人工智能是计算机科学中应用最为广泛的分支之一，作为21世纪三大尖端技术之一，已有大量关于人工智能的研究论著产生。有别于其他主流人工智能专著和教材，本书以一种全新的视野与思路，以受生物启发的人工智能研究作为主要关注领域，以理论与实践相结合的手法，详细解析其核心理论，深入探讨了人工智能领域中与其相关的经典模型、算法及其具体实现方法；对近30年来全球人工智能界杰出的年轻研究者的工作进行了整理汇总，并结合作者在人工智能相关领域的多年研究工作，展现了人工智能的前沿研究问题和相关应用实例，试图将经典理论和前沿研究紧密结合，真实地反映当代人工智能领域的新思路和新进展。
本书适合作为大学高年级或者研究生的人工智能课程教材和参考书籍，也适合作为想真正了解人工智能前沿研究和发展的科研人员的自修读物和参考资料。

第一部分 生物启发的人工智能
第1章 人工智能发展简况
1.1 人工智能领域主要研究成就回顾
1.1.1 1956年：人工智能的信息处理观
1.1.2 20世纪60年代：启发式搜索与知识表示
1.1.3 20世纪80年代：人工神经网络
1.1.4 20世纪90年代：物化与多代理系统
1.1.5 21世纪：符号动力学
1.1.6 我国的人工智能研究
1.2 人工智能的发展
1.2.1 从图灵测试到IBM的沃森
1.2.2 谷歌的智能机器未来
1.2.3 百度大脑
1.2.4 微软智能生态
1.2.5 脸书的深脸
1.2.6 三大突破让人工智能近在眼前
1.3 生物启发的人工智能发展里程碑
1.3.1 遗传算法与进化计算
1.3.2 神经网络
1.3.3 群体智能
1.4 小结
参考文献
第2章 进化计算、遗传算法与人工生命
2.1 受生物启发的计算
2.1.1 受生物启发的计算科学：康庄大道还是荆棘丛生？
2.1.2 什么是受生物启发的计算？
2.1.3 生物学在计算科学研究中的多重角色
2.2 进化计算
2.2.1 什么是进化计算？
2.2.2 进化计算的基本框架与主要特点
2.2.3 进化计算的分类
2.2.4 进化计算的若干关键问题
2.3 遗传算法
2.3.1 遗传算法的概述
2.3.2 遗传算法的理论基础
2.3.3 遗传算法的基本思想
2.3.4 遗传算法的一个简单的应用实例
2.4 人工生命
2.4.1 机器人学1：包容性架构
2.4.2 机器人学2：受细菌活动启发的机器人趋向性技术
2.4.3 机器人学3：能量和容错性控制
2.5 小结
参考文献
第3章 神经计算
3.1 人工神经网络相关介绍
3.1.1 人工神经网络的起源与发展
3.1.2 人工神经网络的应用
3.1.3 小结
3.2 Hopfield神经网络
3.2.1 Hopfield神经网络概述
3.2.2 Hopfield神经网络联想记忆
3.3 博弈与神经网络的结合
3.3.1 博弈论概述
3.3.2 博弈模型与神经网络模型结合的学习模型
3.4 自组织特征映射网络（SOM）
3.4.1 快速SOM文本聚类法
3.4.2 朴素贝叶斯与SOM相结合的混合聚类算法
3.5 神经芯片与人工生命
3.5.1 神经芯片的发展及其应用
3.5.2 人工生命的相关应用
3.6 深度学习
3.6.1 深度学习的基本思想
3.6.2 深度学习的典型结构
3.6.3 深度学习的应用
3.6.4 深度学习现状及前景分析
3.7 人工神经网络与医学影像
3.7.1 人工神经网络与医学影像概述
3.7.2 基于人工神经网络的脑成像分类模型介绍
参考文献
第4章 群体智能
4.1 群体智能基本思想
4.1.1 思想来源
4.1.2 群体智能的优点及求解问题类型
4.2 蚁群算法
4.2.1 蚁群算法主要思想
4.2.2 蚁群算法基本实现
4.2.3 蚁群算法应用
4.3 粒子群优化算法
4.3.1 基本粒子群优化算法原理
4.3.2 粒子群优化算法的改进研究
4.3.3 粒子群优化算法的相关应用
参考文献
第5章 变形虫模型与应用
5.1 变形虫的生物学机理
5.1.1 迷宫实验
5.1.2 自适应网络设计实验
5.2 变形虫模型
5.2.1 Jones多Agent模型说明
5.2.2 Gunji等CELL模型说明
5.2.3 Tero等数学模型说明
5.3 多Agent模型系统
5.3.1 系统相关介绍
5.3.2 模拟变形虫网络
5.3.3 迷宫求解
5.4 变形虫IBTM模型系统
5.4.1 IBTM改进策略介绍
5.4.2 IBTM模型算法描述
5.4.3 IBTM模型仿真实验
5.5 数学模型系统应用
5.5.1 变形虫多入口多出口数学模型
5.5.2 基于变形虫多入口多出口模型改进蚁群算法
5.5.3 实验分析
5.6 小结
参考文献
第6章 智能Agent与多Agent系统
6.1 智能Agent与Agent模拟软件
6.1.1 NetLogo
6.1.2 Swarm
6.1.3 Repast
6.1.4 TNGLab
6.2 基于Agent的生物免疫系统模拟
6.2.1 生物免疫系统建模的基本方法
6.2.2 生物免疫系统建模的方法对比
6.2.3 基于Agent的生物免疫系统建模方法
6.2.4 基于Agent免疫系统建模展望
6.3 基于Agent的经济模拟
6.3.1 经济与复杂性
6.3.2 基于Agent的计算经济学
6.3.3 经济系统模拟案例
参考文献
第二部分人工智能热门研究问题
第7章 AI研究热点
7.1 人工智能与机器学习
7.1.1 机器学习简述
7.1.2 机器学习研究热点（1）——表示学习
7.1.3 机器学习研究热点（2）——机器学习理论研究
7.1.4 机器学习研究热点（3）——基于人类认知的学习方法
7.1.5 机器学习研究热点（4）——复杂问题的遗传编程求解
7.2 人工智能与交叉学科
7.2.1 人工智能在交叉学科中的应用简述
7.2.2 人工智能在交叉学科中的应用（1）——AI与经济学
7.2.3 人工智能