人工智能的知識(shí)領(lǐng)域浩繁，很難面面俱到，但是各個(gè)領(lǐng)域的思想和方法有許多可以互相借鑒的地方。隨著人工智能理論研究的發(fā)展和成熟，人工智能的應(yīng)用領(lǐng)域更為寬廣，應(yīng)用效果更為顯著。從應(yīng)用的角度看，人工智能的研究主要集中在以下幾個(gè)方面。

1. 專家系統(tǒng)

專家系統(tǒng)是一個(gè)具有大量專門(mén)知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。它應(yīng)用人工智能技術(shù)，根據(jù)某個(gè)領(lǐng)域一個(gè)或多個(gè)人類專家提供的知識(shí)和經(jīng)驗(yàn)進(jìn)行推理和判斷，模擬人類專家的決策過(guò)程，以解決那些需要專家決定的復(fù)雜問(wèn)題。目前在許多領(lǐng)域，專家系統(tǒng)已取得顯著效果。專家系統(tǒng)與傳統(tǒng)計(jì)算機(jī)程序的本質(zhì)區(qū)別在于，專家系統(tǒng)所要解決的問(wèn)題一般沒(méi)有算法解，并且經(jīng)常要在不完全、不精確或不確定的信息基礎(chǔ)上做出結(jié)論。它可以解決的問(wèn)題一般包括解釋、預(yù)測(cè)、診斷、設(shè)計(jì)、規(guī)劃、監(jiān)視、修理、指導(dǎo)和控制等。從體系結(jié)構(gòu)上可分為集中式專家系統(tǒng)、分布式專家系統(tǒng)、協(xié)同式專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)等；從方法上可分為基于規(guī)則的專家系統(tǒng)、基于模型的專家系統(tǒng)、基于框架的專家系統(tǒng)等。

2. 自然語(yǔ)言理解

自然語(yǔ)言理解是研究實(shí)現(xiàn)人類與計(jì)算機(jī)系統(tǒng)之間用自然語(yǔ)言進(jìn)行有效通信的各種理論和方法。由于目前計(jì)算機(jī)系統(tǒng)與人類之間的交互還只能使用嚴(yán)格限制的各種非自然語(yǔ)言，因此解決計(jì)算機(jī)系統(tǒng)能夠理解自然語(yǔ)言的問(wèn)題，一直是人工智能研究領(lǐng)域的重要研究課題之一。

實(shí)現(xiàn)人機(jī)間自然語(yǔ)言通信意味著計(jì)算機(jī)系統(tǒng)既能理解自然語(yǔ)言文本的意義，也能生成自然語(yǔ)言文本來(lái)表達(dá)給定的意圖和思想等。而語(yǔ)言的理解和生成是一個(gè)極為復(fù)雜的解碼和編碼問(wèn)題。一個(gè)能夠理解自然語(yǔ)言的計(jì)算機(jī)系統(tǒng)看起來(lái)就像一個(gè)人一樣，它需要有上下文知識(shí)和信息，并能用信息發(fā)生器進(jìn)行推理。理解口頭和書(shū)寫(xiě)語(yǔ)言的計(jì)算機(jī)系統(tǒng)的基礎(chǔ)就是表示上下文知識(shí)結(jié)構(gòu)的某些人工智能思想，以及根據(jù)這些知識(shí)進(jìn)行推理的某些技術(shù)。

雖然在理解有限范圍的自然語(yǔ)言對(duì)話和理解用自然語(yǔ)言表達(dá)的小段文章或故事方面的程序系統(tǒng)已有一定的進(jìn)展，但要實(shí)現(xiàn)功能較強(qiáng)的理解系統(tǒng)仍十分困難。從目前的理論和技術(shù)現(xiàn)狀看，它主要應(yīng)用于機(jī)器翻譯、自動(dòng)文摘、全文檢索等方面，而通用的和高質(zhì)量的自然語(yǔ)言處理系統(tǒng)，仍然是較長(zhǎng)期的努力目標(biāo)。

