人工智能算法教学大纲

《人工智能算法》课程教学大纲

一、课程基本信息

人工智能算法

课程名称

ArtificialIntelligenceAlgorithm

3学时54

学分说明：可根据实际情况设置理论课（3学分）、理论课（2学分）+实验

课（1学分）、或实验课（3学分）；也可以开设4学分课程。

计算机类、电子信息类、自动化类相关专业（如计算机科学与技术、

适用专业软件工程、智能科学与技术、数据科学与大数据技术、物联网工程、

电子与计算机工程、电子信息工程、人工智能、自动化等）

授课语言中文

先修课程高等数学，离散数学，计算机程序设计，数据结构

数据库技术，编译原理，操作系统，软件工程，数字图像处理，知识

后续课程

工程，信息检索等

算法、数据和算力，是人工智能的“三大基石”，算法的优劣直接

决定了人工智能水平的高低，算法成为了人工智能项目的“灵魂”，人

工智能的本质是算法。在以计算为中心到以数据为中心这一计算机科

学发生的深刻变化的背景下，人工智能算法设计和分析、实现和开

发，成为了当代IT相关领域人才的章要能力。

本课程的教学内容由经典计算机算法、数据挖掘算法和深度学习

算法三部分构成，以OBE为基本理念，将算法设计与程序设计能力培

养相结合，以“经典计算机算法•数据挖掘算法•深度学习算法”为主线，

以在线案例和在线编程平台作为实践平台，以算法伪码与包括核心代

码的Python程序示例相结合的教学方式，通过应用驱动、算法支撑、

课程简介编程实现三方面的教学，旨在构建人工智能算法“思想-伪码-分析-实

现“四位一体的知识传递和学习框架。

本课程把对学生的能力要求分解为5个课程目标，从掌握算法理

念、掌握解决问题的基本方法、能够学以致用并解决实际问题这三个

角度来支撑学生的人工智能算法能力和算法思维的培养，并对学生从

问题抽象、算法设计、复杂度分析、程序设计、解决问题能力的学习

产出进行考核。

《人工智能算法》书中各章节习题和思考题为课后作业、课堂讨

论的主题，部分章节可选取知识点进行翻转课堂教学，以加深学生对

内容的理解。课程教学过程中可基于随书附赠在线编程学习平台中的

在线案例开展编程实验。

二、课程目标及对毕业要求指标点的支撑

序号课程目标

课程目标1：能够准确识别实际人工智能相关领域工程应用中的算法问题、并

给出问题的形式化描述；能够理解算法的内涵，掌握算法的基本表达方式，

1算法效率、算法复杂性分析的概念和理论，分析给定算法的时空复杂度，对

程序的时空开销给出量化分析结果；能够理解算法的分类体系，区分各类算

法的适用场景利优缺点、设计原理和思想、复杂性分析方法异同。

课程目标2：能够正确掌握求解实际人工智能相关领域中工程问题的经典计算

机算法的原理和步骤，理解其基本思想、适用情形和基本步骤；能够正确使

2

用伪码设计经典的计算机算法、并分析其复杂度；能够正确编写程序实现所

设计的经典计算机算法，进而正确求解实际工程问题。

课程目标3：能能够正确掌握求解分类、聚类、异常检测、频繁模式挖掘、链

接分析、概率推理等问题的经典数据挖掘算法的原理、思想和步骤；能够理

3解数据驱动的理念，正确描述数据挖掘的工程问题；能够正确使用伪码设计

经典的数据挖掘算法、并分析其复杂度；能够正确编写程序实现所设计的数

据挖掘算法，进而正确求解实际中工程问题。

课程目标4：能够正确掌握求解异常检测、数据降维、目标检测、问答系统和

图分析等问题的经典深度学习算法的原理和步骤；能够理解深度神经网络的

4基本框架和深度学习算法的基本思想和理念，正确描述上述智能分析的工程

问题；能够正确使用伪码设计经典的深度学习算法、并分析其复杂度；能够

正确编写程序实现所设计的深度学习算法，进而正确求解实际中工程问题。

课程目标5：能够针对实际中的工程问题对所学算法进行正确的理论分析，理

解各类算法的适用场景和设计思路；能够针对问题的特点和性质，正确使用

5伪码设计不同的算法，并进行分析比较，识别其异同和优劣，并能对所设计

