本书介绍智能系统的基本原理、主要算法及其应用。全书共三篇、18章：第一篇为智能系统基础，包括第1~3章；第1章介绍人工智能和智能系统的概况，第2章和第3章分别讨论知识表示与推理及非经典推理；第二篇为智能系统原理与算法，包括第4~11章，探讨各种智能系统的基础理论与算法；第三篇为智能系统应用与展望，包括第12~18章，其中第12~17章探讨智能系统的各种应用；第18章展望智能系统的发展前景。
本书可作为高等院校计算机、自动控制、管理、电子信息等专业研究生和高年级本科生学习“智能系统”等课程的教材或教学参考书。
本书是国内首部系统、全面地介绍智能系统基本原理、主要算法及其应用的导论性著作，可作为高等院校计算机、自动控制、管理、电子信息等专业研究生和高年级本科生的“智能系统”等课程的教材或教学参考书，也可供从事智能系统和人工智能（包括智慧城市和智能家居在内）研究与应用的科技人员及管理人员学习参考。
本书具有下列特色：
导论性 内容系统全面，既包含智能系统的基础知识和理论，又囊括各种智能系统及其算法，还介绍了多种智能系统的应用及其展望，使读者能够对智能系统有全面和系统的了解，扩大知识面。
新颖性 本书为我国第一部知识覆盖较广的智能系统著作，较全面地反映了国内外智能系统研究与应用的最新进展，内容新颖，具有新意。
实用性 本书比较注重理论联系实际，书中除以很大篇幅介绍各种智能系统的算法外，还举例分析了几种典型的智能系统的应用，指导读者进行应用实践。
可读性 本书虽为导读性教材，但仍有难度，作者力图将问题表述与物理内涵结合起来，更易于读者对基本概念的理解。
前：
蔡自兴
1962年毕业于西安交通大学电机工程系，现为中南大学信息科学与工程学院教授、博士生导师。1983~1985年为美国普渡大学和内华达大学访问学者，1988~1990年任中国科学院自动化研究所和北京大学信息科学中心客座研究员，1992~1993年任美国伦塞勒工业大学客座教授。2004年4~7月为俄罗斯科学院圣彼得堡信息学与自动化研究所客座研究员。2007年5~8月任丹麦技术大学客座教授。联合国专家（UNIDO）、国际导航与运动控制科学院院士、纽约科学院院士，全国高等学校首届国家级教学名师奖、宝钢教育基金优秀教师特等奖和徐特立教育奖获得者。
曾任第八届湖南省政协副主席，全国政协第九、十届委员会委员。曾兼任中国人工智能学会副理事长及智能机器人专业委员会主任、中国自动化学会理事及智能自动化专业委员会委员、中国计算机学会人工智能与模式识别专业委员会委员等职。
主要从事人工智能、智能系统、智能控制、智能机器人等研究，在智能科学基础的多个学科的科学研究和课程教学与改革中成绩卓著，是我国智能系统、人工智能、智能控制、机器人学诸学科的学术带头人之一。已在国内外出版专著、教材40多部，发表学术论文近千篇。主持并完成包括国家自然科学基金重点项目在内的科研20多项，主持国家级和省级教学改革项目10多项，获国际奖励3项，国家级奖励2项，省部级以上奖励10多项。
后：
王 勇
2003年本科毕业于武汉工程大学自动化专业，2006年获中南大学模式识别与智能系统专业硕士学位，2011年获中南大学控制科学与工程专业博士学位。自2006年10月起历任中南大学助教和讲师，2012年9月晋升为副教授。2011年5月至今担任硕士生导师，2013年9月至今担任博士生导师。
主要研究方向为进化计算、单目标优化、约束优化、多目标优化、智能优化算法及其在实际工程中的应用等。现为IEEE计算智能学会Task Force on Nature-Inspired Constrained Optimization和Task Force on Differential Evolution委员，41个国际期刊审稿人，24次担任国际会议程序委员会委员。主持2项国家自然科学基金项目，发表国际期刊论文18篇，其中IEEE Transactions长文8篇，3篇论文进入ESI高引用论文前1%，所设计的算法被国内外学者应用于20多个领域。连续三次获“湖南省自然科学优秀学术论文”一等奖，其博士毕业论文被评选为“湖南省优秀博士学位论文”（2013年）及“IEEE计算智能学会优秀博士论文”（2015年）。2011年入选中南大学“升华育英计划”，2012年入选“香江学者计划”，2013年入选“教育部新世纪优秀人才计划”和“湖南省青年骨干教师”。
