．３．４　A算法应用举例（８８）r
３．４　与／或树的启发式搜索（８９）r
３．４．１　解树的代价与希望树（８９）r
３．４．２　与／或树的启发式搜索过程（９０）r
３．５　博弈树的启发式搜索（９２）r
３．５．１　概述（９２）r
３．５．２　极大／极小过程（９３）r
３．５．３　αβ剪枝（９３）r
习题３（９５）r
第４章　计算智能（９７）r
４．１　计算智能概述（９７）r
４．１．１　什么是计算智能（９７）r
４．１．２　计算智能的产生与发展（９７）r
４．１．３　计算智能与人工智能的关系（９８）r
４．２　神经计算（９８）r
４．２．１　神经计算基础（９９）r
４．２．２　人工神经网络的互联结构（１０２）r
４．２．３　人工神经网络的典型模型（１０４）r
４．３　进化计算（１０８）r
４．３．１　进化计算概述（１０８）r
４．３．２　遗传算法（１１２）r
４．４　模糊计算（１２３）r
４．４．１　模糊集及其运算（１２３）r
４．４．２　模糊关系及其运算（１２６）r
４．５　粗糙集（１２８）r
４．５．１　粗糙集概述（１２８）r
４．５．２　粗糙集的基本理论（１２８）r
４．５．３　决策表的约简（１３１）r
习题４（１３５）r
第５章　不确定性推理（１３７）r
５．１　不确定性推理概述（１３７）r
５．１．１　不确定性推理的含义（１３７）r
５．１．２　不确定性推理的基本问题（１３８）r
５．１．３　不确定性推理的类型（１３９）r
５．２　可信度推理（１３９）r
５．２．１　可信度的概念（１４０）r
５．２．２　可信度推理模型（１４０）r
５．２．３　可信度推理的例子（１４４）r
５．３　主观Bayes推理（１４５）r
５．３．１　主观Bayes方法的概率论基础（１４５）r
５．３．２　主观Bayes方法的推理模型（１４６）r
５．３．３　主观Bayes推理的例子（１５０）r
５．３．４　主观Bayes推理的特性（１５２）r
５．４　证据理论（１５２）r
５．４．１　证据理论的形式化描述（１５２）r
５．４．２　证据理论的推理模型（１５６）r
５．４．３　推理实例（１５７）r
５．４．４　证据理论推理的特性（１５９）r
５．５　模糊推理（１５９）r
５．５．１　模糊知识表示（１５９）r
５．５．２　模糊概念的匹配（１６１）r
５．５．３　模糊推理的方法（１６２）r
５．６　概率推理（１６６）r
５．６．１　贝叶斯网络的概念及理论（１６６）r
５．６．２　贝叶斯网络推理的概念和类型（１６９）r
５．６．３r