3. 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是人工智能的一個(gè)核心研究領(lǐng)域，它是計(jì)算機(jī)具有智能的根本途徑。學(xué)習(xí)是人類智能的主要標(biāo)志和獲取知識(shí)的基本手段。Simon認(rèn)為：“如果一個(gè)系統(tǒng)能夠通過(guò)執(zhí)行某種過(guò)程而改進(jìn)它的性能，這就是學(xué)習(xí)?！?/p>

機(jī)器學(xué)習(xí)研究的主要目標(biāo)是讓機(jī)器自身具有獲取知識(shí)的能力，使機(jī)器能夠總結(jié)經(jīng)驗(yàn)、修正錯(cuò)誤、發(fā)現(xiàn)規(guī)律、改進(jìn)性能，對(duì)環(huán)境具有更強(qiáng)的適應(yīng)能力。通常要解決如下幾方面的問(wèn)題：（1）選擇訓(xùn)練經(jīng)驗(yàn)。它包括如何選擇訓(xùn)練經(jīng)驗(yàn)的類型，如何控制訓(xùn)練樣本序列，以及如何使訓(xùn)練樣本的分布與未來(lái)測(cè)試樣本的分布相似等子問(wèn)題；（2）選擇目標(biāo)函數(shù)。所有的機(jī)器學(xué)習(xí)問(wèn)題幾乎都可簡(jiǎn)化為學(xué)習(xí)某個(gè)特定的目標(biāo)函數(shù)的問(wèn)題，因此，目標(biāo)函數(shù)的學(xué)習(xí)、設(shè)計(jì)和選擇是機(jī)器學(xué)習(xí)領(lǐng)域的關(guān)鍵問(wèn)題；（3）選擇目標(biāo)函數(shù)的表示。對(duì)于一個(gè)特定的應(yīng)用問(wèn)題，在確定了理想的目標(biāo)函數(shù)后，接下來(lái)的任務(wù)是必須從很多（甚至是無(wú)數(shù)）種表示方法中選擇一種最優(yōu)或近似最優(yōu)的表示方法。

目前，機(jī)器學(xué)習(xí)的研究還處于初級(jí)階段，但卻是一個(gè)必須大力開(kāi)展研究的階段。只有機(jī)器學(xué)習(xí)的研究取得進(jìn)展，人工智能和知識(shí)工程才會(huì)取得重大突破。

4. 自動(dòng)定理證明

自動(dòng)定理證明，又叫機(jī)器定理證明，它是數(shù)學(xué)和計(jì)算機(jī)科學(xué)相結(jié)合的研究課題。數(shù)學(xué)定理的證明是人類思維中演繹推理能力的重要體現(xiàn)。演繹推理實(shí)質(zhì)上是符號(hào)運(yùn)算，因此原則上可以用機(jī)械化的方法來(lái)進(jìn)行。數(shù)理邏輯的建立使自動(dòng)定理證明的設(shè)想有了更明確的數(shù)學(xué)形式。1965年Robinson提出了一階謂詞演算中的歸結(jié)原理，這是自動(dòng)定理證明的重大突破。1976年，美國(guó)的Appel等三人利用高速計(jì)算機(jī)證明了124年未能解決的“四色問(wèn)題”，表明利用電子計(jì)算機(jī)有可能把人類思維領(lǐng)域中的演繹推理能力推進(jìn)到前所未有的境界。我國(guó)數(shù)學(xué)家吳文俊在1976年年底開(kāi)始研究可判定問(wèn)題，即論證某類問(wèn)題是否存在統(tǒng)一算法解。他在微型機(jī)上成功地設(shè)計(jì)了初等幾何與初等微分幾何中一大類問(wèn)題的判定算法及相應(yīng)的程序，其研究處于國(guó)際領(lǐng)先地位。后來(lái)，我國(guó)數(shù)學(xué)家張景中等人進(jìn)一步推出了“可讀性證明”的機(jī)器證明方法，再一次轟動(dòng)了國(guó)際學(xué)術(shù)界。

自動(dòng)定理證明的理論價(jià)值和應(yīng)用范圍并不局限于數(shù)學(xué)領(lǐng)域，許多非數(shù)值領(lǐng)域的任務(wù)，如醫(yī)療診斷、信息檢索、規(guī)劃制定和難題求解等，都可以轉(zhuǎn)化成相應(yīng)的定理證明問(wèn)題，或者與定理證明有關(guān)的問(wèn)題，所以自動(dòng)定理證明的研究具有普遍意義。

