高中二年级信息技术《基于搜索的问题求解》教学设计

高中二年级信息技术《基于搜索的问题求解》教学设计一、教学设计的整体定位本课选自浙教版（2019）高中信息技术选择性必修3《人工智能初步》模块，是“人工智能基础”单元的核心课时。搜索是人工智能最古老也最坚实的技术根基，从迷宫寻路到棋类对弈，从路径规划到定理证明，几乎所有智能行为的底层都可以还原为“在状态空间中寻找一条从初始状态到目标状态的路径”。本课承上启下：前一课学生已理解知识表示的基本方法，知道智能体如何用符号描述世界；本课则回答“知道了世界之后，机器如何行动”这一问题，为后续学习推理、机器学习和博弈算法奠定方法论基础。授课对象为高中二年级学生。他们在必修课程中已掌握Python基本语法，具备列表、队列等数据结构的初步认知，但多数学生对“算法为何有效”缺少形式化的思考习惯，容易停留在“写代码跑通就行”的层面。本课的价值正在于把学生从“实现者”提升为“分析者”，让他们理解盲目搜索与启发式搜索的本质差异，体会问题建模先于算法设计的工程思想。二、学情与教学目标学生已经在数学学科中接触过图论的基本概念，能够识别节点与边，在地理学科中学习过地图上的路径规划，这些都构成本课可以调用的前概念。困难集中在三点：其一，学生难以把抽象问题主动转化为状态空间模型；其二，对“探索过程”与“解路径”两个概念容易混淆；其三，对启发式函数的作用缺乏直观感受，容易误以为估价函数越复杂越好。基于课标中“通过剖析典型案例，了解基本搜索方法，体验问题求解过程”的要求，本课设定如下目标。知识与技能层面：学生能用自己的语言解释状态空间、搜索树、OPEN表与CLOSED表的含义，能描述宽度优先与深度优先的遍历次序差异，能理解估价函数f(n)＝g(n)＋h(n)中两项各自的物理意义。过程与方法层面：学生能在八数码问题上亲手模拟搜索过程，绘制至少三层搜索树，并通过对比实验归纳启发信息带来的效率提升。情感态度层面：学生体会到“暴力穷举”与“聪明搜索”之间的智力落差，形成对算法效率的敬畏之心，理解计算思维中“用结构化方法驯服复杂性”的精神内核。教学重点为状态空间的建模方法与盲目搜索、启发式搜索的基本流程。教学难点为估价函数的设计直觉及其对搜索方向的引导机制。三、教学资源与环境准备机房预装Python环境及可视化演示程序，教师准备八数码拼图实物教具八套，磁性白板一块用于动态展示OPEN表变化，另备迷宫方格图纸若干。演示程序包括两个版本：一个是逐节点展开的盲目搜索动画，一个是叠加了估价函数数值标注的A算法动画，两者使用同一问题实例，保证对比的公平性。学案包含实验记录表与思考任务单。四、教学过程（一）情境导入：从外卖小哥到人工智能上课伊始，教师在大屏上展示一张简化的城区路网图，图中标注了商家位置A与客户位置B，中间有十余个路口。教师设问：外卖平台每秒要为成千上万个订单计算配送路径，它是怎么做到的？如果让你给手机里的导航写一个“探路”程序，你的第一直觉是什么？学生自由发言，典型的回答会集中在“把所有路线都试一遍”“走最近的路口”“朝目标方向走”三类。教师不急于评判，而是将这三类直觉分别写在黑板左侧，并指出：这三种直觉恰好对应了本课要研究的三种搜索策略。今天我们要做的事，就是把这些朴素的直觉变成机器可以严格执行、可以精确分析的算法。教师随后指出一个关键事实：机器面前没有地图，只有问题。要让机器探路，第一步不是写代码，而是把现实问题翻译成机器能处理的数学语言。