當(dāng)前，人工智能（artificial intelligence，AI）已經(jīng)成為計(jì)算機(jī)科學(xué)基礎(chǔ)理論研究的熱點(diǎn)和前沿研究領(lǐng)域，這部分源于不久以前由Google公司研制的智能圍棋機(jī)器人AlphaGo的技驚四座的表現(xiàn)，而AlphaGo的優(yōu)異表現(xiàn)源于以Hinton教授為首的三位從事人工智能領(lǐng)域中一個(gè)重要研究方向深度學(xué)習(xí)（deep learning）的計(jì)算機(jī)科學(xué)家的開創(chuàng)性工作。這三位學(xué)者也因此摘得了2018年圖靈獎（Turing Award）。事實(shí)上，自從阿蘭·圖靈（Alan Turing）提出圖靈測試這個(gè)在人工智能誕生的過程中具有重要里程碑意義的方法至今，使計(jì)算機(jī)從一個(gè)僅僅只能用于科學(xué)計(jì)算的工具變成具有類似于人的思維能力的智能工具一直是計(jì)算機(jī)科學(xué)家追求的高目標(biāo)。由于人工智能所涉及的學(xué)科領(lǐng)域極為廣泛，是真正意義上的跨學(xué)科領(lǐng)域，因此本書也僅僅只能展現(xiàn)這個(gè)計(jì)算機(jī)專業(yè)前沿領(lǐng)域的冰山一角。盡管如此，作者還是根據(jù)人工智能領(lǐng)域基礎(chǔ)理論支撐的力度，并且結(jié)合當(dāng)前這一研究領(lǐng)域的熱點(diǎn)，精心選擇了模糊計(jì)算、演化計(jì)算、機(jī)器學(xué)習(xí)（包括深度學(xué)習(xí)）、復(fù)雜網(wǎng)絡(luò)以及數(shù)據(jù)挖掘（只涉及核心的基礎(chǔ)理論）作為講授內(nèi)容。這樣做一方面是為了給讀者打下堅(jiān)實(shí)的人工智能理論學(xué)習(xí)基礎(chǔ)，另一方面是考慮到應(yīng)該盡可能地避免掛一漏萬。
作為人工智能理論基礎(chǔ)的智能信息處理方法是通過從自然界中各類生物的生存方式、行為以及人類智慧中所蘊(yùn)含的豐富哲理獲得一定的啟發(fā)而設(shè)計(jì)出來的一類模擬算法的總稱。隨著科學(xué)和技術(shù)的不斷發(fā)展，在科學(xué)研究和工程實(shí)踐中遇到的問題越來越復(fù)雜，使用傳統(tǒng)的算法來求解往往將會導(dǎo)致計(jì)算復(fù)雜度越來越高、計(jì)算時(shí)間越來越長等瓶頸問題。尤其是對于一些NP�瞙ard（non�瞕eterministic polynomial hard）問題，傳統(tǒng)的算法幾乎不可能在可以被接受的時(shí)間以內(nèi)求出精確的解。因此，為了在求解精度和求解時(shí)間之間取得平衡，計(jì)算機(jī)科學(xué)家發(fā)明了許多具有啟發(fā)式特性的智能信息處理方法。這些智能算法包括模擬生物演化行為和過程的遺傳算法、模擬生物群體自組織行為的群智能算法以及模擬人的大腦思維和學(xué)習(xí)過程的機(jī)器學(xué)習(xí)算法等各種智能算法。這些算法的主要特征體現(xiàn)為它們都能夠在可被接受的時(shí)間之內(nèi)求得可被接受的解（不一定是精確解），盡管不一定能得到精確解，但是這些算法的大優(yōu)勢在于它們能夠大大地減少計(jì)算時(shí)間。
但是，我們也必須承認(rèn)，當(dāng)前的智能信息處理方法仍然處于不斷的發(fā)展和完善的過程中。其主要原因在于這些算法與傳統(tǒng)算法不同，它們中有一部分目前仍然沒有找到嚴(yán)格的數(shù)學(xué)理論依據(jù)。盡管如此，這些算法還是建立在比較可靠的哲學(xué)基礎(chǔ)之上。因此，人工智能無論是從其基礎(chǔ)理論研究還是從其應(yīng)用領(lǐng)域研究來說，發(fā)展速度都非常迅速。目前，人工智能技術(shù)已經(jīng)在模糊推理、圖像處理、模式識別、自然語言處理、經(jīng)濟(jì)管理、生物醫(yī)學(xué)、自動控制等諸多應(yīng)用領(lǐng)域獲得了相當(dāng)豐富的成果。與此同時(shí)，相關(guān)的國際會議和學(xué)術(shù)期刊也為人工智能領(lǐng)域的研究和發(fā)展?fàn)I造了良好的研究環(huán)境和學(xué)術(shù)氛圍。因此，理解并掌握智能信息處理方法不僅已成為計(jì)算機(jī)專業(yè)學(xué)子的必備專業(yè)技能，而且也應(yīng)成為廣大理工科學(xué)子的迫切要求。熟練地運(yùn)用這些算法去解決現(xiàn)實(shí)中遇到的許多復(fù)雜計(jì)算問題也日益成為廣大科學(xué)工作者以及工程技術(shù)人員的必備能力。