5. 自動(dòng)程序設(shè)計(jì)

自動(dòng)程序設(shè)計(jì)是指根據(jù)給定問(wèn)題的原始描述，自動(dòng)生成滿足要求的程序。它是軟件工程和人工智能相結(jié)合的研究課題。自動(dòng)程序設(shè)計(jì)主要包含程序綜合和程序驗(yàn)證兩方面內(nèi)容。前者實(shí)現(xiàn)自動(dòng)編程，即用戶只需告知機(jī)器“做什么”，無(wú)須告訴“怎么做”，這后一步的工作由機(jī)器自動(dòng)完成；后者是程序的自動(dòng)驗(yàn)證，自動(dòng)完成正確性的檢查。

目前程序綜合的基本途徑主要是程序變換，即通過(guò)對(duì)給定的輸入、輸出條件進(jìn)行逐步變換，以構(gòu)成所要求的程序。程序驗(yàn)證是利用一個(gè)已驗(yàn)證過(guò)的程序系統(tǒng)來(lái)自動(dòng)證明某一給定程序P的正確性。假設(shè)程序P的輸入是x，它必須滿足輸入條件φ（x）；程序的輸出是z=P（x），它必須滿足輸出條件Φ（x，z）。判斷程序的正確性有三種類型，即終止性、部分正確性和完全正確性。

目前在自動(dòng)程序設(shè)計(jì)方面已取得一些初步的進(jìn)展，尤其是程序變換技術(shù)已引起計(jì)算機(jī)科學(xué)工作者的重視?，F(xiàn)在國(guó)外已陸續(xù)出現(xiàn)一些實(shí)驗(yàn)性的程序變換系統(tǒng)，如英國(guó)愛(ài)丁堡大學(xué)的程序自動(dòng)變換系統(tǒng)POP-2和德國(guó)默森技術(shù)大學(xué)的程序變換系統(tǒng)CIP等。

6. 分布式人工智能

分布式人工智能是分布式計(jì)算與人工智能結(jié)合的結(jié)果。它主要研究在邏輯上或物理上分散的智能動(dòng)作者如何協(xié)調(diào)其智能行為，求解單目標(biāo)和多目標(biāo)問(wèn)題，為設(shè)計(jì)和建立大型復(fù)雜的智能系統(tǒng)或計(jì)算機(jī)支持協(xié)同工作提供有效途徑。它所能解決的問(wèn)題需要整體互動(dòng)所產(chǎn)生的整體智能來(lái)解決。主要研究?jī)?nèi)容有分布式問(wèn)題求解（DPS，Distribution Problem Solving）和多智能體系統(tǒng)（MAS，Multi-Agent System）。

分布式問(wèn)題求解的方法是，先把問(wèn)題分解成任務(wù)，再為之設(shè)計(jì)相應(yīng)的任務(wù)執(zhí)行系統(tǒng)。而MAS是由多個(gè)Agent組成的集合，通過(guò)Agent的交互來(lái)實(shí)現(xiàn)系統(tǒng)的表現(xiàn)。MAS主要研究多個(gè)Agent為了聯(lián)合采取行動(dòng)或求解問(wèn)題，如何協(xié)調(diào)各自的知識(shí)、目標(biāo)、策略和規(guī)劃。在表達(dá)實(shí)際系統(tǒng)時(shí)，MAS通過(guò)各Agent間的通信、合作、互解、協(xié)調(diào)、調(diào)度、管理及控制來(lái)表達(dá)系統(tǒng)的結(jié)構(gòu)、功能及行為特性。由于在同一個(gè)MAS中各Agent可以異構(gòu)，因此Multi-Agent技術(shù)對(duì)于復(fù)雜系統(tǒng)具有無(wú)可比擬的表達(dá)力。它為各種實(shí)際系統(tǒng)提供了一種統(tǒng)一的模型，能夠體現(xiàn)人類的社會(huì)智能，具有更大的靈活性和適應(yīng)性，更適合開(kāi)放和動(dòng)態(tài)的世界環(huán)境，因而備受重視，相關(guān)研究已成為人工智能以至計(jì)算機(jī)科學(xué)和控制科學(xué)與工程的研究熱點(diǎn)。