的算法进行正确的改进；能够正确编写程序实现所设计的深度学习算法，并

进行合理的实验对比和性能评估。

2

三、教学内容及进度安排

序学生学习课教学

教学内容支撑课程目标

号预期成果时方式

理解本课程学习课程目标1：能够准确识别实际人

内容：算法的基本概念、

的重要作用，掌工智能相关领域工程应用中的算

算法效率分析，最好、最

握算法的概念和法问题、并给出问题的形式化描

坏和平均效率，算法运行

特征、描述方述；能够理解算法的「涵，掌握

时间估计。

式、理解算法分算法的基本表达方式，算法效

重点：算法的基本概念，

析的概念、算法率、算法复杂性分析的概念和理

1算法的描述，算法分析的4讲授

的最好、最坏和论，分析给定算法的时空复杂

概念，增长率的定义和性

平均情况，掌握度，对程序的时空开销给出量化

质。

增长率和渐进性分析结果；能够理解算法的分类

难点：算法的正确性，算

态的概念、基本体系，区分各类算法的适用场景

法分析的概念，增长率的

效率类型的定义和优缺点、设计原理和思想、复

定义和性质。

与性质。杂性分析方法异同。

课程目标1；能够准确识别实际人

工智能相关领域工程应用中的算

法问题、并给出问题的形式化描

述；能够理解算法的武涵，掌握

内容：分治法的概念、基算法的基本表达方式，算法效

理解分治法的概

本思想和一般步骤，分治率、算法复杂性分析的概念和理

念，掌握分治法

法复杂度分析，合并排序论，分析给定算法的时空复杂

的基本思想和一

算法设计、分析与Python度，对程序的时空开销给出量化

般步骤，能够分

程序实现。分析结果；能够理解算法的分类

析分治法的算法讲授

重点：递归分治算法复杂体系，区分各类算法的适用场景

复杂度，能够用/

2度分析，解决合并排序问3和优缺点、设计原理和思想、复

分治法解决合并编程

题的分治算法。杂性分析方法异同。

排序问题并分析实验

难点：最优子结构的性质课程目标2：能够正确其提求解实

其时间复杂度，

及子问题相互独立的概际人工智能相关领域中工程问题

能够正确编写程

念，递归算法复杂度分的经典计算机算法的原理和步

序实现合并排序

析，合并排序的递归算法骤，理解其基本思想、适用情形

算法。

设计与程序实现。和基本步骤；能够正确使用伪码

设计经典的计算机算法、并分析

其复杂度；能够正确编写程序实

现所设计的经典计算机算法，进

而正确求解实际工程问题。

内容：减治法的概念，减理解减治法的概课程目标1：能够准确识别实际人

治法的基本思想和一般步念及其在算法设工智能相关领域工程应用中的算

讲授

骤，拓扑排序算法的设计计中的作用，掌法问题、并给出问题的形式化描

/

3与Python程序实现。握减治法的思想2述；能够理解算法的「涵，掌握

编程

重点：减治法的概念，拓和一般步骤，能算法的基本表达方式，算法效

实验

扑排序的基本思想，用减够使用减治法解率、算法复杂性分析的概念和理

治法解决拓扑排序算法问决拓扑排序问论，分析给定算法的时空复杂

题，拓扑排序算法设计与题，能够正确编度，对程序的时空开销给出量化

应用。写程序实现拓扑分析结果；能够理解算法的分类

难点：减治法的概念、基排序算法。体系，区分各类算法的适用场景

于减治思想的算法设计，和优缺点、设计原理和思想、复

解决拓扑排序问题的减治杂性分析方法异同。

算法设计。课程目标2：能够正确篁握求解实

际人工智能相关领域中工程问题

的经典计算机算法的原理和步

骤，理解其基本思想、适用情形

和基本步骤；能够正确使用伪码

设计经典的计算机算法、并分析

其复杂度；能够正确编写程序实

现所设计的经典计算机算法，进

而正确求解实际工程问题。

课程目标1：能够准确识别实际人

工智能相关领域工程应用中的算

法问题、并给出问题的形式化描

内容：贪心法的基本概念述；能够理解算法的「涵，掌握

和基本思想，贪心算法设理解贪心法的基算法的基本表达方式，算法效

