《高等学校计算机规划教材：人工智能》共分为11章，除第1章人工智能概述外，其余内容划分为四大部分。第一部分为确定性人工智能的三大基本技术，包括第2，3，4章的知识表示、确定性推理和搜索部分。第二部分包括第5章不确定性人工智能和第6章的智能算法。第三部分为人工智能的重要研究领域，包括第7章的分布式人工智能，第8章的机器学习，第9章的专家系统。第四部分为人工智能应用部分，包括第10章的人工智能设计语言和第11章的人工智能的应用举例。

《高等学校计算机规划教材：人工智能》可作为高等学校计算机、自动化、通信、电子信息、信息管理、智能科学技术及其他相关学科专业的本科生高年级和研究生教材，也可供从事相关领域研究、开发和应用的科技人员参考。

    人工智能作为一门研究机器智能的学科，其目的是要用人工的方法和技术，研制智能机器或智能系统，来模仿、延伸和扩展人的智能。因此，它是人类迈向信息社会、迎接知识经济挑战所必须具备的一项核心技术。目前世界各国对人工智能的研究都十分重视，纷纷投入大量的人力、物力和财力，激烈争夺这一高新技术的制高点。
    信息社会对智能的巨大需求是人工智能发展的强大动力。人工智能自1956年问世以来，已经取得了引人瞩目的成就，形成了专家系统、机器学习、智能决策支持系统等诸多研究和应用领域。尤其是近几年来，随着计算机网络、Inernet、多媒体、分布式人工智能和开放分布式环境下的多智能体协同工作等计算机主流技术的兴起，人工智能又迎来了一个蓬勃发展的新时期。
    由于人类对大脑的认识尚处于探索阶段，人类智能的奥秘还远未彻底揭示，因此研究人类智能的机理、用机器代替人脑，还任重而道远。
    本书共11章，系统地介绍了人工智能的基本原理、方法及应用技术，对第１版做了适当的调整。第1章介绍人工智能的基本概念、研究领域、学派和最新发展趋势；第２章介绍知识表示的基本概念和各种确定性知识表示的方法，并在第１版的基础上增强示例；第3章讨论推理的基本概念及归结、演绎等确定性推理方法；第４章讨论搜索的基本概念和经典算法；第5章讨论不确定性推理的有关概念及各种不确定性的表示和推理方法；第6章介绍了经典智能算法，为新增章节，以增强本书的实用性；第７章简单介绍了Agent、mas和移动Agent的有关概念，并引入了元胞自动机和细胞膜计算两种分布式计算技术；第8章讨论机器学习的有关概念和学习方法，从机器学习的基本问题着手，介绍了机器学习的基本过程，并简要介绍了机器学习中最常见的若干算法；第9章讨论专家系统的基本概念、结构、类别、应用和设计；第10章为新增章节，简要介绍了人工智能程序设计语言LISP和Prolog；第11章为人工智能的应用部分。
    本书可作为高等学校计算机、自动化、自动控制、电气工程、通信工程、电子信息工程及系统工程等专业的研究生和本科生的必修教材或教学参考书，也可作为其他专业的师生以及科研人员的参考书。
    本书是在多年教学实践的基础上，参考国内外众多文献编写而成，由于编者水平有限，时间仓促，书中难免有不足、不当之处，敬请广大读者批评指正。
    编者
    ２０１２年１月

第1章 人工智能概述
1.1 人工智能的定义和研究目标
1.1.1 人工智能的定义
1.1.2 人工智能的研究目标
1.2 人工智能研究的基本内容及其特点
1.2.1 人工智能研究的基本内容
1.2.2 人工智能研究的特点
1.3 人工智能的基本技术
1.3.1 推理技术
1.3.2 搜索技术
1.3.3 知识表示与知识库技术
1.3.4 归纳技术
1.3.5 联想技术
1.4 人工智能的发展史
1.4.1 孕育期（1９56年以前）
1.4.2 形成期（1９56-1９7０年）
1.4.3 知识应用期（2０世纪7０年代到８０年代末）
1.4.4 综合集成期（2０世纪８０年代末至今）
1.5 人工智能的研究与应用领域
1.6 人工智能研究的不同学派及其争论
1.6.1 人工智能的三大学派
1.6.2 人工智能理论的争论
1.6.3 人工智能研究方法的争论
1.7 人工智能进展
1.7.1 人工智能发展面临的困难
1.7.2 人工智能与云计算
1.7.3 人工智能与物联网
1.7.4 人工智能发展的新趋势
习题一

第2章 知识表示
2.1 一阶谓词逻辑表示法
2.1.1 一阶谓词逻辑表示法
2.1.2 一阶谓词逻辑表示法的特点
2.1.3 一阶谓词表示法的应用举例
2.2 产生式表示法
2.2.1 产生式与产生式系统
2.2.2 产生式系统的分类及其特点
2.2.3 产生式表示法应用举例
2.3 框架表示
2.3.1 框架与框架网络
2.3.2 框架的推理及其特点
2.4 语义网络表示法
2.4.1 语义网络
2.4.2 语义网络的推理及其特点
2.5 面向对象表示法
2.5.1 面向对象的知识表示
2.5.2 面向对象知识表示法的特点
习题二

第3章 经典逻辑推理
3.1 推理的基本概念
3.1.1 推理方式及其分类
3.1.2 推理的控制策略
3.1.3 模式匹配及其变量代换
3.2 自然演绎推理
3.3 归结演绎推理
3.3.1 谓词公式化为子句集的方法
3.3.2 海伯伦理论
3.3.3 鲁宾逊归结原理
3.3.4 归结反演
3.3.5 基于归结反演的问题求解
3.3.6 归结反演策略
3.4 与／或形的演绎推理
3.4.1 与／或形的正向演绎推理
3.4.2 与／或形的逆向演绎推理
3.4.3 代换的一致性与剪枝策略
习题三

第4章 搜索策略
4.1 问题求解过程的形式表示
4.1.1 状态空间表示法
4.1.2 与／或树表示法
4.2 状态空间的盲目搜索策略
4.2.1 宽度优先搜索
4.2.2 深度优先搜索
4.2.3 有界深度优先搜索
4.2.4 代价树的宽度优先搜索
4.2.5 代价树的深度优先搜索
4.3 状态空间的启发式搜索策略
4.3.1 估价函数与择优搜索
4.3.2 图的有序搜索与Ａ?算法
4.3.3 Ａ?算法应用举例
4.4 与／或树的搜索策略
4.4.1 与／或树的宽度优先搜索
4.4.2 与／或树的有界深度优先搜索
4.4.3 与／或树的有序搜索
4.4.4 博弈树的启发式搜索
4.5 搜索性能的量度
习题四

第5章 知识的不确定性与不确定推理
5.1 知识的不确定性
5.1.1 证据的不确定性
5.1.2 规则的不确定性
5.1.3 推理的不确定性
5.2 不确定推理的概率基础
5.3 确定性理论
5.3.1 可信度的概念
5.3.2 CF模型
5.3.3 带加权因子的可信度推理
5.4 主观Bayes方法
5.4.1 知识不确定性的表示
5.4.2 证据不确定性的表示
5.4.3 组合证据不确定性的计算
5.4.4 不确定性的更新
……