知识工程所关注的是在一个组织中获取、处理和维护知识。大型商业机构把内部知识视为一种能够提高生产力、创造新的价值和增强竞争力的智力资源，因此知识工程已经成为其关键工作之一，对于地理分布广泛的国际组织来讲尤其如此。

作者将知识处理定义为接收环境中的感知信息并执行行动的智能体，目标是使复杂的知识处理对用户透明，改变目前知识处理中“高匹配、低精度”的状况。作者为智能体应用于知识工程这一新的领域提供一个导引，描述了其核心思想和技术，详细介绍了本体开发工具Protege和知识处理语言Visual Prolog，并给出了习题和案例。

本书是从代表未来计算模式——智能体的视角论述知识工程的基本概念、方法和技术。全书共分11章，第1章论述知识工程问题的提出；第2章给出智能体的评价标准——理性；第3、4、7、8章分别讨论了智能体工作的四种策略：目标、逻辑、效用、学习；第5章讨论了智能体工作的基础知识表示——本体；第6章讨论了常识及其推理；第9章和第10章详细介绍了知识系统开发环境Prolog及知识系统应用案例；第11章讨论了多智能体及其通信问题。

本书既是一本专著，也可作为高等学校电子信息、自动化、机电工程、计算机及其他相关专业研究生和本科高年级知识工程或人工智能的课程教材，还可供从事知识系统教学、研究、开发和应用的科技工作者参考。

