本书期望为读者提供本领域全面的知识介绍。
全书可分为五大部分，阐述了分布式人工智能的基础知识以及相关进展，包括分布式人工智能简介、分布式规划与优化、多智能体博弈、多智能体学习和分布式人工智能应用。除此之外，由于本领域尚处于蓬勃发展阶段，相关技术与应用层出不穷，因此书中还提供了研究者对于分布式人工智能发展的相关预测，以供读者深入了解、学习。
本书适合相关领域的从业者学习，也适合作为本领域研究者的案头参考。

第一部分 分布式人工智能简介
1 概述
（安波，新加坡南洋理工大学）
1.1 研究背景
1.1.1 前深度学习时代
1.1.2 深度学习时代
1.2 主要研究领域
1.2.1 算法博弈论
1.2.2 分布式问题求解
1.2.3 多智能体规划
1.2.4 多智能体学习
1.2.5 分布式机器学习
1.3 相关应用
1.3.1 足球
1.3.2 安全博弈
1.3.3 扑克和麻将
1.3.4 视频游戏
1.4 当前热点与挑战
1.4.1 超大规模分布式人工智能系统
1.4.2 分布式人工智能系统的鲁棒性和安全性
1.4.3 分布式人工智能决策的可解释性
1.4.4 将传统和深度学习的方法结合
参考文献
第二部分 分布式规划与优化
2 分布式规划
（吴锋，中国科技大学）
2.1 研究背景
2.2 分布式规划的决策模型
2.3 分布式规划的离线算法
2.3.1 离线精确规划算法
2.3.2 离线近似规划算法
2.4 分布式规划的在线算法
2.4.1 在线协调机制
2.4.2 在线通信策略
2.5 当前热点与挑战
参考文献
3 分布式约束优化
（陈自郁，重庆大学）
3.1 研究背景
3.2 分布式约束优化问题
3.2.1 约束网络
3.2.2 基础概念
3.3 求解算法分类
3.4 完备求解算法
3.4.1 基于搜索的完备求解算法：ADOPT
3.4.2 基于推理的完备求解算法：DPOP
3.5 非完备求解算法
3.5.1 基于决策的局部搜索算法
3.5.2 基于信念传播的推理算法：Max-sum
3.6 基准测试问题和典型应用
3.6.1 基准测试问题和评价指标
3.6.2 典型应用
3.7 当前热点与挑战
参考文献
第三部分 多智能体博弈
第四部分 多智能体学习
第五部分 分布式人工智能应用