人类正处在一个深刻变革与迅速发展的新世纪。21世纪科技日新月异的进步必将为各国的可持续发展提供新的根本保障，科技新成果必将在更大的广度和深度上造福人类。国际上，人工智能和智能系统科学已走过50多年的历程，伴随着全球社会进步和科技发展的步伐，人工智能和智能系统的研究与时俱进，在21世纪的头十年中已取得长足进展。在国内，人工智能和智能系统已得到迅速传播与发展，并促进了其他学科的发展。
两年前，由我主持和主讲的国家级视频精品公开课“人工智能PK人类智能”在网上公开播出后，引发广大高校师生和公众的热烈反响与好评。这不仅是他们对我国视频公开课首播的热烈欢迎与充分肯定，而且体现了他们对人工智能及智能系统研究和进展的高度兴趣与由衷向往，还是对我们的极大鼓励与支持。我已经编著了30多部人工智能、智能控制、机器人学、专家系统和智能决策系统等方面的著作，以为再没有什么好写的内容了，最多只能继续撰写这些著作的新版本。上述视频公开课的鼓励与启发，使我萌生了编著一部新的智能科学著作的念头，即这本《智能系统原理、算法与应用》。
我们编著的上述各类智能科学著作提供了智能系统的基本内容和编写经验，而且已在中南大学为博士研究生开设了整整20届的“智能系统原理与应用”课程。教材编著和课程教学的经验，为我们编著这部新著作保驾护航，增加了我们写好本著作的信心。
本书分三篇介绍智能系统的基本原理、主要算法及其应用，可作为高等院校计算机、自动控制、管理、电子信息等专业研究生和高年级学生学习“智能系统”等课程的教材或教学参考书，也可供从事智能系统和人工智能研究与应用，以及智慧城市和智能住宅设计与开发的科技人员及管理人员学习参考。本书中带有星号（*）的章节为难点章节，除研究生需要参考外，其他读者可以不读。
在编写本书过程中，除了参阅本人独著著作外，还参阅了本人的合著著作和国内外部分相关文献，引用了其中的部分材料，使本书能够更好地反映智能系统的最新进展。例如，徐光祐、姚莉、龚涛、John Durkin、Robert Schalkoff，Y C Shin，Adriam Hopgood，Michael Negnevisky和LA Zadeh等，在此向相关著作的作者们表示特别感谢。
我们要衷心感谢中南大学研究生院和信息科学与工程学院的大力支持与合作，还特别感谢机械工业出版社策划编辑姚蕾和责任编辑李燕的敬业奉献精神，她们的支持，使本书能够迅速、高质量地与读者见面。
本书第1～7章以及第10～18章由蔡自兴编写，第8章和第9章由王勇编写，蔡自兴还负责全书内容的系统设计和统稿工作。由于水平所限和编写时间比较紧迫，因而书中可能存在不足之处，诚恳地欢迎各位专家、高校师生和其他读者批评指正。
蔡自兴
2014年5月
于广州迎风阁
人工智能/智能系统
本书是国内首部系统、全面地介绍智能系统基本原理、主要算法及其应用的导论性著作，可作为高等院校计算机、自动控制、管理、电子信息等专业研究生和高年级本科生的“智能系统”等课程的教材或教学参考书,也可供从事智能系统和人工智能（包括智慧城市和智能家居在内）研究与应用的科技人员及管理人员学习参考。
本书具有下列特色：
导论性 内容系统全面，既包含智能系统的基础知识和理论，又囊括各种智能系统及其算法，还介绍了多种智能系统的应用及其展望，使读者能够对智能系统有全面和系统的了解，扩大知识面。
新颖性 本书为我国第一部知识覆盖较广的智能系统著作，较全面地反映了国内外智能系统研究与应用的最新进展，内容新颖，具有新意。
实用性 本书比较注重理论联系实际，书中除以很大篇幅介绍各种智能系统的算法外，还专列一篇、6章举例分析各种典型的智能系统的应用，能够指导读者进行应用实践。
可读性 本书虽为导读性教材，但仍有难度。作者努力将问题表述与物理内涵结合起来，更易于读者对基本概念的理解。
前言
第一篇 智能系统基础
第1章 概述2
1.1 人工智能与智能系统的定义2
1.2 人工智能和智能系统的起源与发展4
1.3 人工智能的各种认知观10
