本书是作者讲授多年人工智能基础及研究人工智能算法后，针对当前的教学实际需要而编写的。全书系统阐述了人工智能发展概况及前沿应用，较详细地介绍了知识表示、搜索和推理技术，给出了人工智能优化方法，还介绍了神经网络、专家系统与机器学习相关的方法，并列举了与人工智能算法相关的应用案例，从而方便大学生掌握人工智能理论的应用方法。全书内容力求简明扼要，具体实用，并有研究实例，便于自学。同时，本书配套数字教学资源包括微视频、习题答案，针对教师还提供了电子课件、教学大纲等。
本书适合作为人工智能基础课程的教材，是高等院校师生掌握人工智能理论与应用方法的速成参考书，也是学习人工智能基础知识的必修教材。

第1章 绪论
1.1 人工智能的发展史
1.1.1 人工智能国外发展史
1.1.2 人工智能国内发展史
1.1.3 人工智能的三次浪潮
1.2 人工智能的基本概念
1.2.1 人工智能的定义
1.2.2 人工智能的内涵与外延
1.3 人工智能的主流学派
1.3.1 符号主义学派
1.3.2 联结主义学派
1.3.3 行为主义学派
1.3.4 三大学派的比较
1.4 人工智能的研究目标
1.5 人工智能的研究领域
习题
第2章 知识表示
2.1 知识和知识表示的基本概念
2.2 状态空间表示法
2.2.1 问题状态描述
2.2.2 状态图示法
2.3 问题归约法
2.3.1 问题归约描述
2.3.2 与或图表示
2.4 一阶谓词逻辑表示法
2.4.1 谓词
2.4.2 谓词公式
2.4.3 一阶谓词逻辑知识表示方法
2.5 产生式表示法
2.5.1 产生式
2.5.2 产生式系统
2.5.3 产生式系统的推理
2.5.4 产生式系统应用举例
2.6 语义网络表示法
2.6.1 语义网络的概念及结构
2.6.2 语义网络的基本语义联系
2.6.3 语义网络的知识表示方法
2.6.4 语义网络的知识表示举例
2.6.5 语义网络的推理过程
2.7 框架表示法
2.7.1 框架的一般结构
2.7.2 框架知识表示举例
习题
第3章 搜索及推理技术
3.1 图搜索策略
3.2 盲目搜索
3.2.1 宽度优先搜索
3.2.2 等代价搜索
3.2.3 深度优先搜索
3.3 启发式搜索
3.3.1 启发式搜索策略和估价函数
3.3.2 有序搜索
3.3.3 A*搜索算法
3.4 推理的基本概念
3.4.1 推理的定义
3.4.2 推理方式及其分类
3.4.3 冲突消解策略
3.5 自然演绎推理
3.6 归结演绎推理
3.6.1 子句集及其化简
3.6.2 鲁滨逊归结原理
3.6.3 用归结原理求解问题
3.7 不确定推理
3.8 概率推理
3.9 主观贝叶斯表示方法
3.9.1 知识的不确定性的表示
3.9.2 证据的不确定性的表示
……
第4章 智能优化计算
第5章 神经网络
第6章 专家系统
第7章 机器学习
第8章 人工智能应用案例
第9章 人工智能的前沿
参考文献