7. 機(jī)器人學(xué)

機(jī)器人學(xué)是機(jī)械結(jié)構(gòu)學(xué)、傳感技術(shù)和人工智能結(jié)合的產(chǎn)物。1948年美國(guó)研制成功第一代遙控機(jī)械手，17年后第一臺(tái)工業(yè)機(jī)器人誕生，從此相關(guān)研究不斷取得進(jìn)展。機(jī)器人的發(fā)展經(jīng)歷了以下幾個(gè)階段：第一代為程序控制機(jī)器人，它以“示教-再現(xiàn)”方式，一次又一次學(xué)習(xí)后進(jìn)行再現(xiàn)，代替人類從事笨重、繁雜與重復(fù)的勞動(dòng)；第二代為自適應(yīng)機(jī)器人，它配備有相應(yīng)的感覺(jué)傳感器，能獲取作業(yè)環(huán)境的簡(jiǎn)單信息，允許操作對(duì)象的微小變化，對(duì)環(huán)境具有一定適應(yīng)能力；第三代為分布式協(xié)同機(jī)器人，它裝備有視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)多種類型傳感器，在多個(gè)方向平臺(tái)上感知多維信息，并具有較高的靈敏度，能對(duì)環(huán)境信息進(jìn)行精確感知和實(shí)時(shí)分析，協(xié)同控制自己的多種行為，具有一定的自學(xué)習(xí)、自主決策和判斷能力，能處理環(huán)境發(fā)生的變化，能和其他機(jī)器人進(jìn)行交互。

從功能上來(lái)考慮，機(jī)器人學(xué)的研究主要涉及兩個(gè)方面：一方面是模式識(shí)別，即給機(jī)器人配備視覺(jué)和觸覺(jué)，使其能夠識(shí)別空間景物的實(shí)體和陰影，甚至可以辨別出兩幅圖像的微小差別，從而完成模式識(shí)別的功能；另一方面是運(yùn)動(dòng)協(xié)調(diào)推理。機(jī)器人的運(yùn)動(dòng)協(xié)調(diào)推理是指機(jī)器人在接受外界的刺激后，驅(qū)動(dòng)機(jī)器人行動(dòng)的過(guò)程。

機(jī)器人學(xué)的研究促進(jìn)了人工智能思想的發(fā)展，它所導(dǎo)致的一些技術(shù)可在人工智能研究中用來(lái)建立世界狀態(tài)模型和描述世界狀態(tài)變化的過(guò)程。

8. 模式識(shí)別

模式識(shí)別研究的是計(jì)算機(jī)的模式識(shí)別系統(tǒng)，即用計(jì)算機(jī)代替人類或幫助人類感知模式。模式通常具有實(shí)體的形式，如聲音、圖片、圖像、語(yǔ)言、文字、符號(hào)、物體和景象等，可以用物理、化學(xué)及生物傳感器進(jìn)行具體采集和測(cè)量。但模式所指的不是事物本身，而是從事物獲得的信息，因此，模式往往表現(xiàn)為具有時(shí)間和空間分布的信息。人們?cè)谟^察、認(rèn)識(shí)事物和現(xiàn)象時(shí)，常常尋找它與其他事物和現(xiàn)象的相同與不同之處，根據(jù)使用目的進(jìn)行分類、聚類和判斷，人腦的這種思維能力就構(gòu)成了模式識(shí)別的能力。