这个翻译过程，就是状态空间的建立。（二）新知建构一：状态空间——把问题装进数学框架教师以八数码问题为载体展开讲解。3×3的棋盘上摆放着编号1至8的滑块和一个空格，通过移动滑块，要求从任意初始拼法复原到目标拼法。教师引导学生逐个回答四个问题。第一，什么叫“状态”？学生讨论后得出：棋盘上所有滑块位置的一种完整排布就是一个状态，可以用3×3的数组唯一表示。第二，什么叫“算符”？即允许施加于状态之上的操作，在本问题中就是空格向上、下、左、右四个方向的合法移动。第三，初始状态和目标状态分别是什么？第四，什么叫“解”？学生逐步意识到，解并不是某一个状态，而是从初始状态到目标状态的一串算符序列。教师板书状态空间三元组的形式化描述：一个问题由初始状态S、算符集合O、目标测试G三部分定义，搜索就是在状态空间中寻路。教师特别强调一个数字：八数码问题的状态总数是9的阶乘，即362880种。这个数字当场写入黑板，作为后续讨论算法效率的参照物。随后教师简要提及十五数码问题的状态数超过20万亿，为后续“指数爆炸”概念埋下伏笔。为巩固建模思想，教师布置两分钟的小组快练：请各组尝试为“农夫、狼、羊、白菜过河”这一经典谜题定义状态。学生容易想到的表示方法是用四个布尔值记录人、狼、羊、菜分别在河的哪一岸，教师巡视中关注两类典型错误：把船的位置遗漏，以及没有意识到需要排除狼羊共处等非法状态。集中讲评时让学生体会：状态定义不仅决定了解的表达方式，还决定了搜索空间的大小与合法性约束的处理位置。（三）新知建构二：盲目搜索——宽度优先与深度优先教师明确“盲目”二字的含义：不利用任何关于目标位置的信息，只按照固定的机械规则展开节点。先讲宽度优先搜索。教师出示八数码的一个简单初始格局（距离目标仅需三步），带领全班共同模拟。第一步，初始节点入OPEN表；第二步，取出队首节点，生成它的所有后继并按序入队；第三步，重复直到目标出现。学生在学案表格中同步记录每一步OPEN表与CLOSED表的内容。模拟进行到第四层时，学生直观感受到一个现象：OPEN表像吹气球一样迅速膨胀。教师顺势给出概念定义——广度优先按层次展开，层数即路径深度，因此它找到的第一个解必为步数最少的解，这个性质称为最优性；但代价是空间开销随深度指数增长。再讲深度优先搜索。教师用同一起点的另一分支演示一条路走到黑的策略：每次优先展开最新生成的节点，直到碰壁再回溯。学生在对比模拟中很快发现：深度优先的OPEN表很小，但它可能在一条错误的深枝上越走越远。教师给出两组关键词对比：宽度优先像水波一样均匀铺开，完备且最优但昂贵；深度优先像钻头一样单点深入，省空间但不保证找到最短路径。此处的课堂检查点：教师提问“若问题的解都位于很深的层次且分支因子很大，你会选哪种策略？为什么？”学生在学案上写下理由后，同桌交换互评。教师随机请两组展示，并强调选择策略的前提是分析问题的结构特征，这正是算法的“适配性”思想。（四）新知建构三：启发式搜索——让知识参与决策教师承接上节的痛点发问：盲目搜索不认识目标，能不能让机器“看着目标的方向”搜索？屏幕切换到可视化对比动画：同一个八数码实例，左侧用宽度优先，右侧引入估价函数。学生肉眼可见地观察到右侧搜索的展开节点数远少于左侧，且搜索方向明显朝目标倾斜。教师暂缓讲解公式，先让学生描述观察到的现象，培养从现象到规律的归纳习惯。