《算法导论》教学大纲

《算法导论》教学大纲

适用范围：202X版本科人才培养方案

课程代码：10150301

课程性质：专业选修课

学分：L5学分

学时：24学时（理论24学时）

先修课程：管理学基础

后续课程：系统建模与仿真等

适用专业：工业工程

开课单位：管理学院

一、课程说明

《算法导论》是工业工程专业的一门专业选修课程。本课程主要任务是在人工智能时代

背景下，使学生从算法和免法模型方面r解人工智能脉络体系：掌握克法逻辑和推理的流程:

掌握算法求解搜索的架构、基础与原理；掌握深度学习、机器学习和强化学习算法的概念和

求解机制以及简单应用，使学生具备一定的算法优化能力，基本胜任算法调研、设计、初步

开发和仿真等工作。

二、课程目标

通过本课程的学习，使学生达到如下目标：

课程目标1：了解多种智能计算方法，理解人工智能算法的基本分类，理解逻辑和推理

的基本流程和原理；理解算法不同搜索过程、寻优路径和机理；掌握典型机器学习算法、深

度学习算法、强化学习算法的基本概念、特征和求解机制：

课程目标2：掌握算法的关键优化技术和方法，具备一定的算法操作能力，能够运用算

法解决实际运筹优化问题，基本胜任算法调研、设计、初步开发和仿真等工作。

课程目标3：在人工智能背景下，大数据信息时代中，培养学生树立正确的价值观、高

度的社会责任感、合作共新意识，树立勇于钻研敢于创新的理念。

三、课程目标与毕业要求

《算法导论》课程教学目标对工业工程专业毕业要求的支撑见表L

表1课程教学目标与毕业要求关系

支撑

毕业要求指标点课程目标

强度

4.研究4.1能够基十科学原课程目标1：掌握算法的关键优化技

理，通过文献研究术和方法，具备一定的算法操作能

或相关方法，调研力，能够运用算法解决实际运筹优

和分析复杂工程问化问题，基本胜任算法调研、设计、M

题获得解决方案。初步开发和仿真等工作。

5.使用现代工具5.2能够选择与使用课程目标2：掌握算法的关键优化技

恰当的工具、方法术和方法，具备一定的算法操作能

和模拟软件，对复力，能够运用算法解决实际运筹优H

杂工程问题进行分化问题，基本胜任算法调研、设计、

析、计算与设计。初步开发和仿真等工作。

9.个人和团队9.1理解团队合作的课程目标3：在人工智能背景下，大

重要性，具有与团数据信息时代中，培养学生树立正

队成员或负责人协确的价值观、高度的社会责任感、

调合作的团队精神合作共赢意识，树立勇于钻研敢于

M

和能力，能够在多创新的理念。

学科背景下的团队

中独立或合作开展

工作并发挥作用。

注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度。

四、教学内容、基本要求与学时分配

理论部分的教学内容、基本要求与学时分配见表2。

表2教学内容、基本要求与学时分配

理论奖验对应的

教学内容教学要求，教学重点难点学时

学时课程目标

教学要求：理解人工智能的起源历史，

1.绪论

了解可计算载体的两种形式；掌握智能

1.1人工智能的起源

计算方法的分类，了解几种典型的智能

1.2可计算载体：形式21

计算方法的核心特征和概念。

化与机械化

重点:智能计算方法。

1.3智能计算方法

难点:智能计算方法。

教学要求：了解命题逻辑、谓词逻辑、

2.逻辑与推理

知识图谱推理和因果推理的概念和特

2.1命题逻辑

征，掌握其对应的逻辑原理和推理方

2.2谓词逻辑21

法。

2.3知识图谱推理

重点:知识图谱推理和因果推理。

2.4因果推理

难点:知识图谱推理。

3.搜索求解教学要求：理解搜索算法的特征、框架

3.1搜索算法基础以及评价指标；掌握启发式搜索算法、

3.2启发式搜索对抗搜索算法和蒙特卡洛树搜索算法

的原理和机制。42、3

重点:启发式搜索郛法、对抗搜索算法和

蒙特卡洛树搜索算法。

难点:蒙特卡洛树搜索算法。

4.机器学习.监督学习教学要求：理解机器学习的基本概念，

4.1机器学习基本概掌握同归分析、决策树分析、线性判别

念分析'AdaBoostingx支持向量机和生

回归分析成学习模型的分析和求解方法。

4.262、3

4.3决策树重点：回归分析、决策树、线性判别分

4.4线性判别分析析。

难点：支持向量机、AdaBoostingo

5.统计机器学习.无监教学要求：理解无监督学习的概念和特

督学习征，掌握K均值聚类方法、主成分分析

5.1K均值聚类中的方差、协方差和相关系数的设定以

5.2主成分分析及降维理念：了解特征人脸方法以及理

解潜在语义分析思想；r解期望最大化42、3

算法的应用案例。

重点:主成分分析和K均值聚类。

难点:主成分分析。

6.强化学习教学要求：掌握强化学习的基本概念、

6.1强化学习问题定4尔可夫决策过程和强化学习问题定

义义以及贝尔曼方程：掌握基于价值的强

6.2基于价值的强化化学习策略迭代模式、定理和评估方

学习法：掌握基于策略的强化学习的梯度定

6.3基于策略的强化理、基于蒙特卡洛采样的策略梯度法和61、3

学习Actor-Critic算法。

6.4深度强化学习的重点:基于价值的强化学习：基于策略的

应用强化学习。

难点:策略评估方法和策略梯度方法。

合计24

五、教学方法及手段

木课程以课堂讲授为主，结合讨论，案例,视频资源共亨等数学手段，完成课程教学任

务和相关能力的培养。结合多媒体课件、学习通资源、作业等多样化形式完成学习内容，学

生比较全面地理解人工智能模型和算法的相关理论与方法，学生在掌握模型和算法基础知识

基础上，具有进行算法调研、设计、简单开发与仿真等工作的初步能力。

六、课程资源

1.推荐教材：

吴飞.人工智能导论：模型与算:法[M].北京:高等教育出版社,202005.