模式識(shí)別呈現(xiàn)多樣性和多元化趨勢(shì)，可以在不同的概念粒度上進(jìn)行，其中生物特征識(shí)別成為模式識(shí)別的新高潮，包括語(yǔ)音識(shí)別、文字識(shí)別、圖像識(shí)別、人物景象識(shí)別和手語(yǔ)識(shí)別等；人們還要求通過(guò)識(shí)別語(yǔ)種、樂(lè)種和方言來(lái)檢索相關(guān)的語(yǔ)音信息，通過(guò)識(shí)別人種、性別和表情來(lái)檢索所需要的人臉圖像；通過(guò)識(shí)別指紋（掌紋）、人臉、簽名、虹膜和行為姿態(tài)識(shí)別身份。普遍利用小波變換、模糊聚類、遺傳算法、貝葉斯理論和支持向量機(jī)等方法進(jìn)行識(shí)別對(duì)象分割、特征提取、分類、聚類和模式匹配。模式識(shí)別是一個(gè)不斷發(fā)展的新科學(xué)，它的理論基礎(chǔ)和研究范圍也在不斷發(fā)展。

9. 博弈

計(jì)算機(jī)博弈主要是研究下棋程序。在20世紀(jì)60年代就出現(xiàn)了很有名的西洋跳棋和國(guó)際象棋的程序，并達(dá)到了大師的水平。進(jìn)入20世紀(jì)90年代，IBM公司以其雄厚硬件基礎(chǔ)，支持開(kāi)發(fā)后來(lái)被稱之為“深藍(lán)”的國(guó)際象棋系統(tǒng)，并為此開(kāi)發(fā)了專用的芯片，以提高計(jì)算機(jī)的搜索速度。1996年2月，與國(guó)際象棋世界冠軍卡斯帕羅夫進(jìn)行了第一次比賽，經(jīng)過(guò)六個(gè)回合的比賽之后，“深藍(lán)”以2∶4告負(fù)。1997年5月，系統(tǒng)經(jīng)過(guò)改進(jìn)以后，“深藍(lán)”又第二次與卡斯帕羅夫交鋒，并最終以3.5∶2.5戰(zhàn)勝了卡斯帕羅夫，在世界范圍內(nèi)引起了轟動(dòng)。

博弈問(wèn)題為搜索策略、機(jī)器學(xué)習(xí)等問(wèn)題的研究課題提供了很好的實(shí)際背景，所發(fā)展起來(lái)的一些概念和方法對(duì)人工智能的其他問(wèn)題也很有用。

10. 計(jì)算機(jī)視覺(jué)

視覺(jué)是各個(gè)應(yīng)用領(lǐng)域，如制造業(yè)、檢驗(yàn)、文檔分析、醫(yī)療診斷和軍事等領(lǐng)域中各種智能系統(tǒng)中不可分割的一部分。計(jì)算機(jī)視覺(jué)涉及計(jì)算機(jī)科學(xué)與工程、信號(hào)處理、物理學(xué)、應(yīng)用數(shù)學(xué)和統(tǒng)計(jì)學(xué)、神經(jīng)生理學(xué)和認(rèn)知科學(xué)等多個(gè)領(lǐng)域的知識(shí)，已成為一門(mén)不同于人工智能、圖像處理和模式識(shí)別等相關(guān)領(lǐng)域的成熟學(xué)科。計(jì)算機(jī)視覺(jué)研究的最終目標(biāo)是，使計(jì)算機(jī)能夠像人那樣通過(guò)視覺(jué)觀察和理解世界，具有自主適應(yīng)環(huán)境的能力。

計(jì)算機(jī)視覺(jué)研究的任務(wù)是理解一個(gè)圖像，這里的圖像是利用像素所描繪的景物。其研究領(lǐng)域涉及圖像處理、模式識(shí)別、景物分析、圖像解釋、光學(xué)信息處理、視頻信號(hào)處理以及圖像理解。這些領(lǐng)域可分為如下三類：第一是信號(hào)處理，即研究把一個(gè)圖像轉(zhuǎn)換為具有所需特征的另一個(gè)圖像的方法；第二是分類，即研究如何把圖像劃分為預(yù)定類別。分類是從圖像中抽取一組預(yù)先確定的特征值，然后根據(jù)用于多維特征空間的統(tǒng)計(jì)決策方法決定一個(gè)圖像是否符合某一類；第三是理解，即在給定某一圖像的情況下，一個(gè)圖像理解程序不僅描述這個(gè)圖像的本身，而且也描述該圖像所描繪的景物。

