前言

人工智能自1956年问世以来，一直是引领未来发展的主导学科之一，是一门新思想、新观点、新理论、新技术不断涌现的前沿交叉学科。相关的研究成果已经广泛应用到各个领域，为推动科学技术的进步和发展发挥了巨大作用。

人工智能是一门研究机器智能的学科，作为一门前沿交叉学科，它的研究领域十分广泛。人工智能的远期目标是揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类的智能。人工智能涉及脑科学、认知科学、计算机科学、系统科学、控制论等多种学科，并依赖于它们共同发展。近期目标是研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为。目前，人工智能仍处于发展时期，很多问题解决得还不够好，甚至不能求解，很多问题的求解还需要一定的条件。

本书基于“让现有的计算机更聪明”的理念，结合笔者多年来的硕士研究生教学经验和研究实践，吸取了国内外人工智能教材的优点，参考了国际上最新的研究成果编写而成。本书主要介绍人工智能中最基本、最经典的理论和方法，以及目前较为成熟和广泛应用的最新研究成果，为信息科学技术领域的研究生以及其他对人工智能感兴趣的科技工作者提供人工智能技术的知识。

全书共有11章，划分为两个部分。

第一部分：

第1章“绪论”，介绍了人工智能的基本概念、发展简史、研究的内容和领域；人工智能的观点和学派以及发展和未来。

第2章介绍了知识表示方法，包括谓词逻辑法、产生式表示方法、语义网络法等。

第3章介绍了搜索技术，包括搜索的基本概念、状态空间的盲目搜索、状态空间的启发式搜索、与/或树的盲目搜索、与/或树的启发式搜索和博弈搜索。

第4章介绍了不确定性推理原理，包括不确定性的概念、可信度方法、主观贝叶斯方法和证据理论。

第二部分：

第5章介绍了智能优化算法，包括组合优化问题、模拟退火算法、遗传算法、粒群优化和蚁群优化算法。

第6章介绍了神经计算的部分内容，包括感知器、BP神经网络和径向基神经网络原理；探讨了影响泛化能力的几个因素。

第7章介绍了支持向量机，包括支持向量机分类、核函数特征空间、支持向量机回归。

第8章介绍了粗糙集理论，包括信息系统、不可辨识关系、下近似和上近似、知识简约、决策表的简约算法等。

第9章介绍了数据挖掘算法，包括决策树学习算法、K均值聚类算法、K最邻近分类算法和Apriori算法。

第10章介绍了智能搜索引擎的概念，包括智能搜索引擎的特征、智能搜索引擎的主要策略、智能搜索引擎的技术和智能爬虫搜索算法等。

第11章介绍了分形理论及应用，包括分形与分形市场学说、多重分形理论、多重分形分析及应用等。

本书力求科学、实用、可读性强；内容由浅入深，循序渐进，条理清楚。教材采用逐层深入的策略和简洁、精练、提纲式的语言编写，以提高阅读效率。书中除第2章至第4章有连贯性之外，其他各章都可以任意选取，以适合不同学时、不同专业、不同层次的教学需求。

本书在多年人工智能教学经验和科研成果的基础上，吸取了国内外同类教材和网络上的有关文献的精华。他们的丰硕成果和贡献是本书学术思想的重要源泉，在此谨向这些教材和文献的作者致以崇高的敬意。他们的著作和资源为本书提供了丰富的营养，使我们受益匪浅。

本书的顺利编写得到了暨南大学研究生院、暨南大学计算机科学系等各级领导的支持和帮助。同时暨南大学计算机科学系的老师、同学在部分内容的编写、文字录入、图表制作、校对等方面做了大量的工作，特别是周文全、辛雅菲、张谌奇、张锐华、邓嘉兴、付琼芳、王开杰和陈玲等，在此一并表示感谢。

本书获得了“暨南大学研究生教材建设项目”的资助。

人工智能是多学科的交叉学科，涉及的内容广泛，而且一直在不断地发展，随时都在产生新的方法和理论，我们只能根据教学有针对性地选取。由于水平有限，书中可能会出现各种错误和疏漏，敬请读者给予批评指正。

杨天奇

2014年4月