随后教师给出核心公式并逐项拆解：f(n)＝g(n)＋h(n)其中，g(n)表示从初始节点实际走到节点n已经付出的代价，它是已发生的、精确的；h(n)表示从节点n到目标的估计代价，它是未发生的、基于启发信息的猜测；f(n)则是对“经过n的整条路径总代价”的综合评估。搜索时总是优先展开f值最小的节点。教师用登山作类比：g是你已经爬的高度，h是你凭经验对剩余路程的估计，有远见的登山者永远评估两者的总和，而不是只看一头。针对八数码问题，教师介绍两种常用启发函数：错位棋子数h1，即当前不在目标位置的滑块个数；曼哈顿距离之和h2，即每个滑块到其目标位置的横纵距离累计值。教师组织学生心算一个具体格局的h1与h2，并追问：哪个估计更接近真实代价？学生发现h2提供的区分度更细，引导能力更强。教师再补充关键性质：只要h(n)从不高估真实代价，即估计保持“乐观”，该算法就能保证找到最优解，这就是A算法的可采纳性条件。教师用反例说明其必要性：若h胡乱高估，算法可能被虚假的近路诱骗，错过真正的最优解。（五）实验探究：分组验证与数据说话学生四人一组开展实验，任务分两层。基础层：运行教师提供的搜索程序，分别用宽度优先策略和带h2的启发策略求解三个不同难度的八数码实例，记录展开节点数和求解耗时，填写对比表格。提高层：修改启发函数，尝试“始终返回0”和“返回曼哈顿距离的两倍”两种极端设定，观察各自后果。教师巡视指导，重点关注两点：学生是否意识到“h恒为0时启发式搜索退化为盲目搜索”这一理论贯通点；对h被放大后“搜索更快但解不再最优”的现象，学生能否给出合理解释。实验结束后各组汇报数据。典型结果显示：中等难度实例上，宽度优先展开节点数为启发式搜索的十倍以上；h被高估的组虽然速度最快，但有两组报告得到的步数多于其他组。教师将这些数据汇总在黑板表格中，让学生用证据归纳出两条结论：好的启发信息能数量级地压缩搜索量；启发函数不能任意夸大，否则以牺牲最优性为代价。（六）总结升华与拓展延伸教师引领学生回看开课时的三种直觉：把所有路线试一遍是盲目搜索，走最近路口是贪心策略，朝目标方向走则蕴含着启发思想。今天我们完成了直觉到算法的转化，这就是人工智能研究的典型路径。教师进一步点明本课的学科大概念：智能不在于算得快，而在于知道往哪里算。搜索技术的本质是效率与正确性之间的权衡艺术，这一思想贯穿整个信息技术学科。课后布置分层任务：必做，画出课堂实例前三层的完整搜索树并标注各节点的g、h、f值；选做，查阅资料了解启发式搜索在地图导航或游戏寻路中的真实应用，写百字说明。五、板书设计主板书从左至右分三栏：左栏为状态空间四要素（状态、算符、初始、目标）及八数码状态总数；中栏为盲目搜索对比表，列出宽度优先与深度优先在策略、最优性、空间开销上的差异；右栏为估价公式f(n)＝g(n)＋h(n)的分解示意与可采纳性条件。副板书保留实验数据汇总与学生生成的典型问题。六、教学评价设计评价贯穿三个环节。课堂模拟环节以OPEN表填写的准确性为诊断依据，检出学生对节点顺序的理解偏差；实验环节以数据记录与结论归纳的质量为评价对象，采用量规从“数据完整、对比合理、解释到位”三个维度打分；课后任务以搜索树绘图的规范性检验知识的结构化程度。评价结果不作为甄别依据，而是作为下一课时调整起点的证据。七、教学反思预设本课最大的风险在于时间分配：状态空间建模若推进过快，后续全部内容将失去根基。预案是削减深度优先的现场模拟时长，将其对比性质交由动画承载。第二个风险是部分小组在实验环节沉迷程序操作而忽视数据背后的意义，对策是在任务单上强制设置“先预测结果再运行验证”的环节，让实验回归思维训练的