計(jì)算機(jī)視覺(jué)的前沿研究領(lǐng)域包括實(shí)時(shí)并行處理、主動(dòng)式定性視覺(jué)、動(dòng)態(tài)和時(shí)變視覺(jué)、三維景物的建模與識(shí)別、實(shí)時(shí)圖像壓縮傳輸和復(fù)原、多光譜和彩色圖像的處理與解釋等。計(jì)算機(jī)視覺(jué)已在機(jī)器人裝配、衛(wèi)星圖像處理、工業(yè)過(guò)程監(jiān)控、飛行器跟蹤和制導(dǎo)以及電視實(shí)況轉(zhuǎn)播等領(lǐng)域獲得極為廣泛的應(yīng)用。

11. 軟計(jì)算

通常把人工神經(jīng)網(wǎng)絡(luò)計(jì)算、模糊計(jì)算和進(jìn)化計(jì)算作為軟計(jì)算的三個(gè)主要內(nèi)容。一般來(lái)說(shuō)，軟計(jì)算多應(yīng)用于缺乏足夠的先驗(yàn)知識(shí)，只有一大堆相關(guān)的數(shù)據(jù)和記錄的問(wèn)題。

人工神經(jīng)網(wǎng)絡(luò)（ANN，Artificial Neural Network）是一種應(yīng)用類似于大腦神經(jīng)突觸連接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。在這一模型中，大量的節(jié)點(diǎn)之間相互連接構(gòu)成網(wǎng)絡(luò)，即“神經(jīng)網(wǎng)絡(luò)”，以達(dá)到處理信息的目的。人工神經(jīng)網(wǎng)絡(luò)模型及其學(xué)習(xí)算法試圖從數(shù)學(xué)上描述人工神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)過(guò)程，建立相應(yīng)的模型；然后在該模型的基礎(chǔ)上，對(duì)于給定的學(xué)習(xí)樣本，找出一種能以較快的速度和較高的精度調(diào)整神經(jīng)元間互連權(quán)值，使系統(tǒng)達(dá)到穩(wěn)定狀態(tài)，滿足學(xué)習(xí)要求的算法。

模糊計(jì)算處理的是模糊集合和邏輯連接符，以描述現(xiàn)實(shí)世界中類似人類處理的推理問(wèn)題。模糊集合包含論域中所有元素，但是具有[0，1]區(qū)間的可變隸屬度值。模糊集合最初由美國(guó)加利福尼亞大學(xué)教授扎德（L.A.Zadeh）在系統(tǒng)理論中提出，后來(lái)又?jǐn)U充并應(yīng)用于專家系統(tǒng)中的近似計(jì)算。

進(jìn)化計(jì)算是通過(guò)模擬自然界中生物進(jìn)化機(jī)制進(jìn)行搜索的一種算法，以遺傳算法（GA，Genetic Algorithm）、進(jìn)化策略等為代表。遺傳算法是一種隨機(jī)算法，它是模擬生物進(jìn)化中“優(yōu)勝劣汰”自然法則的進(jìn)化過(guò)程而設(shè)計(jì)的算法。該算法模仿生物染色體中基因的選擇、交叉和變異的自然進(jìn)化過(guò)程，通過(guò)個(gè)體結(jié)構(gòu)不斷重組，形成一代代的新群體，最終收斂于近似優(yōu)化解。1975年，Holland出版了《自然和人工系統(tǒng)中的適應(yīng)性》一書(shū)，系統(tǒng)地闡述了遺傳算法的基本理論和方法，奠定了遺傳算法的理論基礎(chǔ)。

12. 智能控制

智能控制是把人工智能技術(shù)引入控制領(lǐng)域，建立智能控制系統(tǒng)。1965 年，美籍華人科學(xué)家傅京孫首先提出把人工智能的啟發(fā)式推理規(guī)則用于學(xué)習(xí)控制系統(tǒng)。十多年后，建立實(shí)用智能控制系統(tǒng)的技術(shù)逐漸成熟。1971年，傅京孫提出把人工智能與自動(dòng)控制結(jié)合起來(lái)的思想。1977年，美國(guó)人薩里迪斯（G.N.Saridis）提出把人工智能、控制論和運(yùn)籌學(xué)結(jié)合起來(lái)的思想。1986年，我國(guó)的蔡自興教授提出把人工智能、控制論、信息論和運(yùn)籌學(xué)結(jié)合起來(lái)的思想。根據(jù)這些思想已經(jīng)研究出一些智能控制的理論和技術(shù)可以構(gòu)造用于不同領(lǐng)域的智能控制系統(tǒng)。

