本书是人工智能领域的经典书籍，新版做了全面修订，增加了关于机器学习的内容，并更新了代码示例和练习。本书主要讨论智能体(agent)的基本概念和体系结构，从计算的角度介绍相关的规划、学习、推理、协商、交互机制等理论，基于自主送货机器人、诊断助手、智能辅导系统和交易智能体四个原型应用，在一个连贯的框架下研究智能体的设计、构建和实现，并从十个维度考虑设计空间的复杂性。
[加]大卫·L.普尔（David L.Poole），不列颠哥伦比亚大学计算机科学系教授，计算智能实验室主管。他是加拿大人工智能协会（CAIAC）和人工智能协会（AAAI）会士。曾获CAIAC 2013年终身成就奖，曾任人工智能不确定性协会（AUAI。
[加]阿兰·K.麦克沃斯（Alan K.Mackworth），不列颠哥伦比亚大学计算机科学系荣休教授。他是CAIAC和AAAI会士，以及加拿大高等研究院（CIFAR）和加拿大学会（RSC）院士。曾任国际人工智能联合会议（IJGAI）、AAAI和CAIA。
黄智濒，计算机系统结构博士，北京邮电大学计算机学院讲师。长期从事机器学大规模并行计算、GPU加速计算以及三维计算机视觉和深度学方面的研究。
白鹏，博士，中国航天空气动力技术研究院研究员、博士生导师，航天科技集团公司学术技术带头人，《空气动力学学报》编委。长期从事飞行器空气动力学特性评估与气体设计领域的科研工作。曾荣获部级科步奖（5次）、航天贡献奖及航天基金奖。获国家发明专利20余项，出版学术专著2部，在国内外学术期刊和AIAA等重要国际学术会议上文100余篇。
译者序
前言
致谢
部分 世界中的智能体：什么是智能体？如何创建智能体？
第1章 人工智能与智能体2
1.1 什么是人工智能2
1.1.1 人工智能和自然智能3
1.2 人工智能简史5
1.2.1 与其他学科的关系7
1.3 环境中的智能体7
1.4 设计智能体8
1.4.1 设计时间计算、离线计算和在线计算8
1.4.2 任务10
1.4.3 定义解决方案11
1.4.4 表示12
1.5 智能体设计空间14
1.5.1 模块性14
1.5.2 规划视野14
1.5.3 表示15
1.5.4 计算限制16
1.5.5 学
1.5.6 不确定性18
1.5.7 偏好19
1.5.8 智能体数量19
1.5.9 交互性20
1.5.10 各维度的相互作用20
1.6 原型应用21
1.6.1 自主送货机器人22
1.6.2 诊断助手24
1.6.3 智能辅导系统25
1.6.4 交易智能体27
1.6.5 智能家居28
1.7 本书概览29
1.8 回顾29
1.9 参考文献一步阅读30
1.10 练
第2章 智能体的体系结构与层次控制32
2.1 智能体32
2.2 智能体系统33
2.2.1 智能能33
2.3 层级控制36
2.4 用推理行动42
2.4.1 智能体建模世界42
2.4.2 知识和行动43
2.4.3 设计时间计算和离线计算44
2.4.4 在线计算45
2.5 回顾46
2.6 参考文献一步阅读46
2.7 练
第二部分 确定性推理、规划与学r/>第3章 搜索解决方案50
3.1 以搜索的方式解决问题50
3.2 状态空间51
3.3 图搜索53
3.3.1 形式化图搜索53
3.4 通用搜索算法55
3.5 无信息搜索策略57
3.5.1 广度优先搜索57
3.5.2 深度优先搜索59
3.5.3 迭代深化62
3.5.4 代价优先搜索64
3.6 启发式搜索65
3.6.1 A搜索66
3.6.2 设计启发式函数69
3.7 搜索空间的修剪70
3.7.1 环修剪70
3.7.2 多路径修剪70
3.7.3 搜索策略小结72
3.8 更复杂的搜索73
3.8.1 分支定界73
3.8.2 搜索的方向75
3.8.3 动态规划77
3.9 回顾79
3.10 参考文献一步阅读80
3.11 练
第4章 约束推理83
4.1 可能世界、变量和约束83
4.1.1 变量和世界83
4.1.2 约束86
4.1.3 约束满足问题87
4.2 生成和测试算法88
4.3 使用搜索求解CSP88
4.4 一致性算法89
4.5 域分割93
4.6 变量消除94
4.7 局部搜索96
4.7.1 迭代98
4.7.2 随机算法98
4.7.3 局部搜索的变体99
4.7.4 评估随机算法102
4.7.5 随机重启104
4.8 基于种群的方法104
4.9 优化器106
4.9.1 系统化的优化方法108
4.9.2 用于优化的局部搜索110
4.10 回顾111
4.11 参考文献一步阅读112
4.12 练2
第5章 命题与推理115
5.1 命题115
5.1.1 命题演算的语法115
5.1.2 命题演算的语义116
5.2 命题约束119
5.2.1 用于一致性算法的子句形式120
5.2.2 在局部搜索中利用命题结构121
5.3 命题确定子句121
5.3.1 问题和答案123
5.3.2 证明124
5.4 知识表示问题129
5.4.1 背景知识和观察129
5.4.2 查询用户130
5.4.3 知识层面的解释131
5.4.4 知识层面的调试133
5.5 反证法137
5.5.1 霍恩子句137
5.5.2 假设与冲突138
5.5.3 基于一致性的诊断139
5.5.4 用假设和霍恩子行推理140
5.6 完备知识假设143
5.6.1 非单调推理145
5.6.2 否定作为失败的证明过程146
5.7 溯因法148
5.8 因果模型152
5.9 回顾153
5.10 参考文献一步阅读153
5.11 练4
第6章 确定性规划161
6.1 状态、动作、目标的表示161
6.1.1 显式状态空间表示162
6.1.2 STRIPS表示163
6.1.3 基于特征的动作表示164
6.1.4 初始化状态和目标166
6.2 前向规划166
6.3 回归规划168
6.4 CSP规划169
6.4.1 动作特征171
6.5 偏序规划173
6.6 回顾175
6.7 参考文献一步阅读176
6.8 练6
第7章 有监督机器学9
7.1 学179
7.2 有监督学1
7.2.1 评估预测值183
7.2.2 误差类型187
7.2.3 无输入特征的点估算189
7.3 有监督学本模型190
7.3.1 学树191
书单推荐