计与分析的一般步骤，贪本概念和适用场率、算法复杂性分析的概念和理

心算法的正确性证明，哈景，掌握贪心法论，分析给定算法的时空复杂

夫曼编码问题及贪心算法的基本思想和一度，对程序的时空开销给出量化

设计、分析、优化与般步骤，能够适分析结果；能够理解算法的分类

讲授

Python程序实现。用数学归纳法证体系，区分各类算法的适用场景

/

4重点：贪心法的基本概念明贪心算法的正3和优缺点、设计原理和思想、复

编程

和基本思想，贪心选择性确性，能够用贪杂性分析方法异同。

实验

质、最优子结构性质，求心法解决哈夫曼课程目标2：能够正确掌握求解实

解哈夫曼编码问题的贪心编码问题，并能际人工智能相关领域中工程问题

算法设计及正确性证明。够正确编写程序的经典计算机算法的原理和步

难点：贪心选择性质和最实现所设计的算骤，理解其基本思想、适用情形

优子结构性质，贪心算法法。和基本步骤；能够正确使用伪码

正确性证明。设计经典的计算机算法、并分析

其复杂度；能够正确编写程序实

现所设计的经典计算机算法，进

而正确求解实际工程问题。

内容：动态规划的基本概理解动态规划概课程目标1：能够准确识别实际人

念，动态规划法的基本思念，掌握动态规工智能相关领域工程应用中的算

想和一般步骤，最优子结划法的基本思想法问题、并给出问题的形式化描

讲授

构性质、重叠子问题性和一般步骤，分述；能够理解算法的内涵，掌握

/

5质，使用动态规划算法求析动态规划算法3算法的基本表达方式，算法效

编程

解优化问题的基本原理，的复杂度，能用率、算法复杂性分析的概念和理

实验

求解0-1背包问题的动态动态规划法解决论，分析给定算法的时空复杂

规划算法设计、分析与0-1背包问题，度，对程序的时空开销给出量化

Python程序实现。能够正确编写程分析结果；能够理解算法的分类

重点：动态规划法的基本序解决问题。体系，区分各类算法的适用场景

思想，最优子结构性质、和优缺点、设计原理和思想、复

重叠子问题性质，动态规杂性分析方法异同。

划算法中的递推式，求解课程目标2：能够正确掌握求解实

0-1背包问题的动态规划际人工智能相关领域中工程问题

算法设计、分析与改进的的经典计算机算法的原理和步

思路。骤，理解其基本思想、适用情形

难点：最优子结构性质、和基本步骤：能够正确使用伪码

重叠子问题性质，求解0-设计经典的计算机算法、并分析

1背包问题的动态规划算其复杂度；能够正确编写程序实

法设计、分析与改进的思现所设计的经典计算机算法，进

路。而正确求解实际工程问题。

课程目标1：能够准确识别实际人

工智能相关领域工程应用中的算

内容：回溯法的概念，回

理解回溯分析的法问题、并给出问题的形式化描

溯法的基本思想和一般步

基本概念，掌握述；能够理解算法的武涵，掌握

骤，解空间树搜索方法，

回溯法的基本思算法的基本表达方式，算法效

子集树和排列树，剪枝函

想和解空间树的率、算法复杂性分析的概念和理

数的概念与设计，求解n-

搜索方法，能够论，分析给定算法的时空复杂

后问题的回溯算法设计与

用回溯法求解给度，对程序的时空开销给出量化

Python程序实现。

定的n-后问题，分析结果；能够理解算法的分类

重点：解空间树搜索方讲授

能够深刻理解求体系，区分各类算法的适用场景

法，子集树和排列树，剪/

6解n-后问题的回2和优缺点、设计原理和思想、复

枝函数的概念与设计，求编程

溯法与蛮力法相杂性分析方法异同。

解n-后问题的回溯算法设实验

比的优点、进而课程目标2：能够正确整握求解实

计，回溯法与蛮力法对

理解回溯法适于际人工智能相关领域中工程问题

比。

求解问题的特的经典计算机算法的原理和步

难点：剪枝函数的概念与

点，能够正确编骤，理解其基本思想、适用情形

设计，回溯法适用情形及

写程序实现n-后和基本步骤；能够正确使用伪码

其与蛮力法对比的优势，

问题的回溯算设计经典的计算机算法、并分析

解决n-后问题的回溯法的

