本书分为五个主要部分：启发式搜索基础、内存约束下的启发式搜索、时间约束下的启发式搜索、启发式搜索变体和启发式搜索应用。第1部分介绍了基本问题、算法和启发式。第2、3部分介绍了时间和空间存在资源限制的环境中改进的解决方案。第2部分考虑了内存受限搜索、符号搜索和基于磁盘的搜索，第3部分介绍了并行搜索、多种剪枝技术和移动保证搜索策略。第4部分介绍了应用搜索启发式的更一般概念的相关搜索方法，包括博弈评价、约束可满足性和局部搜索方法。第5部分关注不同的实际应用领域，说明了前4个部分的概念如何转变为较复杂的搜索引擎。关注传统上与AI相近的应用，比如动作规划和机器人学，以及其他并非起源于AI的领域，比如车辆导航、计算生物学和自动系统验证。

第1部分 启发式搜索基础
第1章 引言
1.1 符号和数学背景
1.1.1 伪代码
1.1.2 可计算性理论
1.1.3 复杂性理论
1.1.4 渐进资源消耗
1.1.5 符号逻辑
1.2 搜索
1.3 成功案例
1.4 状态空间问题
1.5 问题图表示
1.6 启发式
1.7 搜索问题示例
1.7.1 滑块拼图
1.7.2 魔方
1.7.3 推箱子
1.7.4 路线规划
1.7.5 旅行商问题
1.7.6 多序列比对问题
1.8 一般状态空间描述
1.8.1 动作规划
1.8.2 生产系统
1.8.3 马尔可夫决策过程
1.8.4 一般搜索模型
1.9 小结
1.10 习题
1.11 书目评述
第2章 基本搜索算法
2.1 无提示图搜索算法
2.1.1 深度优先搜索
2.1.2 广度优先搜索
2.1.3 Dijkstra算法
2.1.4 负权值图
2.1.5 松弛节点选择
2.1.6 Bellman-Ford算法
2.1.7 动态规划
2.2 提示性最优搜索
2.2.1 A*算法
2.2.2 A*算法的最优效率
2.3 广义权值
2.3.1 耗费代数
2.3.2 多目标搜索
2.4 小结
2.5 习题
2.6 书目评述
第3章 字典数据结构
3.1 优先级队列
3.1.1 桶数据结构
3.1.2 堆数据结构
3.2 哈希表
3.2.1 哈希字典
3.2.2 哈希函数
3.2.3 哈希算法
3.2.4 内存节约字典
3.2.5 近似字典
3.3 子集字典
3.3.1 数组和列表
3.3.2 单词查找树
3.3.3 哈希
3.3.4 无限分支树
3.4 字符串字典
3.4.1 后缀树
3.4.2 广义后缀树
3.5 小结
3.6 习题
3.7 书目评述
第4章 自动产生启发式
4.1 抽象变换
4.2 Valtorta定理
4.3 层次A*算法
4.4 模式数据库
4.4.1 15数码问题
4.4.2 魔方
4.4.3 有向搜索图
4.4.4 Korf猜想
4.4.5 多模式数据库
4.4.6 不相交模式数据库
4.5 自定义模式数据库
4.5.1 模式选择
4.5.2 对称和对偶模式数据库
4.5.3 有界模式数据库
4.5.4 按需模式数据库
4.5.5 压缩模式数据库
4.5.6 紧凑模式数据库
4.6 小结
4.7 习题
4.8 书目评述
第2部分 内存约束下的启发式搜索
第3部分 时间约束下的启发式搜索
第4部分 启发式搜索变体
第5部分 启发式搜索应用
参考文献

本书对人工智能（AI）启发式状态空间搜索做了全面的介绍。本书包含了其他教科书尚未覆盖的很多启发式搜索的研究进展，包括模式数据库、符号搜索、高效利用外部存储器和并行处理单元的搜索。因此，本书适合于对于搜索缺乏背景知识从而寻找此领域良好介绍的读者，以及那些具有一些背景知识且对此领域的最新进展感兴趣的读者。本书的内容是在大量研究下完成的，可为相关研究人员提供有价值的参考，同时本书也介绍了相关领域对读者有益的参考文献。