1.3.1 人工智能各学派的认知观10
1.3.2 人工智能的争论11
1.4 智能系统的分类12
1.5 人工智能的研究目标和内容17
1.5.1 人工智能的研究目标17
1.5.2 人工智能研究的基本内容17
1.6 人工智能与智能系统的计算方法19
1.7 本书内容编排20
习题1 21
第2章 知识表示与推理22
2.1 智能系统知识的分类与表示问题22
2.1.1 智能系统知识的分类22
2.1.2 知识表示的要求23
2.2 状态空间图搜索23
2.2.1 问题状态描述24
2.2.2 无信息搜索25
2.2.3 启发式搜索26
2.3 谓词演算与消解原理30
2.3.1 谓词演算30
2.3.2 置换与合一33
2.3.3 消解原理35
2.4 产生式系统38
2.4.1 产生式系统的组成与表示38
2.4.2 产生式系统的推理40
2.5 语义网络法42
2.5.1 二元语义网络的表示43
2.5.2 多元语义网络的表示44
2.5.3 基于语义网络的知识推理45
2.6 框架表示与推理47
2.6.1 框架的构成47
2.6.2 框架的推理50
2.7 知识表示与搜索的综合问题51
2.7.1 问题的复合知识表示51
2.7.2 启发式算法的可纳性与单调性51
2.8 本章小结52
习题2 53
*第3章 非经典推理55
3.1 经典推理和非经典推理55
3.2 不确定性推理56
3.2.1 不确定性的表示与量度56
3.2.2 不确定性的算法57
3.3 概率推理58
3.3.1 概率的基本性质和计算公式59
3.3.2 概率推理方法60
3.4 贝叶斯推理62
3.4.1 知识不确定性的表示62
3.4.2 证据不确定性的表示63
3.5 可信度方法65
3.5.1 基于可信度的不确定性表示66
3.5.2 可信度方法的推理算法67
3.6 搜索与计算复杂度70
3.7 本章小结71
习题3 72
第二篇 智能系统原理与算法
第4章 专家系统74
4.1 专家系统概述74
4.1.1 专家系统的特点74
4.1.2 专家系统的结构和建造步骤75
4.2 基于规则的专家系统77
4.2.1 基于规则的专家系统的工作模型和结构77
4.2.2 基于规则的专家系统的特点78
4.3 基于框架的专家系统80
4.3.1 基于框架的专家系统的定义与结构80
4.3.2 基于框架的专家系统的设计方法81
4.4 基于模型的专家系统82
4.4.1 基于模型的专家系统的提出82
4.4.2 基于神经网络的专家系统82
*4.4.3 基于概率的专家系统84
4.5 基于Web的专家系统87
4.5.1 基于Web的专家系统的结构87
4.5.2 基于Web的专家系统的实例分析89
4.6 新型专家系统92
4.7 专家系统设计93
4.7.1 专家知识的描述93
4.7.2 知识的使用和决策解释96
4.8 专家系统开发工具98
4.8.1 骨架型开发工具98
4.8.2 语言型开发工具99
4.8.3 构造辅助工具100
4.8.4 支撑环境100
4.9 本章小结101
习题4 102
第5章 模糊逻辑系统103
5.1 模糊数学基础103
5.1.1 模糊集合及其运算103
5.1.2 模糊关系与模糊变换106
5.2 模糊逻辑语言与推理109
5.2.1 模糊逻辑语言109
5.2.2 模糊逻辑推理111
5.3 模糊系统的原理与结构115
5.3.1 模糊系统的原理115
5.3.2 模糊系统的结构116
5.4 模糊系统的设计方法118
5.4.1 模糊系统设计的查表法118
5.4.2 模糊系统设计的递推最小二乘法119
5.4.3 模糊系统设计的聚类法121
*5.5 模糊系统的可达性与鲁棒性122
5.5.1 模糊控制系统的可达性122
5.5.2 模糊控制系统的鲁棒性123
5.6 MATLAB模糊控制工具箱124
5.7 本章小结127
习题5 127
第6章 神经网络系统129
6.1 人工神经网络概述129
6.1.1 神经元及其特性130
6.1.2 人工神经网络的基本类型和学习算法131
6.1.3 人工神经网络的典型模型134
