《人工智能》教学大纲

1、人工智能教学大纲课程编号：08397312课程名称：人工智能英文名称：Artificial Intelligence课程类型：专业课课程要求：必修学时/学分：32/2（讲课学时：28 实验学时：4 上机学时：0）适用专业：计算机科学与技术；软件工程一、课程性质与任务“人工智能”是计算机科学的一个分支，是计算机科学与技术及相关专业必修的专业课，是分析、探索问题求解策略及寻找解决工程问题策略的理论基础、方法和技术。人工智能代表了目前发展最快、应用最广和对社会影响最大的技术领域之一，是学生在人工智能领域进一步研究其理论工作和软件实现的专业基础。本课程主要研究人工智能的基本理论、知识表示方法、解决实际

2、应用问题的思路和框架，充分展示其方法和技术在解决复杂工程问题的优势，对提高学生的抽象思维能力和创新能力有着重要的作用。课程的任务是使学生能够理解人工智能课程的基本概念、转换思维进行知识表示，并娴熟地运用相应的基本知识、基本理论对应用领域中的实际问题进行知识表述、问题描述，掌握人工智能领域中的搜索技术、推理技术和几种基本智能系统结构，通过分析和求解经典案例或实际案例得到解决实际问题的思维训练，具备较强的解决实际问题的能力。通过课程学习使学生能够初步将人工智能的知识表示用于描述复杂工程问题，将人工智能的搜索技术、推理技术和智能系统等知识运用于解决复杂工程问题分析、方案策略的设计过程，提高解决实际工

3、程问题的效率，并将人工智能的思维、分析能力持续运用于不同的相关领域解决问题的过程。二、课程与其他课程的联系先修课程：离散数学、数据结构与算法、程序设计相关课程（Java、C+、C等）。后续课程：机器学习与大数据、数据分析与数据挖掘、大数据综合实践等。课程中的消解原理、经典逻辑推理、规则演绎系统、产生式系统等知识点是在离散数学中谓词逻辑的基础上进一步的扩展和应用，图搜索等要以离散数学中的图论、数据结构与算法中的结构、算法为基础展开，程序设计为搜索、智能计算等算法设计和实验提供了支撑手段。后续课程和毕业设计或实际工作中的各种应用系统构建等均以本课程为基础或是其特化，如大数据分析、数据挖掘、推荐系统

4、、模式识别等。三、课程教学目标1学习人工智能知识表示的基础知识和基本理论，掌握常用问题的抽象表示方法，具备解决人工智能相关领域问题的基本思想，能够对相关问题抽象分析、设计相应的解决方案，拓展创新思维。（支撑毕业能力要求2）。2学习人工智能的知识推理、搜索技术原理的基本知识，掌握领域问题的搜索推理的过程，能够根据工程领域中不同问题设计其中相关部分的有效解决措施。（支撑毕业能力要求4）。3掌握人工智能的神经网络、遗传算法、专家系统、机器学习等的高级智能知识方法，能够将相应的方法用于解决复杂工程问题过程中的分析、提炼核心内容、设计方案、和实现的具体步骤。（支撑毕业能力要求1）。4能够根据特定问题灵活

5、运用搜索和推理的基本算法和技术算法，具有较强的逻辑思维和创新思想。（支撑毕业能力要求3）。5能够通过文献查阅、分析和总结相关理论的应用领域、新兴技术和方法及学科的前沿发展动向，能合理选择、运用环境、工具和现有算法开展工程性的实验研究和应用，解决一些常规的人工智能领域问题。（支撑毕业能力要求12）。四、教学内容、基本要求与学时分配序号教学内容教学要求学时教学方式对应课程教学目标1 一、基本概念1人工智能的概念与发展2人类智能与人工智能3人工智能的认知观4人工智能的学科领域1了解人工智能的概念和发展，能解释人工智能的研究对象。2能将人类智能和人工智能适当对比，说明“智能”的真正含义。3能说明几种主

6、要的人工智能解决问题的描述方法。4能够通过查阅文献列举人工智能的重要应用领域和应用优势。2 讲授、讨论52 二、知识表示方法1状态空间法2问题归约法3谓词逻辑法4语义网络法5框架表示6本体表示7过程表示1能明确知识表示的对象。2运用知识表示的状态空间法、问题归约法、谓词逻辑法和语义网络法描述不同问题，如数码问题、NPC或BOT移动问题、传教士野人问题、汉诺塔问题、积木问题、储蓄问题等。3能够通过查阅文献分别给出用框架表示法、本体表示法、过程表示法描述或解决的至少一个简单的实际问题。6讲授、自学1、4、53三、搜索推理技术1图搜索策略2盲目搜索3启发式搜索4消解原理5规则演绎系统6产生式系统1能

