智能决策是指决策的自动化，是新时代专家系统的升级，从基于规则到机器学习再到智能自主学习。不仅是决策的自动化，还是整个管理决策过程的智能自主，包括方案选择的自动化以及效果跟踪、评估与反馈。全书分为3篇，共10章：第1章绪论、第2章制造数据感知基础与原理、第3章制造数据分析基础与原理、第4章统计推理、第5章生物进化与群智能、第6章人工神经网络、第7章智能决策综合评价、第8章设备级决策、第9章产线级决策、第10章系统级决策。本书可作为大学高年级和研究生的“智能决策”“智能制造”等课程的教材，对从事智能制造、智能决策、工业互联网、工业软件、智能机器人等领域的研究人员也具有重要的参考价值。

刘丽兰 上海大学机自学院副院长，上海市智能制造及机器人重点实验室主任，上海市科协人工智能专业委员会委员，上海科创中心建设“上海机器人共性技术研发与转化平台”董事，上海机械工程学会副秘书长，上海市三八红旗手； 主要研究智能制造技术与系统，围绕信息物理融合技术建立基于数字孪生的数据感知与融合模型，采用人工智能技术进行制造过程的实时分析决策，实现以工艺为主线的产品质量一致性管控，成果用于航空、航天、汽车、钢铁等领域； 先后获得过上海市科技进步二等奖1项、三等奖1项，上海市教学一等奖2项，中国产学研合作创新奖1项。

序
前言
第1章 绪论
1.1 智能制造技术概述
1.2 智能制造中的决策问题
1.3 本书主要内容
参考文献
第一篇 智能决策基础
第2章 制造数据感知基础与原理
2.1 制造过程数据
2.2 现场总线和工业以太网技术
2.3 无线传感网络技术
2.4 工业通信协议
习题
参考文献
第3章 制造数据分析基础与原理
3.1 数据预处理
3.2 数据仓库
3.3 数据特征提取
3.4 数据分析
习题
参考文献
第二篇 智能决策方法
第4章 统计推理
4.1 贝叶斯决策
4.2 马尔科夫决策
4.3 K近邻
4.4 决策树
习题
参考文献
第5章 生物进化与群智能
5.1 遗传算法
5.2 粒子群算法
5.3 蚁群算法
习题
参考文献
第6章 人工神经网络
6.1 前馈神经网络
6.2 卷积神经网络
6.3 长短期记忆网络
6.4 强化学习
6.5 迁移学习
习题
参考文献
第7章 智能决策综合评价
7.1 权重系数法
7.2 层次分析法
7.3 TOPSIS法
7.4 动态加权综合法
7.5 灰色关联综合法
习题
参考文献
第三篇 智能决策应用
第8章 设备级决策
8.1 设备自适应控制
8.2 预测性维护
8.3 智能交互决策
习题
参考文献
第9章 产线级决策
9.1 产线布局优化决策
9.2 生产工艺流程优化决策
9.3 生产调度优化决策
习题
参考文献
第10章 系统级决策
10.1 个性化定制
10.2 物料需求计划预测
10.3 库存优化决策
10.4 系统可靠性预测
习题
参考文献
附录
附录A 本书涉及的数据类型与常用数据库简介
附录B 本书涉及的编程语言、软件及系统框架等开发工具简介