智能程序方法包括以下几种：
传统编程方式
通过编写明确的规则和逻辑来实现智能功能。例如，编写规则和条件语句，通过判断输入和执行相应的操作来实现智能行为。这种方式适用于简单的任务和应用，但对于复杂的问题可能不够灵活和智能。
机器学习
机器学习是一种基于数据的编程方式，它使用训练数据来自动学习和改进算法，从而实现智能功能。通过分析大量数据，机器学习算法可以从中发现模式和规律，并利用这些知识做出预测和决策。常见的机器学习算法包括支持向量机、决策树、神经网络等。
深度学习
深度学习是一种机器学习的特殊形式，它模拟了人类大脑神经网络的结构和功能。深度学习算法可以通过多层次的神经网络来提取和学习数据的高级特征，从而实现更复杂和抽象的智能行为。
自然语言处理
自然语言处理是一种专门用于处理和理解人类语言的编程技术。通过构建语法模型、语义分析和情感识别等算法，自然语言处理系统可以理解并回应人类的自然语言输入。它在智能助理、机器翻译、智能客服等领域有广泛的应用。
规则推理
规则推理是一种基于先验知识和经验的编程方法，通过建立一系列的规则来实现对输入数据的推理和决策。这种方法常用于专家系统和基于规则的推荐系统等领域。
强化学习
强化学习是一种通过试错和反馈的方式来训练程序，使其通过与环境的交互学习出最优的行为策略。在强化学习中，程序通过与环境交互来获取奖励或惩罚的反馈，从而不断调整自己的行为策略。
进化算法
进化算法是一种模拟生物进化过程的编程方法，通过模拟遗传、突变和选择等操作来演化出最优解。进化算法常用于求解优化问题和设计复杂系统。
数据挖掘工具
数据挖掘是从大规模数据中发现隐藏模式和信息的过程。智能编程中的数据挖掘工具可以帮助开发者从海量数据中提取有意义的特征，并用于模式识别、分类、聚类等任务。常见的数据挖掘工具包括RapidMiner、Weka、KNime等。
规划和优化算法
规划和优化算法用于解决复杂的决策问题。智能编程中的规划和优化程序可以通过数学建模和优化算法来寻找最优的决策方案。常见的规划和优化算法包括线性规划、整数规划、遗传算法等。
这些方法可以单独使用，也可以结合使用，以应对不同领域和复杂度的智能编程任务。选择合适的智能程序方法取决于具体的应用场景和需求。