段--目的分析的问题求解模型 7.4.2 类比求解问题计算模型
7.4.3 问题求解状态变换
7.4.4 转换类比学习系统
7.4.5 类比学习的泛化规则
7.5 派生类比
7.6 因果关系型类比学习
7.6.1 类比匹配技术与相似性度量概述 7.6.2 知识表示
7.6.3 类比匹配
7.6.4 抽取问题的特征
7.6.5 相似度的计算方法
7.6.6 最佳对应关系匹配
7.7 联想类比学习
7.7.1 联想类比
7.7.2 联想类比条件
7.8 约束满足类比
7.8.1 三类约束
7.8.2 约束满足理论
7.8.3 ACME 第八章解释学习
8.1 概述
8.2 解释学习模型
8.3 解释泛化学习方法
8.3.1 基本原理
8.3.2 解释与泛化交替进行
8.4 全局取代解释泛化方法
8.5 解释特化学习方法
8.6 解释泛化的逻辑程序
8.6.1 工作原理
8.6.2 元解释器
8.6.3 实验例子
8.7 基于知识块的SOAR系统
8.8 可操作性标准
8.8.1 PRODIGY 的效用问题
8.8.2 SOAR系统的可操作性
8.8.3 MRS-EBG的可操作性
8.8.4 META-LEX的处理方法
8.9 不完全领域知识下的解释学习
8.9.1 不完全领域知识
8.9.2 逆归结方法
8.9.3 基于深层知识方法
第九章知识发现和数据开采
9.1 概述
9.2 数据驱动知识发现------BACON 9.3 模型躯动知识发现------COPER 9.4 理论驱动式发现方法
9.4.1 知识表示
9.4.2 学习实现
9.4.3 学习发现
9.5 概念聚类
9.5.1 概念内聚
9.5.2 聚类方法
9.6 数据开采
9.7 数据开采的数学工具------粗糙集 9.7.1 粗糙集理论
9.7.2 粗糙分类
9.7.3 渔网算法
9.8 广义粗糙集
9.9 基于粗糙集的数据约简
9.10 以数据仓库为基础的数据开采
9.10.1 数据仓库
9.10.2 联想规则发现算法
9.11 知识发现工具KDT
9.11.1 系统结构
9.11.2 知识发现算法
第十章分布式人工智能
10.1 概述
10.2 分布式问题求解
10.2.1 分布式问题求解系统分类
10.2.2 分布式问题求解过程
10.3 主体
10.4 主体理论
10.4.1 理性主体
10.4.2 BDI主体模型
10.4.3 RAO逻辑框架
10.4.4 关于对别人进行推理的一个模式---换位推理 10.4.5 动作理论
10.4.6 次协调机制的引进
10.5 主体结构
10.5.1 反应主体
10.5.2 认知主体
10.5.3 复合式主体
10.6 主体通信
10.6.1 KQML
10.6.2 主体通信语言SACL
10.6.3 SACL语法结构
10.6.4 SACL保留关键字
10.7 主体的协调与协作
10.7.1 计算生态学
10.7.2 基于对策论的协调与协作
10.7.3 协商
10.8 多主体处理环境MAPE
10.8.1 主体的逻辑结构
10.8.2 主体虚拟层
10.8.3 主体逻辑层
10.8.4 主体概念层
10.8.5 多主体系统的总体结构
10.8.6 主体创建
10.8.7 多主体系统构建
第十一章进化计算
11.1 概述
11.2 进化系统理论的形式模型
11.3 达尔文进化算法
11.4 分类器系统
11.5 桶链算法
11.6 遗传算法
11.6.1 遗传算法的主要步骤
11.6.2 表示模式
11.6.3 杂交操作
11.6.4 变异操作
11.6.5 反转操作
11.7 并行遗传算法
11.8 分类器系统 Boole
11.9 规则发现系统
11.10 进化策略
11.11 进化程序设计
第十二章人工生命
12.1 引言
12.2 研究人工生命的原因
12.3 人工生命的探索
12.4 人工生命模型
12.5 人工生命的研究方法和战略
12.6 计算机生命
12.7 细胞自动机
12.8 形态形成理论
12.9 混沌理论
四、教材
1. 史忠植：高级人工智能, 科学出版社，1998
五、参考书
六、教学方式
课堂讲授和讨论
七、考查方式
课程设计 40%
闭卷考试 60%
撰写人：史忠植。