智能建造（Intelligent Construction）是以人工智能算法为核心，以数据和现代信息技术为主要支撑，在建设工程的设计、生产、施工和运维中，以智能技术代替需要人类智能才能完成的复杂工作，实现工程建设高度自动化和数字化的技术。本教材包括算法的数学基础、智能优化算法、无监督学习算法、监督学习算法和强化学习算法5个方向，书中较为详细地介绍了算法的原理和流程等；尤其是针对学生最难掌握的矩阵分析和深度学习部分进行了通俗易懂的详细剖析。
本书适用于智能建造专业本科生，土木工程、建筑技术、水利工程、海洋工程、工程管理、交通工程等专业的研究生，从事学科交叉研究的工科专业研究生，从事智能建造研发的建筑业技术人员等。为方便教师授课，本教材作者自制免费课件并提供习题答案，索取方式为：1.邮箱jckj@cabp.com.cn；2.电话（010）58337285；3.建工书院http://edu.cabplink.com。

周绪红（1956.9-），工学博士，著名结构工程专家，重庆大学钢结构工程研究中心主任、教授；中国工程院院士，日本工程院外籍院士，英国皇家结构工程师学会Fellow，英国皇家特许结构工程师。1999年8月-2002年5月任湖南大学副校长，2002年5月-2006年7月任长安大学校长，2006年5月-2013年6月任兰州大学校长（副部长级），2013年6月-2017年12月任重庆大学校长（副部长级），第十一届、第十二届全国人大代表。

第1章 绪论
1.1 全球建筑业现状
1.2 建筑业信息化
1.3 人工智能技术发展
1.4 建筑业的智能建造趋势
1.5 本书的主要内容
第2章 矩阵分析基础
2.1 向量和矩阵
2.2 二次型
2.3 雅可比矩阵
2.4 海森矩阵
2.5 范数
2.6 矩阵分解
2.7 广义逆矩阵
2.8 典型应用——主成分分析
第3章 概率与统计基础
3.1 随机变量与概率
3.2 随机变量间的独立性
3.3 随机变量的特征数
3.4 贝叶斯规则
3.5 最大似然估计
3.6 熵和互信息
3.7 微分熵
3.8 KL散度与交叉熵
3.9 结构化概率模型
第4章 数值优化与规划方法
4.1 拉格朗日乘数法
4.2 KKT条件
4.3 最小二乘法
4.4 差分法
4.5 梯度下降法
4.6 牛顿法
4.7 蒙特卡洛法
4.8 人工势场法
4.9 线性规划
第5章 智能优化算法
5.1 遗传算法
5.2 粒子群优化算法
5.3 模拟退火算法
5.4 近邻场算法
第6章 聚类算法
6.1 聚类的基本思想
6.2 k均值聚类算法
6.3 密度聚类算法
6.4 高斯混合聚类
6.5 层次聚类算法
6.6 谱聚类算法
第7章 分类算法
7.1 神经元感知器
7.2 支持向量机
7.3 逻辑回归
7.4 k近邻算法
7.5 贝叶斯分类器
第8章 深度学习
8.1 前馈神经网络
8.2 卷积神经网络
8.3 循环神经网络
第9章 强化学习
9.1 强化学习概览
9.2 马尔可夫过程
9.3 时序差分学习
9.4 三类方法的应用实例
9.5 深度强化学习
9.6 Q学习算法在结构设计中的应用