前言人工智能
基礎(chǔ)教程正是由于以上種種需求，因此，需要有一本既適合于大學(xué)課堂教學(xué)又有利于讀者自學(xué)的從基礎(chǔ)理論到應(yīng)用實(shí)踐全方位系統(tǒng)介紹人工智能的圖書。
這本書的主要特點(diǎn)是在介紹每一種智能信息處理方法之前幾乎都追溯了算法設(shè)計(jì)的思想淵源。這主要是因?yàn)槊恳环N智能算法設(shè)計(jì)背后所依據(jù)的思想都是十分深刻的，如果不深入細(xì)致地琢磨、理解、領(lǐng)悟這些思想，甚至根本不知道這些思想，我們就不可能理解這些算法背后的本質(zhì)，甚至根本不理解什么是人工智能、它和人類智能的區(qū)別究竟在何處，以至于對人工智能陷入盲目崇拜的地步。通過對本書的閱讀，讀者不僅能夠非常透徹地理解人工智能這個(gè)學(xué)科，而且甚至可能激發(fā)其對全新的智能算法的設(shè)計(jì)與研究熱情，因?yàn)檫@本書中具有十分濃厚的啟發(fā)性元素。除此以外，為了增強(qiáng)實(shí)踐性，本書在每一章中，幾乎都配有將人工智能算法應(yīng)用到實(shí)踐領(lǐng)域中解決實(shí)際問題的具體案例，非常適合讀者自學(xué)。后，為了便于教學(xué)，在全書的后（附錄部分），附上了書中部分章節(jié)可以開設(shè)的相應(yīng)實(shí)驗(yàn)以及與之相應(yīng)的參考源程序，供教師教學(xué)參考。
全書內(nèi)容總共分為9章。第1章是緒論，主要對人工智能的發(fā)展歷程以及背景知識，人工智能算法的分類與理論、研究與發(fā)展、特征與應(yīng)用等進(jìn)行簡要介紹；第2章主要介紹模糊理論；第3章主要介紹機(jī)器學(xué)習(xí)算法，包括深度學(xué)習(xí)算法的簡要介紹；第4章和第5章主要介紹人工智能技術(shù)中必備的兩種基本方法分類和聚類；第6章主要介紹遺傳算法；第7章和第8章分別介紹基于自組織系統(tǒng)的群智能算法蟻群優(yōu)化算法和粒子群優(yōu)化算法；第9章主要介紹目前應(yīng)用為廣泛的兩種復(fù)雜網(wǎng)絡(luò)方法，即小世界網(wǎng)絡(luò)模型和無標(biāo)度網(wǎng)絡(luò)模型。本書既可作為計(jì)算機(jī)科學(xué)、智能科學(xué)、數(shù)據(jù)科學(xué)等專業(yè)高年級本科生或研究生教材使用，也可作為對AI領(lǐng)域發(fā)展或AI技術(shù)有興趣的廣大讀者了解或自學(xué)人工智能的輔助讀物。如果作為教材，建議本書的理論授課學(xué)時(shí)數(shù)為60~70學(xué)時(shí)，上機(jī)實(shí)驗(yàn)學(xué)時(shí)數(shù)為10學(xué)時(shí)。如果學(xué)時(shí)數(shù)不夠，可以根據(jù)各個(gè)學(xué)校相關(guān)專業(yè)發(fā)展的實(shí)際需要做相應(yīng)的調(diào)整。
本書由文華學(xué)院秦明擔(dān)任主編，由廣西外國語學(xué)院李雁星、武漢晴川學(xué)院胡婧、武昌工學(xué)院向前、南開大學(xué)濱海學(xué)院趙鳳怡擔(dān)任副主編。全書由秦明審核并統(tǒng)稿。
本書在編著的過程中得到了文華學(xué)院信息科學(xué)與技術(shù)學(xué)部的大力支持和幫助，尤其是翁廣安老師（博士），他在百忙之中就本書附錄部分的上機(jī)實(shí)驗(yàn)以及參考源程序與編者進(jìn)行了長期深入的交流，并提出了許多寶貴的意見和建議，在此一并表示衷心的感謝。同時(shí)對在編著成書的這段時(shí)間給予編者默默支持和幫助的家人和朋友表示感謝。
由于編者才疏學(xué)淺，人工智能又是一個(gè)新興的高科技領(lǐng)域，因此在理解和認(rèn)識上難免出現(xiàn)有失偏頗之處，懇請廣大讀者批評指正，將不勝感激。
為了方便教學(xué)，本書還配有電子課件等教學(xué)資源包，任課教師和學(xué)生可以登錄我們愛讀書網(wǎng)（www.ibook4us.com）注冊并瀏覽，任課教師還可以發(fā)郵件至hustpeiit@163.com索取。