7、解释图搜索的主要名词，说明图搜索的基本原理，列出一般搜索过程的主要步骤。2能运用盲目搜索、启发式搜索等技术完成目标搜索。3能基于消解原理推理出正确结论或结果。4能够设计一个简单的规则演义系统和产生式系统，如动物识别系统、计算机故障诊断系统等。8讲授、1、24实验1：盲目搜索算法实验熟悉盲目搜索算法的实现过程，并运用算法解决某个具体的人工智能应用问题，如传教士野人问题、数码问题等。2实验2、35实验2：启发式搜索算法实验熟悉算法的实现过程，并运用算法解决一个具体的人工智能应用问题，如NPC或BOT的机器人位置转移问题、数码问题、旅行商问题等。2实验2、36四、计算智能1神经计算2遗传算法3模糊计

8、算4进化策略和进化编程1能说明计算智能的相关概念。2能根据具体问题设计一个个简单的神经网络，如异或逻辑的神经网络解决方案或简单的医疗诊断系统的神经网络解决方案等。3能解释遗传算法的基本特征和群体进化思想，并解决一个具体问题，如产品生产量预测问题、预测模型的参数/变量确定问题或推销员问题等。4讲授、自学3、4、57五、专家系统1专家系统概述2基于规则的专家系统3基于框架的专家系统4基于模型的专家系统1能解释专家系统的基本概念和特点，并分辨其类型。2能利用基于规则的专家系统框架设计一个简单专家系统，如计算机故障诊断专家系统、计算机配置过程专家系统或汽车装配过程监测专家系统等。3能准确说明基于框架、

9、模型的专家系统的构成和主要差异。4讲授、自学3、4、58六、机器学习1机器学习概述2机器学习3类比学习4归纳学习5解释学习6知识发现1能正确解释机器学习的基本概念。2能完整说明机器学习系统的基本结构和特征。3能辨析和解释类比学习、归纳学习、解释学习、知识发现等几种机器学习方法。2讲授、自学、讨论59七、人工智能的争论与展望通过查阅文献并综合人工智能课程所涉及的不同观点、应用技术选择等，使学生能够更加清楚人工智能的应用领域及应用价值。2讲授、自学、讨论5五、其他教学环节（课外教学环节、要求、目标）查阅资料，阅读文献，针对某个具有实际工程背景的应用问题设计解决方案或求解算法，综合运用知识表示方法及

10、搜索技术、推理技术或计算智能等方法进行问题描述、问题求解，并撰写报告进行总结。六、教学方法本课程以课堂教学为主，辅助以上机实验，并采用CAI教学、启发式教学、案例驱动式教学、讨论式教学等方法，结合作业、系统方案设计或算法设计、自学及测验等教学手段和形式完成课程教学任务。在课堂教学中，通过讲授、提问、讨论、演示等教学方法和手段让学生理解人工智能课程的基本问题，掌握课程的基本概念，基本原理和各种知识表示方法、智能算法、智能系统，辅助以人工智能领域的经典案例和具有实际工程背景的案例，展现利用人工智能的理论、方法和技术解决具体工程领域相关问题的思路、方案及应用。在系统方案设计或算法设计中，通过启发式教

11、学、案例驱动式教学或讨论式教学等方法培养学生发现领域相关问题，并进一步运用基本理论和方法分析问题和提出解决问题方案的能力。学生以小组的形式，通过查阅文献确定一个具有工程背景的实际问题，并与同伴讨论问题的描述形式、分析问题的构成、确定求解问题的思路，从而培养学生团结协作和沟通的能力并激发学生的创新思维能力。在自学教学环节中，对课程中涉及有助于进一步拓宽人工智能的理论知识的内容，通过教师的引导，由学生自学完成，从而培养学生的自主学习能力。自学内容包括框架表示、本体表示、过程表示、模糊计算、解释学习等。七、考核及成绩评定方式最终成绩由平时出勤成绩、作业成绩、上机实验成绩、期末考试成绩组合而成。各部分

12、所占比例如下：作业成绩：10%。主要考核阶段知识点的复习和领会程度。平时作业分为两次完成，时间节点分别为第7周左右、第11周左右，每次作业进行批阅并给定成绩。上机实验成绩：20%。主要考核学生运用课程中的知识表示和智能算法等解决实际问题的能力，分为两次实验，包括学生上机操作及演示结果和提交报告，报告的内容包括查阅文献、搜集资料后确定的某个人工智能的经典问题或具有实际工程背景的问题的描述、提出的解决方案及评价其解决问题的效果等。期末考试成绩：70%。主要考核人工智能的基本概念和基本理论方法分析问题、解决问题的能力。书面考试形式。题型为选择题、简答题和综合题等。八、教材及参考书目1教材1 蔡自兴人工智能及其应用4版清华大学出