高二信息技术《基于搜索的问题求解》教学设计

高二信息技术《基于搜索的问题求解》教学设计【教材分析】本课选自浙教版高中信息技术选择性必修模块中"人工智能初步"相关章节，对应教材23节内容。搜索作为人工智能领域最基础、最经典的问题求解手段，是学生理解智能系统工作机制的第一扇窗口。教材以状态空间为骨架，以盲目搜索与启发式搜索为两翼，层层递进地呈现了"问题如何被形式化—搜索如何在状态空间中展开—启发信息如何提升求解效率"这一完整知识链。从单元结构看，本节前承知识表示的问题建模思想，后启博弈搜索与机器学习入门，处于承上启下的枢纽位置。学生此前已具备Python基础语法、列表与字典的操作能力，也体验过递归程序的运行过程，但对"把现实问题转化为可被程序处理的搜索问题"仍缺乏系统训练。本课的价值，正在于帮助学生跨越从"会用程序"到"会设计求解策略"的这道门槛。课标对本模块的要求落在"通过剖析典型案例，了解智能信息处理的巨大进步与应用潜力，理解人工智能的基本概念和基本思想"。本课以八数码问题与迷宫寻路为双主线案例，让学生在亲手实现宽度优先搜索、深度优先搜索与A算法的过程中，体悟搜索的本质是在状态空间中的系统化遍历，启发式信息是对人类经验的putational化表达。【学情分析】授课对象为高二年级学生，选考技术科目，整体逻辑思维较强，约八成学生能独立编写含循环与条件分支的Python程序，约半数学生接触过递归。但前期问卷显示，学生对"搜索"一词的认知大多停留在搜索引擎层面，把搜索等同于"输入关键词查结果"，对其作为问题求解通用框架的内涵几乎空白。此外，队列、栈等数据结构虽在必修部分有所涉及，学生实际运用能力参差不齐，这将是本课代码实现环节的主要分化点。认知风格上，这个年龄段的学生对可视化、游戏化的任务投入度高，对纯理论讲授耐受度低。八数码滑块游戏与迷宫探路的具象情境，恰好能把抽象的状态空间概念锚定在可观察、可操作的对象上。教学中需把握"先体验、后抽象、再实现"的节奏，避免一上来就抛出形式化定义。【教学目标】信息意识方面，学生能够识别生活中哪些问题本质上属于搜索问题，能说出路径规划、棋类对弈、自动推理背后的共通求解逻辑，形成用搜索视角审视问题的敏感度。计算思维方面，学生掌握状态、算符、初始状态、目标状态、状态空间这组核心概念，能将八数码问题规约为状态空间表示；理解宽度优先搜索与深度优先搜索的遍历机制及其在完备性、时间开销、空间开销上的差异；领会启发函数的思想，理解A算法中评估函数f(n)=g(n)+h(n)的两项含义。数字化学习与创新方面，学生能在教师提供的代码框架上补全关键语句，运行并观察不同搜索算法求解同一问题的过程差异，通过修改启发函数验证其对搜索效率的影响，初步具备"实验—观察—归纳"的算法探究能力。信息社会责任方面，通过对导航软件路径规划、仓储机器人调度等真实应用的讨论，学生能认识到算法效率差异背后的能源与算力代价，形成对"暴力求解"与"智能求解"价值取向的初步判断。【教学重难点】教学重点是状态空间表示法的建立，以及宽度优先搜索与深度优先搜索的运行机制。教学难点有二。其一是启发式搜索中启发函数的作用机理，学生容易机械记忆公式而不理解"g为什么管过去、h为什么估未来"。其二是从思想到代码的落地，open表与closed表的维护过程抽象程度高，需要借助可视化手段层层拆解。【教学准备】教师准备：八数码问题的动画演示课件，迷宫搜索过程的可视化网页工具，半成品Python代码包（含状态表示、邻居生成、结果输出等已完成模块，预留搜索主循环供学生补全），安装好Python环境的机房。学生准备：课前完成线上预习任务，观看五分钟微课《走迷宫的机器鼠》，并尝试用纸笔画出从起点到终点的两条不同路线，思考"机器如何决定下一步往哪走"。