本書涵蓋人工智能學科的大多數領域，共分為十一章。

●第1章緒論
1.1人工智能的基本概念
1.2人工智能的發展簡史
1.3人工智能的近期新發展
1.4本書的主要內容和組織結構
1.5本章小結
參考文獻
第一篇邏輯智能
第2章知識表示
2.1本體論
2.1.1本體的定義
2.1.2本體的構建
2.1.3基本形式化本體
2.2資源描述框架和本體語言
2.2.1RDF的基本結構
2.2.2RDFS本體語言
2.2.3OWL語言
2.3知識圖譜
2.3.1知識圖譜的基本概念
2.3.2知識圖譜的構建方法
2.3.3本體/知識圖譜的應用
2.4本章小結
參考文獻
第3章邏輯推理與專家繫統
3.1命題邏輯
3.1.1命題的基本概念及其運算
3.1.2命題邏輯的推理規則
3.1.3魯濱遜歸結原理
3.2一階邏輯
3.2.1一階邏輯的基本概念
3.2.2合一算法
3.2.3前向鏈接和反向鏈接
3.2.4歸結證明
3.3Herbrand定理
3.4邏輯繫統編程語言
3.4.1Prolog
3.4.2LISP
3.5專家繫統
3.6本章小結
參考文獻
第4章搜索智能
4.1圖搜索
4.1.1寬度優先搜索
4.1.2深度優先搜索
4.1.3A*搜索
4.2局部搜索
4.2.1爬山法
4.2.2牛頓法
4.2.3梯度下降法
4.3本章小結
參考文獻
第5章自動規劃
5.1規劃問題的形式化表示
5.2狀態空間規劃
5.3規劃空間規劃
5.4規劃圖
5.5時序規劃
5.6本章小結
參考文獻
第6章邏輯繫統中的學習
6.1歸納邏輯程序設計
6.2解釋學習
6.3關聯學習
6.4本章小結
參考文獻
第二篇計算智能
第7章概率推理
7.1貝葉斯網絡推理
7.1.1貝葉斯網絡的基本概念
7.1.2貝葉斯網絡的準確推理
7.1.3貝葉斯網絡的近似推理
7.2馬爾可夫網絡推理
7.3隱馬爾可夫模型
7.4卡爾曼濾波
7.5動態貝葉斯網絡
7.6時序概率推理的一般方法
7.7證據理論
7.8本章小結
參考文獻
第8章模糊繫統
8.1模糊邏輯
8.2粗糙集
8.3本章小結
參考文獻
第9章樣例學習
9.1決策樹
9.1.1決策樹的學習算法
9.1.2屬性重要度計算
9.1.3泛化與過擬合
9.2回歸
9.2.1線性回歸
9.2.2邏輯回歸
9.2.3正則化
9.3支持向量機
9.4非參數化學習
9.5集成學習
9.5.1Boosting
9.5.2Bagging
9.6統計機器學習
9.6.1接近觀測下的概率學習
9.6.2部分觀測下的概率學習
9.6.3無向概率圖學習
9.7無監督學習
9.7.1聚類
9.7.2降維
9.8本章小結
參考文獻
第10章人工神經網絡
10.1單/多層前饋神經網絡
10.1.1單層前饋神經網絡
10.1.2多層前饋神經網絡
10.2深度神經網絡
10.2.1卷積神經網絡
10.2.2循環神經網絡
10.3神經網絡的生成式模型
10.3.1受限玻爾茲曼機
10.3.2生成式對抗網絡
10.4本章小結
參考文獻
第11章強化學習
11.1馬爾可夫決策過程
11.1.1接近可觀察的馬爾可夫決策過程
11.1.2部分可觀察的馬爾可夫決策過程
11.2被動強化學習
11.2.1蒙特卡洛學習
11.2.2時序差分學習
11.3主動強化學習
11.4深度強化學習
11.4.1基於價值的深度強化學習
11.4.2基於策略的深度強化學習
11.5本章小結
參考文獻
第12章進化計算與群體智能
12.1遺傳算法
12.2模擬退火算法
12.3蟻群算法
12.4粒子群優化
12.5人工免疫繫統
12.6本章小結
參考文獻
第三篇平行智能
第13章分布式人工智能與多agent繫統
13.1分布式問題求解
13.1.1分布式約束滿足
13.1.2分布式優化
13.2博弈搜索
13.2.1標準式博弈
13.2.2擴展式博弈
13.2.3極小極大搜索
13.2.4蒙特卡洛樹搜索
13.2.5博弈的其他類型
13.3機制設計
13.3.1投票
13.3.2拍賣
13.3.3公共資源分配
13.4本章小結
參考文獻
第14章平行智能
14.1平行繫統和ACP方法
14.2人工社會與復雜繫統研究
14.3人工繫統的構建
14.3.1基礎人口合成
14.3.2agent的體繫結構和行為建模
14.4人工繫統的初步應用
14.4.1應急疏散
14.4.2人口演化
14.5平行學習
14.6本章小結
參考文獻
第15章知識自動化與社會智能
15.1知識自動化
15.1.1知識自動化的基本思想
15.1.2知識自動化與平行智能的關繫
15.2社會智能
15.2.1社會計算：社會智能的實現方式
15.2.2社會計算與平行智能的關繫
15.3本章小結
參考文獻

本書介紹人工智能的基本思想、原理、算法和應用，重點突出技術的可操作性，全面覆蓋學科領域的相關技術方向。按照學科發展的順序，全書共分邏輯智能、計算智能、平行智能三篇，各篇的內容大致按照知識表示、推理、學習的順序安排，目的是讓讀者能夠清晰地把握各技術間的區別與聯繫。邏輯智能篇包括第2~6章，主要關注以符號處理為基礎的方法，包括本體/知識圖譜、邏輯推理、搜索智能、自動規劃、一階邏輯學習等。計算智能篇包括第7~12章，主要講述以數值計算為基礎的方法，包括概率推理、模糊繫統、樣例學習、人工神經網絡、強化學習、進化計算與群體智能等，這些是近年來快速發展的內容。平行智能篇包括第13~15章，重點關注網絡化條件下多個個體交互產生的智能行為，包括分布式人工智能與多智能體繫統、平行智能、知識自動化與社會智能等，這些是人工智能與大數據、雲計算、物聯網、智聯網等新興技術相結合的近期新發展趨勢。書中的例子淺顯易懂，等