本书是一本内容基础性强，可读性好、适合讲授的人工智能教材。作者希望读者通过学习本书，能够掌握人工智能的基本内容，并能了解人工智能研究的一些前沿内容，为进一步学习和研究人工智能理论与应用奠定基础。
全书共9章。第1章绪论；第2章知识表示；第3章确定性推理方法；第4章不确定性推理方法；第5章搜索求解策略；第6章专家系统；第7章机器学习；第8章人工神经网络及其应用；第9章遗传算法及其应用。附录中给出了本书的习题解答。
本书可和为计算机、信息、控制、机电以及其他专业研究生、本科生学习人工智能课程的教材。由于书中几大部分内容相对独立，教师可以根据课程的学时计划灵活选择相关内容。本书也可供希望掌握人工智能技术的研究人员与工程技术人员学习参考。

第1章 绪论
1.1 人工智能的基本概念
1.2 人工智能的发展简史
1.3 人工智能研究的基本内容
1.4 人工智能的主要研究领域
思考题
第2章 知识表示
2.1 知识与知识表示的概念
2.2 一阶谓词逻辑表示法
2.3 产生式表示法
2.4 框架表示法
2.5 语义网络表示法
思考题
习题
第3章 确定性推理方法
3.1 推理的基本概念
3.2 自然演绎推理
3.3 谓词公式化为子句集的方法
3.4 海伯伦定理
3.5 鲁宾逊归结原理
3.6 归结反演
3.7 应用归结原理求解问题
思考题
习题
第4章 不确定性推理方法
4.1 不确定性推理的基本概念
4.2 概率方法
4.3 主观Bayes方法
4.4 可信度方法
4.5 证据理论
4.6 模糊推理方法
思考题
习题
第5章 搜索求解策略
5.1 搜索的概念
5.2 状态空间的搜索���略
5.3 盲目的图搜索策略
5.4 启发式图搜索策略
5.5 与/惑图搜索策略
思考题
习题
第6章 专家系统
6.1 专家系统的产生和发展
6.2 专家系统的概念
6.3 专家系统的工作原理
6.4 知识获取
6.5 专家系统的建立
6.6 专家系统实例
6.7 专家系统的开发工具
思考题
习题
第7章 机器学习
7.1 机器学习的基本概念
7.2 机械式学习
7.3 指导式学习
7.4 归纳学习
7.5 类比学习
7.6 解释学习
7.7 机器学习方法的比较与展望
思考题
第8章 人工神经网络及其应用
第9章 遗传算法及其应用
附录 习题解答
参考文献