物联网、人工智能、大数据、5G网络等新兴信息技术正在悄悄地改变着我们的生活和生产方式。区别于传统物联网，智联网通过多学科交叉融合，实现智能体高效互联和协同，是智能时代的重要载体。编写团队基于在物联网和人工智能领域多年来的科研实践，兼以广泛吸收国内外相关优秀成果编写了本书。本书从智联网的概念内涵、历史沿革、系统架构、智能基础、组网协同、应用与挑战等方面，阐述智联网相关关键技术与趋势动态。本书作为“物联网在中国”丛书之一，与其他各册形成有机统一的整体，可对其他分册形成有益补充。 本书可以作为物联网和人工智能领域的科学研究、产业应用、政策制定等方面专业人士的参考书，也可以作为广大物联网相关专业教学用书及爱好者的技术指导书。

智联网正在悄悄地改变着我们的生活和生产方式。那么智联网与传统物联网的区别是什么？到底有哪些技术挑战？如何构建一个智联网？如何通过技术创新赋能各行各业？这些问题的系统探索和解决是智联网技术和产业发展的基础，这正是本书编写的目标所在。本书编写团队基于多年来在物联网和人工智能行业的研究实践，特别是负责或参加的数十项相关领域的科研和应用项目，兼以广泛调研物联网与人工智能相结合的国内外先进研究成果编写了本书，以阐述智联网相关关键技术与未来发展趋势。

徐勇军，博士、博士生导师、研究员，中国科学院计算技术研究所专项技术研究中心主任，厦门数据智能研究院院长。专注于人工智能、物联网等领域研究，发表论文100余篇，申请发明专利40余项、登记软件20余项、编著《无线传感器网络技术》《物联网技术》等；负责国家863课题、国家自然科学基金项目、预研基金项目等10余项，负责国防重大基础研究、背景演示验证任务、重大工程项目等专项任务10余项；获北京市科学技术奖、中国科学院院地合作先进个人奖、卓越先锋标兵、“卢嘉锡”青年人才奖、关键技术人才等荣誉。 王琪，博士、硕士生导师，中国科学院计算技术研究所副研究员，中国计算机学会物联网专委会执行委员，曾分别获中国科学院和法国外交部资助在法国国家信息与自动化研究所（INRIA）和法国图卢兹大学访学两年。长期专注于智能无线网络、群体智能网络协同等方向的研究工作，对确定性时延、强实时和高可靠智能无线网络协议设计和性能分析有深入的理解和认识，并在INFOCOM、IEEE Transactions、Ad hoc networks等网络领域高水平国际会议和期刊上发表论文 30余篇,申请/授权发明专利10余项（含国际发明专利1项）；作为项目负责人主持国家自然科学基金项目、国家科技支撑（攻关）计划子课题等多项国家级科研项目。 安竹林，博士、硕士生导师，中国科学院计算技术研究所高级工程师，CCF高级会员。专注于群体智能、深度神经网络设计与优化等领域的研究工作，在人工智能、无线网络等领域的国际会议和期刊杂志上发表论文40余篇，申请发明专利10余项，为国家自然科学基金、中国科学院科技基金、国家重大专项子课题等多项项目的负责人。 李超，博士、硕士生导师，中国科学院计算技术研究所高级工程师，长期致力于智能软硬件协同加速方向研究，提出了多种深度学习优化方法及协同加速算法，对边缘智能技术在工业领域、航空和航天等领域的应用具有较全面的理解和认知，曾承担20余项智能领域国家项目的研发工作。

目录 第 1章 智联网技术概述 1 1.1 从传感到智联：物联网的三个时代 1 1.1.1 传感网 2 1.1.2 物联网 4 1.1.3 智联网 8 1.2 智能传感器：物理信息桥梁 10 1.2.1 基本概念 11 1.2.2 结构组成 12 1.2.3 常见类型 13 1.2.4 主要特点 13 1.2.5 发展趋势 14 1.2.6 应用场景 17 1.3 传感网技术：感知连接时代 20 1.3.1 自组网 20 1.3.2 RFID 22 1.3.3 MAC协议 28 1.3.4 路由协议 30 1.3.5 定位 33 1.3.6 时间同步 40 1.4 物联网技术：万物互联时代 47 1.4.1 认知无线电 47 1.4.2 分布式调度 50 1.4.3 数据融合 52 1.5 智联网技术：万物智能时代 55 1.5.1 雾计算 56 1.5.2 边缘计算 62 1.5.3 海计算 66 1.6 本章小结 70 参考文献 71 第 2章 智联网技术架构 74 2.1 智联网系统架构 74 2.1.1 物联网体系结构 74 2.1.2 端网云架构 75 2.1.3 端边云架构 76 2.2 云边端智能技术 78 2.2.1 云端智能 78 2.2.2 边缘智能与物端智能 79 2.2.3 智能终端处理器 80 2.3 智能化网络系统 90 2.4 本章小结 91 参考文献 92 第3章 智能化物端系统 94 3.1 智能体与自动机器学习 94 3.1.1 智能体功能与结构 94 3.1.2 自动机器学习概述 95 3.1.3 自动机器学习流程 96 3.1.4 深度神经网络超参数优化 99 3.1.5 元学习 104 3.1.6 神经进化 108 3.2 模型设计与加速 118 3.2.1 轻量网络设计 120 3.2.2 网络剪枝 127 3.2.3 低秩分解 129 3.2.4 知识蒸馏 131 3.2.5 权重量化 135 3.3 边缘智能化技术 137 3.3.1 边缘智能技术概述 137 3.3.2 边缘智能软件部分 138 3.3.3 边缘智能硬件部分 138 3.3.4 异构边缘智能系统 146 3.4 本章小结 148 参考文献 149 第4章 智能网络与协同 153 4.1 智能网络延迟管控 153 4.1.1 工业无线网络标准与规范 154 4.1.2 MAC协议对实时性的支持 159 4.1.3 实时和可靠的调度方法 162 4.1.4 高速接入与传输技术 163 4.1.5 时间敏感网络 167 4.2 智能网络抗毁技术 175 4.2.1 研究趋势与存在的问题 176 4.2.2 网络受损类型 178 4.2.3 网络抗毁性测度 182 4.2.4 网络抗毁策略 189 4.2.5 故障检测与修复 206 4.3 智能网络协同技术 207 4.3.1 异构群体智能技术 208 4.3.2 异构群体协同技术 214 4.3.3 异构群体研究及应用 216 4.4 多智能体博弈技术 228 4.4.1 多智能体博弈概念 228 4.4.2 完全信息下的动态博弈 234 4.4.3 复杂场景下的多主体博弈 241 4.5 本章小结 247 参考文献 248 第5章 智联网应用挑战 265 5.1 智能对抗与智能安全 265 5.1.1 智能安全与对抗攻击 265 5.1.2 人机智能与人机对抗 270 5.2 智能算法的测评技术 271 5.2.1 智能算法测评分类 271 5.2.2 测评标准规范 271 5.2.3 指标归纳（分类） 277 5.2.4 公认数据集及竞赛 279 5.2.5 AIoT测试标准AIoT Bench 279 5.3 智能算法在网络应用中面临的挑战 280 5.3.1 泛化能力 280 5.3.2 算法收敛性 280 5.3.3 算法可解释性 281 5.3.4 模型训练成本 281 5.3.5 物端设备资源限制 281 5.4 智联网技术应用畅想 282 5.4.1 消费级 282 5.4.2 工业级 286 5.4.3 宇航级 308 5.4.4 军工级 309 5.5 本章小结 316 参考文献 316