本书以群体智能与智能网联的应用为牵引，通过原理、算法、技术应用三个篇章为大家介绍群体智能与智能网联相关的基础理论、概念模型、关键技术和前沿应用。具体而言，原理篇会介绍群体智能的通信方式与组网、知识表征、因果涌现机理等内容；算法篇则从多主体强化学习、多智能体合作式梯度更新方法、图神经网络、蚁群算法等群体智能领域的代表性算法；应用篇则讨论6G与内生智能、车联网与自动驾驶、工业控制网络群体智能技术的应用。

本书共分为智能网联汽车、产业及关键技术的基本认知，掌握环境感知技术在智能网联汽车上的应用方式，掌握高精度地图与定位系统在智能网联汽车上的应用方式，掌握决策控制系统在智能网联汽车上的应用方式，掌握车载网络与通信技术在智能网联汽车上的应用方式和掌握先进驾驶辅助系统在智能网联汽车上的应用方式6个能力模块，并下设16个任务。本书以“做中学”为主导，以程序性知识为主体，配以必要的陈述性知识和策略性知识，重点强化“如何做”，将必要知识点穿插于各个“做”的步骤中，帮助学生边学习，边实践；同时将“课程思政”融入课程的培养目标，在实训教学中渗透理论的讲解，使学生所学到的知识能够融会贯通，让学生具有独立思考的能力和将理论运用于实践的动手能力，并成为从事智能网联汽车相关工作的高素质技能型专业人才。 本书内容通俗易懂，可作为职业院校新能源汽车使用与维修、新能源汽车技术、智能网联汽车技术、新能源汽车检测与维修技术、智能网联汽车工程技术等专业的教材，也可供从事本专业工作的工程技术人员参考。

群体智能是近年来发展迅速的人工智能学科领域.通过研究分散,自组织的动物群体和人类社会的智能行为, 学者们提出了许多迥异于传统思路的智能算法, 很好地解决了不少原来非常棘手的复杂工程问题.与蚁群算法齐名的粒子群优化(particle swarm optimization, 简称PSO)算法就是其中最受瞩目,应用最为广泛的成果之一. 本书由粒子群优化算法之父撰写,是该领域毋庸置疑的经典著作.作者提出,人类智能来源于社会环境中个体之间的交互,这种智能模型可以有效的应用到人工智能系统中去. 书中首先从社会心理学, 认知科学和演化计算等多个角度阐述了这种新方法的基础,然后详细说明了应用这些理论和模型所得出的新的计算智能方法--粒子群优化,进而深入探讨了将粒子群优化应用于广泛的工程问题.

《计算群体智能基础》全面系统地介绍了计算群体智能中的粒子群优化(PSO)和蚁群优化(ACO)的基本概念、基本模型、理论分析及其应用。在简要介绍基本优化理论和总结各类优化问题之后，重点介绍了社会网络结构如何在个体间交换信息以及个体聚集行为如何形成一个功能强大的有机体。在概述了进化计算后，重点论述了粒子群优化和蚁群优化的基本模型及其各种变体，给出了分析粒子群优化模型的一种通用方法，证明了基于蚂蚁行为实现的蚁群优化算法并将其用于解决实际问题。 《计算群体智能基础》可作为高等院校智能科学、计算机、自动化、电子信息、通信、模式识别等专业研究生和高年级本科生的教材，也可作为智能信息处理、群体智能与工程等相关专业的科技工程人员的参考用书。

国家智能网联汽车创新中心、中国智能网联汽车产业创新联盟集合行业内外80余家单位、近200位专家，共同研判了面向2025年前后的智能网联汽车各场景应用路径，以促进多种场景自动驾驶示范应用，并为相关部门决策提供参考。 《智能网联汽车创新应用路线图》梳理了不同场景下智能网联汽车示范应用的现状与成果，辨识了不同场景应用面临的挑战和问题，识别了相应功能要求，通过优势落地场景的协同带动效应，实现跨越式发展，在凝聚共识的基础上，探索适应高度自动驾驶汽车产业的发展路线；以汽车为核心，实现汽车、交通与智慧城市共同发展的智能网联新型体系架构；充分融合智能化与网联化发展特征，以“十四五”期间不同场景下车辆、设施、服务的普及为目标，*终形成发展里程碑和实现路径等内容。 本书适合智能网联汽车相关管理部门、示范区建设部门、车辆运营商、主机厂与智能网联汽车各级供应商的工作人员参考阅读。

