《人工智能及其演化》综合了数十年来国内外人工智能领域的研究成果和新进展，结合作者多年从事人工智能科学研究和实践中的积累，从时间推进、学科分支及理论到实践演进三个维度对人工智能及其演化作了详细介绍。
　　《人工智能及其演化》主要以当今热门的六个人工智能领域“人工神经网络”、“遗传算法”、“人工生命”、“专家系统”、“知识工程”和“深度学习”为主，阐述了其理论知识、基本算法、应用方向，并辅以经典算例，从进化发展的视角，深入浅出地展现了全面、立体、发展中的人工智能，为广大读者了解、学习和研究人工智能提供了一个很好的参考。
　　《人工智能及其演化》可作为高等院校计算机、自动化、控制、通信、电子信息、信息管理及其他相关学科专业的教材，也可供从事相关领域研究、开发和应用的科技工作者参考。

前言

第1章 绪论
1．1 人工智能的产生及其发展
1．1．1 人工智能的产生
1．1．2 人工智能的早期发展
1．1．3 人工智能的高速发展
1．2 人工智能的研究目标
1．3 人工智能涉及的技术领域
1．4 全书内容概述

第2章 人工神经网络的发展与应用
2．1 引言
2．2 定义
2．3 特征
2．3．1 网络结构特征
2．3．2 性能特点
2．3．3 能力特征
2．3．4 实现方式
2．4 历史发展回顾
2．4．1 第一阶段——启蒙时期
2．4．2 第二阶段——兴盛时期
2．4．3 第三阶段——反思时期
2．4．4 第四阶段——复兴时期
2．4．5 第五阶段——新发展时期
2．5 人工神经网络信息处理的机理与结构
2．5．1 人工神经网络信息处理的机理
2．5．2 人工神经网络结构
2．5．3 一类典型的神经网络算例
2．6 网络类型、学习类型与规则
2．6．1 感知器神经网络
2．6．2 线性神经网络
2．6．3 BP神经网络
2．6．4 径向基函数网络
2．6．5 自组织网络（Kohonen神经网络）
2．6．6 反馈网络
2．6．7 Hopfield网络
2．6．8 人工神经场（ANEF）模型
2．7 发展现状及应用方向

第3章 遗传算法及其应用
3．1 遗传算法的产生及其发展
3．1．1 遗传算法的生物学基础
3．1．2 遗传算法的发展历史
3．1．3 遗传算法的基本思想
3．1．4 遗传算法的相关概念
3．2 遗传算法的基本原理
3．2．1 编码
3．2．2 适应度函数
3．2．3 初始群体的选取
3．2．4 简单算例
3．3 遗传算法收敛性
3．4 遗传算法的特点
3．5 遗传算法的编程实例
3．5．1 极大值、最大值、局部最优解、全局最优解
3．5．2 “袋鼠跳”问题
3．5．3 实现方法
3．6 遗传算法的应用领域
3．7 遗传算法的现状及发展趋势

第4章 人工生命及其应用
4．1 人工生命的生物学基础
4．1．1 生命的起源
4．1．2 关于生命的两种观点
4．1．3 生命系统的内涵和特征
4．2 人工生命的产生及其发展
4．2．1 人工生命的发展历史
4．2．2 人工生命的定义
4．3 人工生命的特点
4．4 人工生命的基本思想
4．5 人工生命的算法原理
4．5．1 人工生命的基本算法
4．5．2 人工生命的改进算法
4．6 人工生命的主要研究领域
4．6．1 细胞自动机
4．6．2 人工脑
4．6．3 数字生命
4．6．4 数字社会
4．6．5 数字生态环境
4．6．6 进化机器人
4．6．7 虚拟生物
4．6．8 进化算法
4．7 人工生命的实现技术
4．8 人工生命的现状及发展前景