2.参考书：

(I)杰弗瑞・希顿.人工智能算法[M].北京:人民邮电出版七,2020,01.

(2)李一邨，人工智能算法大全：基于乂人11^8白1].北京:机械工业出版社,2021,09.

(3)唐宇迪.人工智能算法基础[M].北京:机械工业出版社,2022,03.

(4)尚荣华,焦李成,刘芳，李阳阳.智能算法导论[M].北京:清华大学出版社,2021,09.

3.期刊:

(1)鲁邦克，许春龙，孟洋兰.中国省际乡村振兴发展速度测度与时空异质性研究一

基于组合加权主成分分析的综合评价方法[J].数理统计与管理,2021,40(02):205-221.

(2)张晶华，甘宇健.基于深度学习支持向量机的上证指数预测[J].统计与决策,

2019(02):176-178.

(3)陈露，刘修岩，叶信岳，等.城市群视角下的产业共聚与产业空间治理:机器学习党

法的测度[J].中国工业经济,2020(05):99-117.

(4)朱凡，王印琪.基于k-mcans与神经网络机器学习算法的用户信息聚类及预测研究

[J].情报科学,2021,39(07):83—90.

(5)陆晓琴，冯玲，丁剑平.汇率货币模型的非线性协整关系检验——基于深度GRU

神经网络[J].中国管理科学,2020(05):1-13.

4.网络资源：

(1)画船听雨眠，论文中常用的改进群智能优化算法，知乎[EB/OL].https:〃zhuanlan.zhih

/p/425439560?utni_mediuni=social&utm_oi=719140794585337856.

(2)GitHub中文社区，/.

(3)CSDN专业开发者社区，/.

(4)吴飞，浙江大学，人工智能:模型与算法，中国大学MOOC.

七、课程考核对课程目标的支撑

课程成绩由过程性考核成绩和期末考核成绩两部分构成，具体考核/评价细则及对

课程目标的支撑关系见表3。

表3课程考核对课程目标的支撑

课程目标

考核环节占比考核/评价细则

123

(1)根据课堂讨论和问答问题情况进行考核，77

课堂满分100分。

10

表现(2)以平时考核成绩乘以其在总评成绩中所占82

的比例计入课程总评成绩。

线上(1)根据线上资源学习完成情况进行考核，满

77

过

料

资分100分。

程15

习

学(2)以线上学习成绩乘以其在总评成绩中所占

性7.57.5

的比例计入课程总评成绩。

考

(1)主要考核学生对各章节知识点的复习、理7y7

核

解和相关技术的掌握程度，满分100分：

(2)每次作业单独评分.取各次成绩的平均值

作业15

作为此环节的最终成绩。

555

(3)以作业成绩乘以其在总评成绩中所占的比

例计入课程总评成绩。

J

习题10(1)主要考核学生对各章节知识点的复习、理7V

测验解和掌握程度，满分100分；

（2）每次测验单独评分，取各次成绩的平均值

作为此环伺的最终成绩。55

（3）以测验成绩乘以其在总评成绩中所占的比

例计入课程总评成绩。

1

（1）期末考核总成绩为100分，以成绩乘以其4QV

在总评成绩中所占的比例计入课程总评成绩。

（2）主要考核匏法概念、算法分类、.算法特征、

期末考核50

算法优化流程、算法机理、算法应用等内容。202010

（3）考查形式可采用课程小论文、综述报告（调

查报告）、大作业设计等。

合计：100分45.537.517

八、考核与成绩评定

1.考核方式及成绩评定

考核方式：本课程主要以课堂表现、作业、期末大作业、课程小论文等方式对学生

进行考核评价。

考核基本要求：（加强过程考核）考核总成绩由期末考核和过程性考•核成绩组成。

其中：期末考核成绩为100分（权重50%）,考查形式可以采用课程小论文、综述报告

（调查报告）、大作业设计等；课堂表现、线上资料学习、华业、习题测验等过程性考

核成绩为100分（权重50%〕；过程性考核和考查试题分值分配应与教学大纲各章节的

学时基本成比例。

2.过程性考核成绩的标准

过程性考核方式重点考核内容、评价标准、所占比重见表4。

表4过程性考核方式评价标准

所占

考核方式比重100x29090>x>8080>x>7070>x>60x<60

（%）

积极参与教认真参与偶尔参与教

上课不认

学活动，前跃教学活动，学活动，回上课不认

课堂真，偶尔参

20回答问题，准回答问题答问题准确真，不参与

表现与教学活

确率大于准确率大率大于教学活动。

动。

90%。于80%。70%o

完成80%完成60%

完成90%以完成70%以完成不足

线上资料以上的线以上的线

30上的线上资上的线上资60%的线上

学习上资源学上资源学

源学习。源学习。资源学习。

习。习。

作业完整，思作业完整，不交作业2不交作业4不交作业5

作业30路清晰，过程主观题无次以内，主次以内，主次以上，主

正确，主观题雷同，准