智能控制具有兩個(gè)顯著的特點(diǎn)：首先，智能控制同時(shí)具有知識(shí)表示的非數(shù)學(xué)廣義世界模型和傳統(tǒng)數(shù)學(xué)模型混合表示的控制過(guò)程，并以知識(shí)進(jìn)行推理，以啟發(fā)來(lái)引導(dǎo)求解過(guò)程。其次，智能控制的核心在高層控制，即組織級(jí)控制。其任務(wù)在于對(duì)實(shí)際環(huán)境或過(guò)程進(jìn)行組織，即決策和規(guī)劃，以實(shí)現(xiàn)廣義問(wèn)題求解。

13. 智能規(guī)劃

智能規(guī)劃是人工智能研究領(lǐng)域近年來(lái)發(fā)展起來(lái)的一個(gè)熱門(mén)分支。智能規(guī)劃的主要思想是：對(duì)周圍環(huán)境進(jìn)行認(rèn)識(shí)與分析，根據(jù)自己要實(shí)現(xiàn)的目標(biāo)，對(duì)若干可供選擇的動(dòng)作及所提供的資源限制施行推理，綜合制定出實(shí)現(xiàn)目標(biāo)的規(guī)劃。智能規(guī)劃研究的主要目的是建立起高效實(shí)用的智能規(guī)劃系統(tǒng)。該系統(tǒng)的主要功能可以描述為：給定問(wèn)題的狀態(tài)描述、對(duì)狀態(tài)描述進(jìn)行變換的一組操作、初始狀態(tài)和目標(biāo)狀態(tài)。

最早的規(guī)劃系統(tǒng)就是通用問(wèn)題求解系統(tǒng)GPS，但它還不是真正面向規(guī)劃問(wèn)題而研制的智能規(guī)劃系統(tǒng)。1969年，格林（G.Green）通過(guò)歸結(jié)定理證明的方法來(lái)進(jìn)行規(guī)劃求解，并且設(shè)計(jì)了QA3 系統(tǒng)，這一系統(tǒng)被大多數(shù)的智能規(guī)劃研究人員認(rèn)為是第一個(gè)規(guī)劃系統(tǒng)。1971 年，美國(guó)斯坦福研究所的菲克斯（R.E.Fikes）和Nilsson設(shè)計(jì)的STRIPS 系統(tǒng)在智能規(guī)劃的研究中具有重大的意義和價(jià)值，他們的突出貢獻(xiàn)是引入了STRIPS 操作符的概念，使規(guī)劃問(wèn)題求解變得明朗清晰。此后到 1977 年先后出現(xiàn)了 HACKER、WARPLAN、INTERPLAN、ABSTRIPS、NOAH、NONLIN 等規(guī)劃系統(tǒng)。盡管這些以NOAH系統(tǒng)為代表的部分排序規(guī)劃技術(shù)被證明具有完備性，即能解決所有的經(jīng)典規(guī)劃問(wèn)題，但由于大量實(shí)際規(guī)劃問(wèn)題并不遵從經(jīng)典規(guī)劃問(wèn)題的假設(shè)，所以部分排序規(guī)劃技術(shù)未得到廣泛的應(yīng)用。為消除規(guī)劃理論和實(shí)際應(yīng)用間存在的差距，進(jìn)入20世紀(jì)80年代中期后，規(guī)劃技術(shù)研究的熱點(diǎn)轉(zhuǎn)向了開(kāi)拓非經(jīng)典的實(shí)際規(guī)劃問(wèn)題。然而，經(jīng)典規(guī)劃技術(shù)，尤其是部分排序規(guī)劃技術(shù)仍是開(kāi)發(fā)規(guī)劃新技術(shù)的基礎(chǔ)。