第1章 緒論
1.1 人工智能的發(fā)展過程
1.1.1 萌芽期（1956年以前）
1.1.2 形成時期（1956-1961年）
1.1.3 發(fā)展時期（1961年以后）
1.1.4 人工智能的研究熱點與展望
1.2 人工智能研究的內(nèi)容
1.2.1 知識表示
1.2.2 自動推理
1.2.3 機(jī)器學(xué)習(xí)
1.3 人工智能研究的意義和目標(biāo)
1.3.1 人工智能研究的意義
1.3.2 人工智能研究的目標(biāo)
1.4 智能化信息技術(shù)在石油化工行業(yè)的應(yīng)用
1.4.1 石油化工行業(yè)的信息化
1.4.2 智能化信息技術(shù)在石油化工行業(yè)的應(yīng)用

第2章 模糊邏輯和專家系統(tǒng)
2.1 模糊數(shù)學(xué)基礎(chǔ)
2.1.1 模糊集合
2.1.2 模糊關(guān)系
2.1.3 模糊推理
2.2 模糊控制器結(jié)構(gòu)及原理
2.2.1 模糊控制器的結(jié)構(gòu)
2.2.2 模糊控制器的設(shè)計
2.2.3 模糊控制器的特點
2.3 基于規(guī)則推理的專家系統(tǒng)
2.3.1 專家系統(tǒng)的定義與分類
2.3.2 專家系統(tǒng)的結(jié)構(gòu)
2.3.3 基于規(guī)則推理的專家系統(tǒng)
2.4 應(yīng)用實例
2.4.1 電氣傳動系統(tǒng)：直流調(diào)速系統(tǒng)的模糊控制器設(shè)計
2.4.2 DCS故障診斷專家系統(tǒng)
參考文獻(xiàn)

第3章 人工神經(jīng)網(wǎng)絡(luò)
3.1 人工神經(jīng)網(wǎng)絡(luò)的基本概念
3.1.1 人工神經(jīng)網(wǎng)絡(luò)簡介
3.1.2 生物神經(jīng)元模型
3.1.3 人工神經(jīng)網(wǎng)絡(luò)的模型
3.1.4 人工神經(jīng)網(wǎng)絡(luò)的分類
3.1.5 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式
3.2 BP人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及學(xué)習(xí)
3.2.1 BP人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
3.2.2 BP人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)法
3.3 常用人工神經(jīng)網(wǎng)絡(luò)簡介
3.3.1 徑向基函數(shù)（RBF）網(wǎng)絡(luò)
3.3.2 Hopfield網(wǎng)絡(luò)
3.4 人工神經(jīng)網(wǎng)絡(luò)在石化行業(yè)中的應(yīng)用實例
3.4.1 BP學(xué)習(xí)算法的改進(jìn)
3.4.2 神經(jīng)網(wǎng)絡(luò)在石油化工過程故障診斷中的應(yīng)用
參考文獻(xiàn)

第4章 遺傳算法
4.1 遺傳算法的基本原理
4.1.1 遺傳算法的相關(guān)知識
4.1.2 遺傳算法的基本思想和一般結(jié)構(gòu)
4.2 遺傳算法的應(yīng)用技術(shù)基礎(chǔ)
4.2.1 選用遺傳算法的原因
4.2.2 遺傳算法的應(yīng)用性能評價
4.2.3 遺傳算法的具體實現(xiàn)方法
4.3 幾種重要的改進(jìn)遺傳算法
4.3.1 小生境技術(shù)遺傳算法
4.3.2 混合遺傳算法
4.3.3 并行遺傳算法
4.4 遺傳算法的應(yīng)用實例
4.4.1 遺傳算法在石化企業(yè)生產(chǎn)調(diào)度中的應(yīng)用
4.4.2 遺傳算法在石化多效并流蒸發(fā)器設(shè)計中的應(yīng)用
4.5 多變異擬子基因共同進(jìn)化算法（3MGcA）
參考文獻(xiàn)

第5章 人工免疫系統(tǒng)
5.1 人工免疫系統(tǒng)的基本概念
5.1.1 生物免疫系統(tǒng)
5.1.2 人工免疫系統(tǒng)的仿生機(jī)理
5.2 陰性選擇算法
5.2.1 人工免疫算法的基本思想和一般結(jié)構(gòu)
5.2.2 陰性選擇算法
……
第6章 人工智能的研究現(xiàn)狀和發(fā)展趨勢