本书全面介绍人工智能的基本理论、技术及应用。全书共10章，主要内容包括人工智能概论、知识表示与知识图谱、确定性与不确定性推理、搜索策略、遗传算法、群智能算法、人工神经网络、机器学习与深度学习、专家系统、自然语言理解，附录部分给出了实用性强的12个实验。本书强调人工智能知识的基础性、整体性、综合性和广博性，使学生掌握人工智能的主要思想和应用人工智能技术解决专业领域问题的基本技术，培养创新精神。本书的适用对象广泛，可作为高等学校各专业“人工智能基础”课程的教材，也可供对人工智能技术感兴趣的广大读者阅读。

王万良，工学博士，二级教授，博士生导师，国务院政府特殊津贴专家，国家教学名师，国家“万人计划”首批教学名师，浙江省杰出教师。现任教育部高等学校计算机类专业教学指导委员会委员、浙江省高等学校计算机类专业教学指导委员会副主任、全国高校大数据教育联盟副理事长、中国人工智能学会理事、中国自动化学会理事、智慧教育专业委员会主任、浙江省可视媒体智能处理技术研究重点实验室主任、浙江省计算机学会副理事长、浙江省计算机应用与教育学会副理事长、浙江省人工智能学会副理事长、杭州市计算机学会理事长、杭州市人工智能学会副理事长。

第1章 人工智能概论
1.1 你了解人类的智能吗
1.1.1 智能的概念
1.1.2 智能的特征
1.2 人工智能的孕育和诞生
1.2.1 人工智能的孕育期
1.2.2 人工智能的诞生——达特茅斯会议
1.2.3 人工智能的定义与图灵测试
1.3 人工智能的发展
1.3.1 人工智能的形成期
1.3.2 几起几落的曲折发展期
1.3.3 大数据驱动的飞速发展期
1.4 从两场标志性人机博弈看人工智能的发展
1.4.1 人工智能研究中的“小白鼠”
1.4.2 “深蓝”战胜国际象棋棋王卡斯帕罗夫
1.4.3 阿尔法狗无师自通横扫世界围棋大师
1.5 人工智能研究的基本内容
1.6 人工智能的主要应用领域
1.7 人工智能伦理
1.7.1 人工智能伦理的提出与发展
1.7.2 人工智能伦理的典型案例与成因分析
1.7.3 人工智能伦理的治理原则
1.7.4 人工智能伦理的治理措施
1.8 本章小结
讨论题
第2章 知识表示与知识图谱
2.1 你了解人类知识吗
2.1.1 什么是知识
2.1.2 知识的相对正确性
2.1.3 知识的不确定性
2.1.4 计算机表示知识的方法
2.2 一阶谓词逻辑表示法
2.2.1 命题
2.2.2 谓词
2.2.3 谓词公式
2.2.4 一阶谓词逻辑知识表示方法
2.2.5 一阶谓词逻辑表示法的特点
2.3 产生式表示法
2.3.1 产生式
2.3.2 产生式系统
2.3.3 产生式表示法的特点
2.4 框架表示法
2.4.1 框架的一般结构
2.4.2 用框架表示知识的例子
2.4.3 框架表示法的特点
2.5 知识图谱
2.5.1 知识图谱的提出
2.5.2 知识图谱的定义
2.5.3 知识图谱的表示
2.5.4 知识图谱的架构
2.5.5 知识图谱的典型应用
2.6 本章小结
讨论题
习题
第3章 模拟人类思维的推理方法
3.1 推理的定义
3.2 推理的分类
3.2.1 从推出知识的路径分类
3.2.2 从知识的确定性分类
3.3 推理的方向
3.3.1 正向推理
3.3.2 逆向推理
3.3.3 混合推理
3.4 推理中的冲突消解策略
3.5 基于谓词逻辑的确定性推理
3.5.1 自然演绎推理
3.5.2 鲁滨逊归结原理
3.5.3 归结反演
3.5.4 归结求解
3.6 基于统计分析的不确定性推理
3.6.1 不确定性推理的概念
3.6.2 可信度方法
3.6.3 可信度方法举例
3.7 基于模糊理论的不确定性推理
3.7.1 模糊逻辑的提出与发展
3.7.2 模糊集合的定义与表示
3.7.3 隶属函数
3.7.4 模糊关系
3.7.5 模糊关系的合成
3.7.6 模糊推理
3.7.7 模糊决策
3.7.8 模糊推理的应用
3.8 本章小结
讨论题
习题
第4章 搜索策略
4.1 搜索的概念
4.2 如何用状态空间表示搜索对象
4.2.1 状态空间知识表示方法
4.2.2 状态空间的图描述
4.3 回溯策略
4.4 盲目的图搜索策略
4.4.1 宽度优先搜索策略
4.4.2 深度优先搜索策略
4.5 启发式图搜索策略
4.5.1 启发式策略
4.5.2 启发信息和估价函数
4.5.3 A搜索算法
4.5.4 A*搜索算法
4.5.5 蒙特卡洛树搜索算法
4.6 本章小结
讨论题
习题
第5章 模拟生物进化的遗传算法
5.1 进化算法的生物学背景
5.2 遗传算法
5.2.1 遗传算法的发展历史
5.2.2 遗传算法的基本思想
5.2.3 编码
5.2.4 种群设定
5.2.5 适应度函数
5.2.6 选择
5.2.7 交叉
5.2.8 变异
5.3 遗传算法的主要改进算法
5.3.1 双倍体遗传算法
5.3.2 双种群遗传算法
5.3.3 自适应遗传算法
5.4 基于遗传算法的生产调度方法
5.4.1 基于遗传算法的流水车间调度方法
5.4.2 基于遗传算法的混合流水车间调度方法
5.5 本章小结
讨论题
习题
第6章 模拟生物群体行为的群智能算法
6.1 群智能算法的生物学背景
6.2 模拟鸟群行为的粒子群优化算法
6.2.1 基本粒子群优化算法
6.2.2 粒子群优化算法的应用
6.3 模拟蚁群行为的蚁群优化算法
6.3.1 蚁群优化算法的生物学背景
6.3.2 基本蚁群优化算法
6.3.3 蚁群优化算法的应用
6.4 本章小结
讨论题
第7章 模拟生物神经系统的人工神经网络
7.1 人工神经元与人工神经网络
7.1.1 生物神经元结构
7.1.2 生物神经元的数学模型
7.1.3 人工神经网络的结构与学习
7.2 机器学习的先驱——赫布学习规则
7.3 掀起人工神经网络第一次高潮的感知器
7.4 掀起人工神经网络第二次高潮的BP学习算法
7.4.1 BP学习算法的提出
7.4.2 BP神经网络
7.4.3 BP学习算法
7.4.4 BP学习算法在模式识别中的应用
7.5 本章小结
讨论题
习题
第8章 机器