6.2 基于神经网络的知识表示与推理138
6.2.1 基于神经网络的知识表示138
6.2.2 基于神经网络的知识推理140
6.3 神经网络在约束优化中的应用问题142
6.4 MATLAB神经网络工具箱及其仿真144
6.4.1 MATLAB神经网络工具箱图形用户界面144
6.4.2 基于Simulink的神经网络模块工具145
6.5 本章小结147
习题6147
第7章 机器学习系统149
7.1 机器学习的定义和发展149
7.1.1 机器学习的定义149
7.1.2 机器学习的发展150
7.2 机器学习的主要策略与基本结构151
7.2.1 机器学习的主要策略151
7.2.2 机器学习系统的基本结构152
7.3 归纳学习153
7.3.1 归纳学习的模式和规则154
7.3.2 归纳学习方法155
7.4 类比学习157
7.4.1 类比推理和类比学习形式157
7.4.2 类比学习过程与研究类型158
7.5 解释学习159
7.5.1 解释学习过程和算法159
7.5.2 解释学习举例160
7.6 神经网络学习161
7.6.1 基于反向传播网络的学习161
7.6.2 基于Hopfield网络的学习165
7.7 知识发现167
7.7.1 知识发现的发展和定义167
7.7.2 知识发现的处理过程168
7.7.3 知识发现的方法170
7.8 增强学习172
7.8.1 增强学习概述172
7.8.2 Q-学习174
7.9 本章小结175
习题7176
第8章 仿生进化系统177
8.1 进化算法177
8.1.1 进化算法的主要原理178
8.1.2 进化算法的整体框架179
8.2 遗传算法180
8.2.1 个体编码和解码180
8.2.2 遗传算子181
8.2.3 遗传算法的执行过程184
8.2.4 遗传算法的执行实例185
8.2.5 实数编码遗传算法187
8.3 进化策略188
8.3.1 变异算子188
8.3.2 交叉算子与替换算子190
8.3.3 进化策略的执行过程191
8.4 进化规划191
8.4.1 变异算子与替换算子192
8.4.2 进化规划的执行过程192
8.4.3 高斯变异与柯西变异193
8.5 遗传算法、进化策略与进化规划的异同点194
8.6 本章小结195
习题8 195
第9章 群智能系统197
9.1 粒子群优化算法197
9.1.1 粒子群优化算法的基本原理197
9.1.2 粒子群优化算法的执行过程199
9.1.3 粒子速度和位置的修复199
9.1.4 粒子群优化算法的两个变种200
9.1.5 粒子群优化算法的改进201
9.2 蚁群算法205
9.2.1 蚁群算法的起源与发展205
9.2.2 蚁群算法的原理与执行206
9.3 本章小结211
习题9 212
第10章 多真体系统213
10.1 分布式人工智能213
10.2 Agent及其要素214
10.2.1 Agent的定义和译法215
10.2.2 真体的要素和特性216
10.3 真体的结构218
10.3.1 真体的抽象结构和结构特点218
10.3.2 真体结构的分类219
*10.4 真体通信221
10.4.1 通信的过程221
10.4.2 真体通信的类型和方式225
10.4.3 真体的通信语言227
10.5 移动真体和多真体系统228
10.5.1 移动真体的定义和系统构成229
10.5.2 多真体系统的特征和关键技术230
10.5.3 多真体系统的模型和结构231
10.5.4 多真体的协作、协商和协调232
*10.5.5 多真体的学习与规划235
10.5.6 多真体系统的研究和应用领域236
10.6 本章小结237
习题10 238
第11章 人工免疫系统239
11.1 自然免疫系统的概念、组成与功能239
11.2 免疫算法及其设计方法241
11.2.1 免疫算法的定义241
11.2.2 免疫算法的步骤和框图242
11.2.3 免疫算法的设计方法和参数选择244
*11.3 人工免疫系统的结构246
11.4 人工免疫系统应用示例247
11.4.1 免疫控制系统的一般结构247
