《高等學校計算機規劃教材：人工智能》共分為11章，除第1章人工智能概述外，其余內容劃分為四大部分。第一部分為確定性人工智能的三大基本技術，包括第2，3，4章的知識表示、確定性推理和搜索部分。第二部分包括第5章不確定性人工智能和第6章的智能算法。第三部分為人工智能的重要研究領域，包括第7章的分布式人工智能，第8章的機器學習，第9章的專家系統。第四部分為人工智能應用部分，包括第10章的人工智能設計語言和第11章的人工智能的應用舉例。
《高等學校計算機規劃教材：人工智能》可作為高等學校計算機、自動化、通信、電子信息、信息管理、智能科學技術及其他相關學科專業的本科生高年級和研究生教材，也可供從事相關領域研究、開發和應用的科技人員參考。
人工智能作為一門研究機器智能的學科，其目的是要用人工的方法和技術，研制智能機器或智能系統，來模仿、延伸和擴展人的智能。因此，它是人類邁向信息社會、迎接知識經濟挑戰所必須具備的一項核心技術。目前世界各國對人工智能的研究都十分重視，紛紛投入大量的人力、物力和財力，激烈爭奪這一高新技術的制高點。
信息社會對智能的巨大需求是人工智能發展的強大動力。人工智能自1956年問世以來，已經取得了引人矚目的成就，形成了專家系統、機器學習、智能決策支持系統等諸多研究和應用領域。尤其是近幾年來，隨著計算機網絡、Inernet、多媒體、分布式人工智能和開放分布式環境下的多智能體協同工作等計算機主流技術的興起，人工智能又迎來了一個蓬勃發展的新時期。
由于人類對大腦的認識尚處于探索階段，人類智能的奧秘還遠未徹底揭示，因此研究人類智能的機理、用機器代替人腦，還任重而道遠。
本書共11章，系統地介紹了人工智能的基本原理、方法及應用技術，對第１版做了適當的調整。第1章介紹人工智能的基本概念、研究領域、學派和最新發展趨勢；第２章介紹知識表示的基本概念和各種確定性知識表示的方法，并在第１版的基礎上增強示例；第3章討論推理的基本概念及歸結、演繹等確定性推理方法；第４章討論搜索的基本概念和經典算法；第5章討論不確定性推理的有關概念及各種不確定性的表示和推理方法；第6章介紹了經典智能算法，為新增章節，以增強本書的實用性；第７章簡單介紹了Agent、mas和移動Agent的有關概念，并引入了元胞自動機和細胞膜計算兩種分布式計算技術；第8章討論機器學習的有關概念和學習方法，從機器學習的基本問題著手，介紹了機器學習的基本過程，并簡要介紹了機器學習中最常見的若干算法；第9章討論專家系統的基本概念、結構、類別、應用和設計；第10章為新增章節，簡要介紹了人工智能程序設計語言LISP和Prolog；第11章為人工智能的應用部分。
本書可作為高等學校計算機、自動化、自動控制、電氣工程、通信工程、電子信息工程及系統工程等專業的研究生和本科生的必修教材或教學參考書，也可作為其他專業的師生以及科研人員的參考書。
本書是在多年教學實踐的基礎上，參考國內外眾多文獻編寫而成，由于編者水平有限，時間倉促，書中難免有不足、不當之處，敬請廣大讀者批評指正。
編者
２０１２年１月
第1章 人工智能概述
1.1 人工智能的定義和研究目標
1.1.1 人工智能的定義
1.1.2 人工智能的研究目標
1.2 人工智能研究的基本內容及其特點
1.2.1 人工智能研究的基本內容
1.2.2 人工智能研究的特點
1.3 人工智能的基本技術
1.3.1 推理技術
1.3.2 搜索技術
1.3.3 知識表示與知識庫技術
1.3.4 歸納技術
1.3.5 聯想技術
1.4 人工智能的發展史
1.4.1 孕育期（1９56年以前）
1.4.2 形成期（1９56-1９7０年）
1.4.3 知識應用期（2０世紀7０年代到８０年代末）
1.4.4 綜合集成期（2０世紀８０年代末至今）
1.5 人工智能的研究與應用領域
1.6 人工智能研究的不同學派及其爭論
1.6.1 人工智能的三大學派
1.6.2 人工智能理論的爭論
1.6.3 人工智能研究方法的爭論
1.7 人工智能進展
1.7.1 人工智能發展面臨的困難
1.7.2 人工智能與云計算
1.7.3 人工智能與物聯網
1.7.4 人工智能發展的新趨勢
習題一
第2章 知識表示
2.1 一階謂詞邏輯表示法
2.1.1 一階謂詞邏輯表示法
2.1.2 一階謂詞邏輯表示法的特點
2.1.3 一階謂詞表示法的應用舉例
2.2 產生式表示法
2.2.1 產生式與產生式系統
2.2.2 產生式系統的分類及其特點
2.2.3 產生式表示法應用舉例
2.3 框架表示
2.3.1 框架與框架網絡
2.3.2 框架的推理及其特點
2.4 語義網絡表示法
2.4.1 語義網絡
2.4.2 語義網絡的推理及其特點
2.5 面向對象表示法
2.5.1 面向對象的知識表示
2.5.2 面向對象知識表示法的特點
習題二
第3章 經典邏輯推理
3.1 推理的基本概念
3.1.1 推理方式及其分類
3.1.2 推理的控制策略
3.1.3 模式匹配及其變量代換
3.2 自然演繹推理
3.3 歸結演繹推理
3.3.1 謂詞公式化為子句集的方法
3.3.2 海伯倫理論
3.3.3 魯賓遜歸結原理
3.3.4 歸結反演
3.3.5 基于歸結反演的問題求解
3.3.6 歸結反演策略
3.4 與／或形的演繹推理
3.4.1 與／或形的正向演繹推理
3.4.2 與／或形的逆向演繹推理
3.4.3 代換的一致性與剪枝策略
習題三
第4章 搜索策略
4.1 問題求解過程的形式表示
4.1.1 狀態空間表示法
4.1.2 與／或樹表示法
4.2 狀態空間的盲目搜索策略
4.2.1 寬度優先搜索
4.2.2 深度優先搜索
4.2.3 有界深度優先搜索
4.2.4 代價樹的寬度優先搜索
4.2.5 代價樹的深度優先搜索
4.3 狀態空間的啟發式搜索策略
4.3.1 估價函數與擇優搜索
4.3.2 圖的有序搜索與Ａ?算法
4.3.3 Ａ?算法應用舉例
4.4 與／或樹的搜索策略
4.4.1 與／或樹的寬度優先搜索
4.4.2 與／或樹的有界深度優先搜索
4.4.3 與／或樹的有序搜索
4.4.4 博弈樹的啟發式搜索
4.5 搜索性能的量度
習題四
第5章 知識的不確定性與不確定推理
5.1 知識的不確定性
5.1.1 證據的不確定性
5.1.2 規則的不確定性
5.1.3 推理的不確定性
5.2 不確定推理的概率基礎
5.3 確定性理論
5.3.1 可信度的概念
5.3.2 CF模型
5.3.3 帶加權因子的可信度推理
5.4 主觀Bayes方法
5.4.1 知識不確定性的表示
5.4.2 證據不確定性的表示
5.4.3 組合證據不確定性的計算
5.4.4 不確定性的更新
……
新書資訊