【教学过程】一、情境导入：机器为什么能找到路上课伊始，教师在大屏播放一段仓储物流机器人穿梭货架、自动避让并抵达目标货位的实拍视频，时长约四十秒。播放结束后教师抛出问题："机器人每走一步，面前都有好几个方向可选，它是怎么知道该往哪边走的？是随机碰运气，还是有一套确定的章法？"学生七嘴八舌，答案多半指向"有程序控制""导航"，教师顺势追问："那这个程序内部，最核心的一步在干什么？"由此引出本课主题——基于搜索的问题求解。教师接着亮出一个小游戏：电子白板上的八数码棋盘，数字1至8打乱摆放，空格可在盘中滑动。请一名学生上台，用触屏尝试把它复原为目标排列。学生操作过程中，教师请全班观察并记录他大约移动了多少步、有没有走回头路。这一环节耗时约三分钟，却让全体学生真切体会到：哪怕只有九个小格，解的空间也远超直觉想象。教师公布数据：八数码问题的可达状态共有181440种。人靠试探走，机器靠什么？悬念就此立住。二、概念建构：把问题装进状态空间教师以刚才的八数码为例，引入形式化表示。所谓状态，就是问题求解过程中某个时刻的局面，八数码里每一种数字摆放方式就是一个状态；所谓算符，是能让状态之间发生转移的操作，对应到八数码就是空格的上、下、左、右移动；一开始就面对的局面叫初始状态，想要抵达的局面叫目标状态。所有状态连同它们之间由算符连成的转移关系，构成了一张巨大的"地图"，这就是状态空间。为让这组概念落地，教师设计小组活动：每组领取一张任务单，分别完成三个微问题。第一，用三行三列的列表写出黑板上给定局面的状态表示；第二，数一数空格在当前位置最多有几个合法移动方向，画出以当前状态为圆心、向外扩展一层的"状态树"；第三，估计如果每个状态平均分出两个分支，往下扩展十层大约有多少个节点。各组完成后，教师请两组展示，其余组对照修正。第三问的估算结果是这节课的第一个思维高潮：2的10次方已达1024，再往下几层便轻松破万破亿。教师点评时点明：状态空间的规模呈爆炸式增长，这正是为什么"搜索"必须讲究策略，而不能指望逐个试遍一切。至此，"问题求解等于在状态空间中寻找一条从初始状态到目标状态的路径"这一核心命题，由学生自己算了出来，而非教师灌进去的。三、探究一：盲目搜索的双生子——宽度优先与深度优先教师用迷宫可视化工具进行对照演示。同一张迷宫、同一对起点终点，先运行宽度优先搜索：画面上的探索区域像水面波纹一样从起点一圈圈均匀荡开，最终抵达终点；再运行深度优先搜索：探索路径像一条执拗的蚯蚓，一头扎进某个方向直到撞墙，再回退改道。同一问题的两种搜索形态对比强烈，教室里自发的"哦——"声说明直观印象已经形成。教师组织学生在学案表格中归纳两者的行为特征。宽度优先搜索逐层推进，像一个队列：先被发现的节点先被扩展，先进先出；深度优先搜索沿单路深入，像一个栈：最后压入的节点最先被扩展，后进先出。教师追问两个关键问题。其一：如果目标节点在离起点很近的地方，哪种策略更快？学生几乎一致回答宽度优先。其二：如果解埋得很深、且每个节点分支很多，宽度优先要同时记住多少节点？引导学生回忆刚才"2的十次方"的估算，学生会意识到宽度优先的内存开销惊人，而深度优先只需记住当前这条路径。教师板书提炼对比结论：宽度优先搜索在目标层数有限时可保证找到最短路径，完备且最优（对单位代价而言），但空间开销随分支因子指数增长；深度优先搜索空间代价小，却可能在无限深或存在环路的分支上迷路，找到的路径也不保证最短。没有免费的午餐，策略选择取决于问题特征——这句朴素的话，是算法思维的第一课。四、探究二：让搜索拥有"方向感"——启发式搜索与A算法教师重启迷宫演示，这次叠加一个提问："刚才两种搜索有一个共同的'毛病'，谁发现了？"滞留片刻后有学生说出关键点：它们探索的时候根本不关心终点在哪个方向，朝北走和朝南走一视同仁。