本书介绍了了人工智能的发展历史、基本流派、研究领域；知识表示方法和推理技术；图搜索技术；专家系统及开发工具的使用和设计方法；模糊理论及应用。机器学习与神经网络；混沌理论；智能优化算法原理和应用等。本书是作者在多年教学和科研实践的基础上，参阅了国内外现有教材和相关文献后编写的。全书注重理论与实践的结合，注重算法的实际应用与实现方法，注重创新思维的训练与培养。本书可作为高等院校自动化、电气工程、计算机、电子信息等专业学生人工智能的本科生、研究生教材，也可供从事人工智能研究与应用的科技工作者学习参考。

前言
第1章绪论1
11人工智能的起源与发展1
12人工智能学术流派4
13人工智能的研究与应用领域6
第2章知识表示和推理10
21知识和知识表示的基本概念10
22命题逻辑12
221语法13
222语义13
223命题演算形式系统14
23谓词逻辑15
231语法16
232语义19
24归结推理23
241子句集及其简化24
242海伯伦定理27
243Robinson归结原理31
244利用Robinson归结原理实现定
理证明35
245应用归结原理求解问题39
25产生式系统40
251产生式系统的组成部分42
252产生式系统的控制策略42
253产生式系统的推理方式43
26语义网络表示法44
261语义网络的结构44
262基本命题的语义网络表示45
263语义网络的知识表示方法47
264语义网络表示法的特点51
27框架表示法52
28状态空间表示法54
29与或图表示法55
第3章图搜索技术56
31问题的提出56
32状态图搜索58
321状态图搜索分类58
322穷举式搜索59
323启发式搜索62
324A算法及A*算法66
33与或图搜索68
331与或图68
332与或图搜索举例69
34博弈图搜索73
341博弈图73
342极大极小分析法74
343剪枝技术76
第4章专家系统78
41专家系统的概述78
411专家系统的概念与特点78
412专家系统和传统程序的区别78
42专家系统的结构79
43专家系统的设计原则与开发
过程80
431专家系统的设计原则80
432专家系统的开发过程81
44专家系统评价82
45专家系统开发工具82
451骨架型开发工具83
452语言型开发工具83
453构造辅助工具84
454支撑环境84
46Prolog语言85
461Prolog语言的特点85
462基本Prolog的程序结构86
463Prolog程序的运行机理88
464Turbo Prolog 程序结构90
465Turbo Prolog的数据与表达式90
466Visual Prolog介绍96
467PIE：Prolog 的推理机100
第5章模糊理论及应用102
51模糊理论的产生与发展102
52模糊理论的数学基础103
521经典集合论的基本概念103
522模糊集合的基本概念104
523模糊关系与复合运算107
53模糊逻辑109
531模糊条件语句109
532模糊推理113
54模糊控制系统及模糊控制器115
541模糊控制系统的基本结构115
542模糊控制器116
543模糊控制器的设计117
544模糊PID控制器的设计123
55模糊聚类分析与模糊模式
识别126
551模糊聚类分析127
552模糊模式识别131
第6章机器学习和神经网络133
61机器学习的基本概念和发
展史133
62经典机器学习方法134
63基于神经网络的学习137
631神经网络概述137
632人工神经网络模型138
633BP神经网络141
634RBF神经网络146
635CMAC神经网络150
636Hopfield神经网络152
637模糊神经网络157
638其他类型的神经网络介绍160
第7章混沌理论与混沌神经网络163
71混沌研究的起源与发展163
72混沌的基本特性164
73通往混沌的道路165
74混沌的识别166
741定性分析法167
742定量分析法168
75混沌应用169
76混沌神经网络171
761暂态混沌神经网络172
762其他类型的混沌神经网络*173
763GS混沌神经网络应用实例174
第8章智能优化计算179
81优化问题的分类179
82优化算法分类180
83梯度优化计算181
84混沌优化181
85模拟退火算法184
86遗传算法185
861遗传算法中的关键参数与
操作185
862遗传算法中的基本流程192
863遗传算法的改进193
864遗传算法的实现194
87蚁群算法195
871蚁群算法的研究现状195
872基本蚁群算法的工作原理196
88粒子群算法及应用198
881基本粒子群优化算法198
882粒子群优化算法的拓扑结构202
89鱼群算法简介204
810混合优化计算方法简介204
参考文献206