《智能科学技术著作丛书》序

前言

第1章 绪论

 1．1 图灵测试与人工智能

1．1．1 图灵测试

1．1．2 人工智能的不同学派

 1．2 知识工程

1．2．1 问题的提出

1．2．2 知识

1．2．3 知识工程的基础、原理

1．2．4 知识模型中的构件

1．2．5 人的因素：知识工程中人的角色

1．2．6 知识工程的发展

 1．3 习题

第2章 智能体

 2．1 智能体和环境

 2．2 理性

 2．3 任务环境PEAS属性

 2．4 智能体结构

2．4．1 反应式智能体

2．4．2 慎思式智能体

2．4．3 混合式智能体

 2．5 小结

 2．6 习题

第3章 目标智能体

 3．1 目标智能体结构

 3．2 问题形式化

 3．3 不完全可观察环境的搜索

 3．4 利用启发式知识的目标搜索

3．4．1 贪婪最佳优先搜索算法

3．4．2 A搜索算法

3．4．3 爬山搜索算法

3．4．4 模拟退火搜索算法

3．4．5 遗传算法

 3．5 目标测试标准化

3．5．1 约束满足问题

3．5．2 CSP问题的回溯搜索

3．5．3 通过约束传播信息

3．5．4 CSP问题的最小冲突搜索

 3．6 小结

 3．7 习题

第4章 逻辑智能体

 4．1 逻辑智能体结构

 4．2  wumpus世界

 4．3 逻辑与知识库

4．3．1 命题逻辑

4．3．2 一个简单的知识库

4．3．3 真值表推理

 4．4 命题逻辑智能体

 4．5 一阶逻辑智能体

4．5．1 一阶逻辑

4．5．2 一阶逻辑知识表示

 4．6 逻辑智能体的推理

 4．7 小结

 4．8 习题

第5章 本体论

 5．1 本体概念

5．1．1 本体特征

5．1．2 本体与一般术语的区别

5．1．3 本体分类

 5．2 本体的形式化定义

5．2．1 OWA形式化定义

5．2．2 Guarino形式化定义

5．2．3 KAON形式化定义

 5．3 本体建模

5．3．1 本体建模基元

5．3．2 建立本体的一般方法

 5．4 领域本体知识库

5．4．1 领域本体知识库概念

5．4．2 领域本体知识库的构建

5．4．3 领域本体的建模

5．4．4 领域本体的复用

5．4．5 领域本体的应用

 5．5 本体编辑工具

5．5．1 本体编辑工具概述

5．5．2 Protege开发过程

5．5．3 推理机Racer

 5．6 本体描述语言

5．6．1 本体语言概述

5．6．2 HTML扩展

5．6．3 本体标记语言OML

5．6．4 基于XML的文本交换语言XOL

5．6．5 XML

5．6．6 RDF

5．6．7 本体交互语言OIL

5．6．8 DAML+OIL语言

5．6．9 子语言

5．6．10 描述逻辑

 5．7 小结

 5．8 习题

第6章 常识

 6．1 常识的概念

6．1．1 常识的例子

6．1．2 常识推理的特点 

6．1．3 常识的重要性

6．1．4 常识的表示

 6．2 常识推理

6．2．1 缺省推理

6．2．2 真值维护系统

 6．3 小结

 6．4 习题

第7章 效用智能体

 7．1 效用智能体结构

 7．2 不确定性

7．2．1 不确定环境下智能体的行动

7．2．2 不确定知识的处理

7．2．3 不确定性与理性决策

 7．3 信念网推理

7．3．1 全联合分布推理

7．3．2 信念网推理

7．3．3 信念网的数值语义

7．3．4 信念网拓扑语义

7．3．5 信念网的精确推理

 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 空间定性推理概述

 7．5 集对分析

7．5．1 集对分析基本原理

7．5．2 联系数

7．5．3 集对势

7．5．4 基于集对分析的不确定性理论

7．5．5 集对分析在人工智能中的应用

 7．6 小结

 7．7 习题

第8章 学习智能体

 8．1 学习智能体结构

 8．2 机器学习概述

8．2．1 基本概念

8．2．2 机器学习的发展史

 8．3 从观察中学习

8．3．1 假设及假设空间 

8．3．2 决策树cLs算法

 8．4 统计机器学习

8．4．1 贝叶斯决策

8．4．2 最大似然参数估计

8．4．3 无监督聚类

 8．5 PAC学习

8．5．1 泛化问题

8．5．2 SVM 

8．5．3 表示问题

 8．6 集成机器学习

8．6．1 弱可学习定理

8．6．2 集成机器学习方法

8．6．3 经验性研究问题

 8．7 强化学习

8．7．1 完全可观察的MDP问题

8．7．2 部分可观察的MDP问题

8．7．3 强化学习的组成部分

8．7．4 强化学习原理

 8．8 小结

 8．9 习题

第9章 知识处理环境Prolog

 9．1 Prolog的特点

9．1．1 事实和规则的描述

9．1．2 Prolog程序结构 

 9．2 一个简单的Prolog程序

9．2．1 表达事实

9．2．2 事实查询

9．2．3 规则表达

9．2．4 规则查询

9．2．5 规则使用

 9．3 运算

9．3．1 算术运算

9．3．2 逻辑运算

9．3．3 数据管理

9．3．4 递归

9．3．5 表

9．3．6 截断

9．3．7 循环

 9．4 Visual Prolog编程入门

9．4．1 创建项目

9．4．2 编写简单的应用程序

9．4．3 创建窗口

9．4．4 给窗口添加控件

9．4．5 画鼠标掠影

 9．5 小结

 9．6 习题

第10章 知识系统案例

 10．1 案例1——简单的医疗诊断系统

10．1．1 规则库的构造

10．1．2 源程序

10．1．3 功能扩展

10．1．4 程序运行

 10．2 案例2——汽车故障检修咨询系统

10．2．1 知识库

10．2．2 编程实现

10．2．3 运行结果

 10．3 习题

第11章 多智能体

 11．1 多智能体

11．1．1 效用和偏好

11．1．2 多智能体交互

11．1．3 优势策略和Nash平衡

11．1．4 竞争与零和交互

 11．2 智能体之间的通信

11．2．1 交谈

11．2．2 理解语言字符串

11．2．3 有效通信

参考文献