教师给予肯定并顺势引出启发式搜索：如果能给每个节点打一个"离终点大概多远"的分数，搜索就可以优先扩展分数高的节点，这种分数的来源就是启发函数。以迷宫为例，最自然的启发是曼哈顿距离：横坐标之差加纵坐标之差，它忽略墙壁，给出的是乐观估计。教师板书A算法的评估函数：f(n)等于g(n)加上h(n)。其中g(n)是从起点到节点n实际走过的代价，管"已经花掉的"；h(n)是从n到终点的估计代价，管"未来还要花的"；两者之和f(n)就是对"经过n的整条最优路径总长"的估计。搜索每一步都从待考察节点中挑出f值最小的那个优先扩展。教师用取快递的作比方解释这个公式的直觉：你从宿舍出发去东门驿站，已经走了300米是g，导航显示前方还剩约200米是h，那么整条路估计500米；若另一条绕行路线g为100米但h高达800米，总账更大，就该放弃。学生哄笑之余，f、g、h三者关系已经入脑。随后在可视化工具中第三次运行迷宫，这次使用A。探索区域明显向终点一侧倾斜，扩展的节点数肉眼可见地少于宽度优先。教师展示三组数据：同一迷宫下宽度优先扩展节点数、深度优先扩展节点数、A扩展节点数，让学生把数字抄进学案，并写一句自己的发现。多数学生能写出"有了启发信息，搜索少走很多冤枉路"这类表述，个别思维活跃的学生还会追问"如果估计得不准会怎样"，教师留作后面的实验钩子。五、实践操作：动手补全搜索代码进入机房实操环节，时间约二十分钟。教师分发半成品代码包，说明结构：状态用元组表示八数码局面，get_neighbors函数已写好，负责生成所有合法后继状态；print_path函数负责在找到解后反向输出移动序列。学生需要补全的是宽度优先搜索主函数bfs中的三个空：一是从队列中取出队首元素，二是判断当前状态是否等于目标状态，三是把未访问过的后继状态入队并记录访问标记。学有余力的学生在完成bfs后，挑战进阶任务：参照教师给出的伪代码，把深度优先搜索dfs也写出来，只需把队列换成栈，体会"一处改动、行为全变"的精妙。再往上还有拓展题：修改迷宫程序中的启发函数，把曼哈顿距离改成"恒等于零"，观察A退化成什么；再改成"曼哈顿距离乘三"，观察搜索速度和解的质量发生什么变化。这组实验正是回应之前那位学生的追问：h恒为零时A退化为按g扩展的均匀代价搜索，必然最优但效率平平；h被人为放大后搜索更贪心、更快，却可能错过最优解——启发函数"不高估真实代价"这一可采纳性条件的意义，学生在实验中自己撞见了。教师巡视指导，对普遍卡点集中讲解。实际巡视中最常见的两处错误：一是取出队首后忘了标记访问，导致队列爆炸、程序假死；二是记录父节点的字典写错方向，回溯路径时死循环。教师把这两类典型错误在广播屏幕上匿名展示，请出错学生口述错因，纠正过程比代码本身更有教学价值。六、总结升华与作业布置课末五分钟，师生共同完成一幅概念图：中心是"问题求解"，向外第一层是"状态空间表示"，枝干上挂着状态、算符、初始状态、目标状态四片叶子；第二层是"搜索策略"，分作盲目搜索与启发式搜索两支，前者再分宽度优先与深度优先，后者挂上启发函数与A。教师用一句话为本课收束：搜索的本质，是在问题的状态空间里做一名既有章法、又有方向的探索者；盲目搜索给了我们章法，启发信息给了我们方向。作业分两层布置。基础作业：完成学案中九宫格迁移题，把骑士巡逻、农夫过河两个问题分别写成状态空间表示，只要求写清状态、算符与目标判定。拓展作业：调研一款真实应用——可以是地图导航、扫地机器人或游戏NPC寻路——分析其中可能用到了哪类搜索思想，下节课用两分钟分享。分层设计既保底又给拔尖学生留出口子。【板书设计】主板书区自上而下三行：第一行"问题求解=状态空间中的路径搜索"；第二行"盲目搜索：宽度优先（队列·逐层·最短）｜深度优先（栈·深入·省空间）"；第三行"启发式搜索：f(n)=g(n)+h(n)——已花的+估剩的"。副板书区随堂记录