本書第5版共10章。第1章敘述人工智能的定義、起源、分類與發(fā)展。第2章和第3章研究人工智能的知識表示方法和搜索推理技術。第4章探討不確定性推理的主要方法。第5章闡述計算智能的基本知識。第6章至第10章逐一討論了人工智能的主要應用領域，包括專家系統(tǒng)、機器學習、自動規(guī)劃、分布式人工智能和自然語言理解等。與第4版相比，許多內容都是第*次出現的，例如，人工智能的分類與計算方法、謂詞演算符號的規(guī)范、進化算法的框架與執(zhí)行過程、專家系統(tǒng)的設計方法和基于Web專家系統(tǒng)的開發(fā)工具以及深度學習等。其他章節(jié)也在第4版的基礎上作了相應的修改、精簡或補充。
本書可作為高等院校有關專業(yè)本科生和研究生的人工智能課程教材，也可供從事人工智能研究與應用的科技工作者學習參考。
**級精品課程“人工智能”配套教材
**級雙語教學示范課程“人工智能”配套教材
**級精品資源共享課程“人工智能”配套教材
第二版獲國家教育部科技進步獎一等獎
蔡自興，中南大學信息科學與工程學院教授、博士生導師。聯(lián)合國工業(yè)發(fā)展組織（UNIDO）審定的聯(lián)合國專家、國際導航與運動控制科學院院士、紐約科學院院士，首屆全國高校**級教學名師獎、寶鋼全國優(yōu)秀教師獎特等獎、徐特立教育獎、吳文俊人工智能科技獎成就獎獲得者。歷任第八屆湖南省政協(xié)副主席兼文教衛(wèi)體委員會主任，全國政協(xié)第九屆和第十屆委員會委員，兼任中國人工智能學會副理事長及智能機器人專業(yè)委員會主任、中國自動化學會理事、中國計算機學會人工智能與模式識別專業(yè)委員會委員、IEEE計算智能學會評獎委員會委員和進化計算委員會委員等，并任美國倫塞勒大學、俄羅斯科學院圣彼德堡信息學與自動化研究所、丹麥技術大學、北京大學信息科學中心、中國科學院自動化研究所、國防科技大學、北京航空航天大學、北京郵電大學等校客座教授/研究員等。主要從事智能系統(tǒng)、人工智能、智能控制、智能機器人研究。主持并完成科教研究30多項,其中獲國際獎勵2項，**級獎勵3項，省部級以上獎勵10多項。己在國內外出版專著、教材40余部,發(fā)表學術論文上千篇。此外，還主持**級精品課程（2門）、**級精品資源共享課程（2門）、**級精品視頻公開課、**級優(yōu)秀網絡課程、**級教學團隊和全國雙語教學示范課程等項國家教育部質量工程項目。
第1章緒論
1.1人工智能的定義與發(fā)展
1.1.1人工智能的定義
1.1.2人工智能的起源與發(fā)展
1.2人工智能的各種認知觀
1.2.1人工智能各學派的認知觀
1.2.2人工智能的爭論
1.3人類智能與人工智能
1.3.1智能信息處理系統(tǒng)的假設
1.3.2人類智能的計算機模擬
1.4人工智能系統(tǒng)的分類
1.5人工智能的研究目標和內容
1.5.1人工智能的研究目標
1.5.2人工智能研究的基本內容
1.6人工智能的研究與計算方法
1.6.1人工智能的研究方法
1.6.2人工智能的計算方法
1.7人工智能的研究與應用領域
1.8本書概要
習題1
第2章知識表示方法
2.1狀態(tài)空間表示
2.1.1問題狀態(tài)描述
2.1.2狀態(tài)圖示法
2.2問題歸約表示
2.2.1問題歸約描述
2.2.2與或圖表示
2.3謂詞邏輯表示
2.3.1謂詞演算
2.3.2謂詞公式
2.3.3置換與合一
2.4語義網絡表示
2.4.1二元語義網絡的表示
2.4.2多元語義網絡的表示
2.4.3語義網絡的推理過程
2.5框架表示
2.5.1框架的構成
2.5.2框架的推理
2.6本體技術
2.6.1本體的概念
2.6.2本體的組成與分類
2.6.3本體的建模
2.7過程表示
2.8小結
習題2
第3章確定性推理
3.1圖搜索策略
3.2盲目搜索
3.2.1寬度優(yōu)先搜索
3.2.2深度優(yōu)先搜索
3.2.3等代價搜索
3.3啟發(fā)式搜索
3.3.1啟發(fā)式搜索策略和估價函數
3.3.2有序搜索
3.3.3A*算法
3.4消解原理
3.4.1子句集的求取
3.4.2消解推理規(guī)則
3.4.3含有變量的消解式
3.4.4消解反演求解過程
3.5規(guī)則演繹系統(tǒng)
3.5.1規(guī)則正向演繹系統(tǒng)
3.5.2規(guī)則逆向演繹系統(tǒng)
3.5.3規(guī)則雙向演繹系統(tǒng)
3.6產生式系統(tǒng)
3.6.1產生式系統(tǒng)的組成
3.6.2產生式系統(tǒng)的推理
3.6.3產生式系統(tǒng)舉例
3.7非單調推理
3.7.1缺省推理
3.7.2真值維持系統(tǒng)
3.8小結
習題3
第4章非經典推理
4.1經典推理和非經典推理
4.2不確定性推理
4.2.1不確定性的表示與量度
4.2.2不確定性的算法
4.3概率推理
4.3.1概率的基本性質和計算公式
4.3.2概率推理方法
4.4主觀貝葉斯方法
4.4.1知識不確定性的表示
4.4.2證據不確定性的表示
4.4.3主觀貝葉斯方法的推理過程
4.5可信度方法
4.5.1基于可信度的不確定性表示
4.5.2可信度方法的推理算法
4.6證據理論
4.6.1證據理論的形式化描述
4.6.2證據理論的不確定性推理模型
4.6.3推理示例
4.7小結
習題4
第5章計算智能
5.1概述
5.2神經計算
5.2.1人工神經網絡研究的進展
5.2.2人工神經網絡的結構
5.2.3人工神經網絡示例及其算法
5.2.4基于神經網絡的知識表示與推理
5.3模糊計算
5.3.1模糊集合、模糊邏輯及其運算
5.3.2模糊邏輯推理
5.4進化算法與遺傳算法
5.4.1進化算法原理
5.4.2進化算法框架
5.4.3遺傳算法的編碼與解碼
5.4.4遺傳算法的遺傳算子
5.4.5遺傳算法的執(zhí)行過程
5.4.6遺傳算法的執(zhí)行實例
5.5人工生命
5.5.1人工生命研究的起源和發(fā)展
5.5.2人工生命的定義和研究意義
5.5.3人工生命的研究內容和方法
5.5.4人工生命實例
5.6粒群優(yōu)化算法
5.6.1群智能和粒群優(yōu)化概述
5.6.2粒群優(yōu)化算法
5.7蟻群算法
5.7.1蟻群算法理論
5.7.2蟻群算法的研究與應用
新書資訊