1.20余家优势单位权威专家，历时4年联合攻关并编写。由中国汽车技术研究中心牵头组建、以陈虹教授为首席科学家的研究团队，围绕国家重大战略需求、依托国家重点研发计划“新能源汽车专项”，联合国内20余家智能网联汽车测试与评价领域优势单位，开展了为期四年的联合攻关。本书即为此攻关项目成果总结。 2.取得多项突破，填补多项空白。本书项目团队以“瞄一流，补空白”的原则，在智能网联汽车测试与评价共性技术、智能网联汽车全链测试工具、智能网联汽车测试与评价体系三个方面取得了重大突破，填补了智能网联汽车测试与评价理论、适用于中国路况的测试场景库建设、复杂气象条件模拟测试技术等多项国内空白，实现了我国智能网联汽车测试与评价技术的跨越式发展。中国工程院院士李德毅为本书作序。 3.凝聚智能网联汽车测试与评价领域取得的*新研究成果，以实用性为指导原则，融合理论基础、技术创新和工程实践。

本书以智能网联汽车建模与仿真为背景，层层递进引入仿真基础知识、环境感知及识别、功能系统控制等。具体来说，本书介绍了智能网联汽车仿真系统构成、仿真测试体系、场景构建方法以及仿真基础知识和软件。在此基础上，本书沿着智能网联汽车仿真技术路线，重点阐述了环境感知传感器、目标识别技术、运动控制技术、部分功能系统等内容。在*后，本书还给出了自动驾驶测试及仿真示例，帮助读者进行实践以加深对该课程的理解。 本书可作为应用型本科院校汽车类专业教材，也适合对智能网联汽车建模仿真技术感兴趣的读者阅读学习，无论是开发者、设计者、科研工作者还是刚入门的人员。

本书从空间信息处理角度出发，将人工智能领域的理论研究与专业实践相结合，完整介绍人工智能方法及其在空间信息处理中的应用，不仅涵盖人工智能领域的基础概念与基本方法，而且探讨知识图谱、计算智能、新兴机器学习、深度学习等前沿技术，同时介绍人工智能在地理文本大数据、遥感影像、激光点云等空间信息处理中的应用实例，具有较强的代表性和启发性。 本书可以作为高等院校空间信息与数字技术、遥感科学与技术等专业高年级本科生和研究生学习人工智能技术的教材，也可供计算机、电子信息、自动控制、地球测绘等领域从事空间信息智能处理工作的科技人员学习和参考。

本书紧密结合当前智能网联汽车技术及其应用，首先对智能网联汽车技术进行综述性介绍，然后分别介绍视觉传感器在智能网联汽车中的应用、雷达在智能网联汽车中的应用、高精度定位与导航系统、智能网联汽车路径规划与决策控制、汽车总线及车载网络技术、智能网联汽车通信技术和ＡＤＡＳ与智能网联汽车的应用，*后简要介绍智能网联汽车的操作系统与应用平台。

本书分为4大部分。第一部分（第1~3章）：搜索推荐系统的基础。首先介绍数学与统计学是现代机器学习理论的基础；其次介绍搜索推荐系统的常识；最后，描述知识图谱相关基础理论。第二部分（第4~6章）：搜索系统的基本原理。主要内容包括：搜索系统框架及原理、主要算法以及搜索系统相关评价指标。第三部分（第7~9章）：推荐系统的基本原理。主要内容包括：推荐系统框架及原理、主要算法以及推荐系统相关评价指标。第四部分（第10~12章）：应用。首先介绍三种常见的搜索引擎工具；其次讲述搜索引擎和推荐系统两个方向的应用。