11.4.2 免疫控制的计算体系和系统框图247
11.4.3 免疫控制系统示例248
11.5 本章小结250
习题11 250
第三篇 智能系统应用与展望
第12章 智能机器人系统252
12.1 机器人学的起源与发展252
12.2 机器人的定义和特点254
12.3 机器人系统的构成与分类255
12.4 智能机器人的研究领域257
12.5 智能机器人应用示例259
12.5.1 汽车自主驾驶系统的组成259
12.5.2 汽车自主驾驶系统的结构260
12.5.3 汽车自主驾驶系统的软件结构与控制算法262
12.5.4 汽车自主驾驶系统的实验结果262
12.6 本章小结263
习题12 263
第13章 智能控制系统264
13.1 智能控制的产生与发展264
13.1.1 自动控制的机遇与挑战264
13.1.2 智能控制的发展和作用266
13.2 智能控制的定义、特点、一般结构与分类268
13.2.1 智能控制的定义与特点268
13.2.2 智能控制器的一般结构与分类269
13.3 智能控制的学科结构理论体系272
13.3.1 二元交集结构理论272
13.3.2 三元交集结构理论273
13.3.3 四元交集结构理论273
13.4 智能控制系统应用示例276
13.5 本章小结279
习题13279
第14章 智能规划系统280
14.1 智能规划概述280
14.1.1 规划的概念和作用280
14.1.2 规划的分类282
14.2 任务规划283
14.2.1 系统结构和规划机理283
14.2.2 ROPES机器人规划系统285
14.3 路径规划的主要方法和发展趋势287
14.4 基于蚁群算法的移动机器人路径规划289
14.4.1 蚁群优化算法简介289
14.4.2 基于蚁群算法的路径规划290
14.5 轨迹规划简介293
14.6 本章小结294
习题14295
第15章 智能决策系统296
15.1 智能决策系统的定义与组成296
15.1.1 智能决策系统的定义296
15.1.2 智能决策系统的组成297
15.2 智能决策系统的概念模型与典型特性298
15.2.1 SHORE C2概念模型299
15.2.2 指挥决策过程的典型特性301
15.3 智能指挥决策的过程模型302
15.3.1 智能数据融合303
15.3.2 智能态势估计304
15.3.3 资源的智能规划与分配305
15.4 多属性决策305
15.4.1 多属性决策的基本概念305
15.4.2 多属性决策方法306
15.5 本章小结309
习题15309
第16章 自然语言理解系统310
16.1 自然语言理解概述310
16.1.1 语言与语言理解310
16.1.2 自然语言理解的研究历史和发展现状312
16.1.3 自然语言处理的定义和研究意义315
16.2 自然语言理解的研究领域和研究方法317
16.2.1 自然语言处理的研究领域317
16.2.2 自然语言理解的研究方法318
16.2.3 自然语言理解过程的层次319
16.3 自然语言理解系统的主要模型320
16.4 自然语言理解系统应用示例322
16.4.1 自然语言自动理解系统322
16.4.2 自然语言问答系统323
16.5 本章小结325
习题16 325
第17章 智能交通系统326
17.1 智能交通系统概述326
17.2 智能交通系统的发展327
17.3 智能交通系统的体系结构329
17.4 智能交通系统的信息平台331
17.5 智能交通系统应用示例334
17.6 本章小结338
习题17338
第18章 智能系统展望339
18.1 智能系统的学科定位问题339
18.2 智能系统对人类的影响340
18.2.1 对经济的影响340
18.2.2 对社会的影响340
18.2.3 对文化的影响342
18.3 智能系统的未来343
18.3.1 更新的理论框架343
18.3.2 更好的技术集成345
18.3.3 更成熟的应用方法345
18.4 本章小结346
习题18347
参考文献348