法。其复杂度；能够正确编写程序实

程序实现。

现所设计的经典计算机算法，进

而正确求解实际工程问题。

内容：分支限界法的基本理解分支限界法课程目标1：能够准确识别实际人

概念，广度优先搜索分支的基本概念，掌工智能相关领域工程应用中的算

限界算法、优先队列式分握0-1背包问题法问题、并给出问题的形式化描

支限界算法，约束函数和的广度优先和优述；能够理解算法的「涵，掌握

讲授

限界函数的概念与设计，先队列式分支限算法的基本表达方式，算法效

/

7求解0-1背包问题的分支界算法（解空间2率、算法复杂性分析的概念和理

编程

限界算法设计与Python程树的两种搜索方论，分析给定算法的时空复杂

实验

序实现。法），能够针对度，对程序的时空开销给出量化

重点：约束函数和限界函给定的问题给出分析结果；能够理解算法的分类

数的概念与设计思路，优分支限界法的执体系，区分各类算法的适用场景

先队列式分支限界算法的行过程，能够正和优缺点、设计原理和思想、复

3

基本思想，求解0-1背包确编写程序实现杂性分析方法异同。

问题的分支限界算法设0-1背包问题的课程目标2：能够止确孽握求解实

计。分支限界算法。际人工智能相关领域中工程问题

难点：基于优先队列的分的经典计算机算法的原理和步

支限界法设计，约束函数骤，理解其基本思想、适用情形

和限界函数的概念与设计和基本步骤；能够正确使用伪码

思想。设计经典的计算机算法、并分析

其复杂度；能够正确编写程序实

现所设计的经典计算机算法，进

而正确求解实际工程问题。

课程目标1：能够准确识别实际人

工智能相关领域工程应用中的算

法问题、并给出问题的形式化描

述：能够理解算法的内涵，掌握

内容：分类分析和有监督

算法的基本表达方式，算法效

学习的实际意义，决策

率、算法复杂性分析的概念和理

树、支持向量机、贝叶斯

论，分析给定算法的时空复杂

分类的基本思想、算法设

理解分类算法的度，对程序的时空开销给出量化

计与Python程序实现。

思想，掌握决策讲授分析结果；能够理解算法的分类

重点：决策树的思想、构

树分类算法、支/体系，区分各类算法的适用场景

造方法与分类规则的提

持向量机分类算小组编和优缺点、设计原理和思想、复

取，支持向量机的思想与

8法和朴素贝叶斯4程实验杂性分析方法异同。

模型训练，朴素贝叶斯分

分类算法的思/课程目标3：能够正确掌握求解分

类的基本思想和算法设

想，能够正确编小组类、聚类、异常检测、频繁模式

计。

写程序实现以1：讨论挖掘、链接分析、概率推理等问

难点：决策树的构造，支

分类算法。题的经典数据挖掘算法的原理、

持向量机的核函数与模型

思想和步骤；能够理解数据驱动

训练，朴素贝叶斯分类器

的理念，正确描述数据挖掘的工

训练，各分类算法的程序

程问题；能够正确使用伪码设计

实现。

经典的数据挖掘算法、并分析其

复杂度；能够正确编写程序实现

所设计的数据挖掘算法，进而正

确求解实际中工程问题。

内容：聚类分析和无监督课程目标1：能够准确识别实际人

学习的基本思想，常用的工智能相关领域工程应用中的算

理解聚类分析和

聚类算法概述，k-均值聚法问题、并给出问题的形式化描

无监督学习的思

类的思想和算法设计，基述；能够理解算法的「涵，掌握

想，理解k-均值讲授

于MapReduce的并行k-均算法的基本表达方式，算法效

算法，了解并行/

9值聚类思想和算法设计，3率、算法复杂性分析的概念和理

k-均值聚类算小组编

以及聚类算法的Python程论，分析给定算法的时空复杂

法，能够正确编程实验

序实现。度，对程序的时空开销给出量化

写程序实现k-均

重点：聚类分析的基本思分析结果；能够理解算法的分类

值算法。

想，k-均值聚类算法与程体系，区分各类算法的适用场景

序实现。和优缺点、设计原理和思想、复

6

难点：k-均值聚类算法设杂性分析方法异同。