第5章 专家系统的形成与发展
5．1 引言
5．2 定义
5．3 特点
5．4 专家系统的产生与发展
5．4．1 第一阶段——初创期
5．4．2 第二阶段——成熟期
5．4．3 第三阶段——发展期
5．5 专家系统的结构与工作原理
5．5．1 专家系统的一般结构
5．5．2 专家系统的开发环境
5．5．3 专家知识的获取方式
5．5．4 专家系统知识表示
5．5．5 专家系统推理机的设计
5．5．6 专家系统的工作原理
5．6 专家系统的类型
5．6．1 基于规则的专家系统
5．6．2 基于案例的专家系统
5．6．3 基于框架的专家系统
5．6．4 基于模糊逻辑的专家系统
5．6．5 基于D-S证据理论的专家系统
5．6．6 基于人工神经网络的专家系统
5．6．7 基于遗传算法的专家系统
5．7 专家系统的应用
5．7．1 专家系统在农业灌溉管理中的应用
5．7．2 专家系统在地震方面的应用
5．8 专家系统的发展趋势
5．8．1 通用性专家系统
5．8．2 分布式专家系统
5．8．3 协同式专家系统

第6章 知识工程
6．1 知识工程的发展历史
6．2 知识工程的基本概念
6．2．1 数据、信息和知识
6．2．2 知识工程中的人
6．3 知识的获取
6．3．1 知识获取的方式
6．3．2 数据挖掘的常用方法
6．4 知识的表示
6．4．1 传统知识表示方法的改进
6．4．2 面向对象的知识表示方法
6．4．3 模糊技术的知识表示方法
6．4．4 人工神经网络知识表示方法
6．5 基于知识发现的应用
6．5．1 在工业设计中的应用
6．5．2 在机械产品参数化设计中的应用
6．5．3 在工艺决策方面的应用
6．5．4 知识工程在教育领域的应用
6．5．5 在电子政务与电子商务领域中的应用
6．5．6 在虚拟企业中的应用
6．5．7 本体与知识共享
6．6 知识工程的典型案例
6．6．1 复杂产品创新设计中知识本体的构建
6．6．2 航天产品设计知识的表示与重用技术研究案例
6．6．3 基于知识的复杂产品设计过程研究案例
6．6．4 面向军工企业的知识管理模式与战略方法研究案例
6．6．5 支持航天产品数字化设计的KBE系统架构案例研究

第7章 深度学习简介
7．1 深度学习的产生及发展
7．1．1 深度学习的神经学基础
7．1．2 深度学习的发展历史
7．2 发展深度学习的必要性
7．2．1 浅层结构函数表示能力的局限性
7．2．2 引入深度学习的必要性
7．3 典型深度学习模型
7．3．1 卷积神经网络模型（CNN）
7．3．2 深度置信型网络模型（DBN）
7．3．3 堆栈自编码网络模型
7．3．4 混合型结构模型
7．4 深度学习的训练算法
7．5 深度学习的应用领域
7．5．1 语音识别
7．5．2 图像和视频
7．5．3 自然语言处理
7．5．4 搜索广告与CTR预估
7．6 深度学习未来的研究方向及发展前景
7．6．1 理论问题
7．6．2 建模问题
7．6．3 特征提取
7．6．4 训练与优化求解
7．6．5 工程问题
7．6．6 研究拓展
7．6．7 发展前景

第8章 展望
8．1 人工智能的重要影响
8．1．1 人工智能对科学的影响
8．1．2 人工智能对经济的影响
8．1．3 人工智能对社会的影响
8．2 人工智能的产业化可能
8．2．1 谷歌机器学习产业化
8．2．2 百度深度学习实验室
8．3 人工智能的前景
8．3．1 大脑计划
8．3．2 面向交互的程序设计与社会构造
8．3．3 并发约束模型，智能计算的基础
8．3．4 一种基于DAI的新型软件设计风范
8．3．5 知识表示
8．3．6 建立与理解复杂的自适应系统
8．3．7 语言技术与界面

参考文献
彩图