计与程序实现。课程目标3：能够止确孽握求解分

类、聚类、异常检测、频繁模式

挖掘、链接分析、概率推理等问

题的经典数据挖掘算法的原理、

思想和步骤；能够理解数据驱动

的理念，正确描述数据挖掘的工

程问题；能够正确使用伪码设计

经典的数据挖掘算法、并分析其

复杂度；能够正确编写程序实现

所设计的数据挖掘算法，进而正

确求解实际中工程问题。

课程目标1：能够准确识别实际人

工智能相关领域工程应用中的算

法问题、并给出问题的形式化描

述；能够理解算法的武涵，掌握

算法的基本表达方式，算法效

率、算法复杂性分析的概念和理

内容：异常检测的应用背论，分析给定算法的时空复杂

景和任务，局部异常因子理解异常检测的度，对程序的时空开销给出量化

算法，基于聚类的局部异任务，掌握局部分析结果；能够理解算法的分类

常因子算法，以及算法的异常因子算法和体系，区分各类算法的适用场景

讲授

Python程序实现。基于聚类的局部和优缺点、设计原理和思想、复

/

10重点：异常检测任务，异异常因子算法的3杂性分析方法异同。

小组

常因子算法的基本思想和基本思想和算法课程目标3：能够正确整握求解分

讨论

算法步臊与Python程序实步臊，能够正确类、聚类、异常检测、频繁模式

现。编写程序实现以挖掘、链接分析、概率推理等问

难点：异常因子算法的基上算法。题的经典数据挖掘算法的原理、

本思想和算法步骤。思想和步骤；能够理解数据驱动

的理念，正确描述数据挖掘的工

程问题；能够正确使用伪码设计

经典的数据挖掘算法、并分析其

复杂度；能够正确编写程序实现

所设计的数据挖掘算法，进而正

确求解实际中工程问题。

内容：频繁模式挖掘的意理解频繁模式和课程目标1：能够准确识别实际人

义，频繁模式和关联规则关联规则的概工智能相关领域工程应用中的算

的概念和性质,Apriori频念，掌握法问题、并给出问题的形式化描

Apriori讲授

繁模式挖掘算法的思想、算法的基本思想述；能够理解算法的内涵，掌握

/

11主要步骤，关联规则生和算法步骤，能3算法的基本表达方式，算法效

小组

成，以及算法的Python程够正确使用率、算法复杂性分析的概念和理

讨论

序实现。Apriori算法对给论，分析给定算法的时空复杂

重点：频繁模式的概念和定问题挖掘得到度，对程序的时空开销给出量化

性质，Apriori频繁模式挖数据中的频繁模分析结果；能够理解算法的分类

7

掘算法的思想、主要步式和关联规则，体系，区分各类算法的适用场景

骤。能正确编写程序和优缺点、设计原理和思想、复

难点：频繁模式挖掘的概实现Apriori算杂性分析方法异同。

念、Apriori算法、算法的法。课程目标3：能够正确掌握求解分

设计与实现。类、聚类、异常检测、频繁模式

挖掘、链接分析、概率推理等问

题的经典数据挖掘算法的原理、

思想和步骤；能够理解数据驱动

的理念，正确描述数据挖掘的工

程问题；能够正确使用伪码设计

经典的数据挖掘算法、并分析其

复:杂度；能够正确编写程序实现

所设计的数据挖掘算法，进而正

确求解实际中工程问题。

课程目标1：能够准确识别实际人

工智能相关领域工程应用中的算

法问题、并给出问题的形式化描

述；能够理解算法的「涵，掌握

内容：链接分析的应用场

理解链接分析的算法的基本表达方式，算法效

景和基本概念,PageRank

实际应用和基本率、算法复杂性分析的概念和理

算法和基于MapReduce的

概念，理解论，分析给定算法的时空复杂

并行PageRank算法思

PageRank算法的度，对程序的时空开销给出量化

想、主要步骤和Python程

基本思想和步分析结果；能够理解算法的分类

序实现。

骤，了解基于体系，区分各类算法的适用场景

重点：链接分析的基本概讲授

MapReduce的并和优缺点、设计原理和思想、复

念，PageRank算法的基本/

12行PageRank算3杂性分析方法异同。

思想、主要步骤和程序实