高中二年级信息技术选择性必修四《基于搜索的问题求解》教学设计

高中二年级信息技术选择性必修四《基于搜索的问题求解》教学设计一、设计理念与教材分析本课选自浙教版高中信息技术选择性必修四《人工智能初步》第二章"问题求解"部分。"基于搜索的问题求解"是人工智能领域的奠基性内容，它向学生揭示了一个朴素而深刻的思想：许多看似需要"智能"的问题，都可以转化为在状态空间中搜索一条从初始状态到目标状态路径的问题。理解这一点，学生才能拨开人工智能神秘的面纱，触摸其第一性原理。本课以状态空间表示为知识主线，以盲目搜索与启发式搜索的对比为思维进阶阶梯，以"农夫过河""八数码""校园最短寻径"三个递进任务为实践载体，引导学生经历"问题抽象—状态建模—搜索执行—策略优化"的完整求解过程。教学中不追求代码量的堆砌，而追求思维的可视化：让学生在画状态图、数扩展节点、比较搜索代价的动手过程中，亲身体验宽度优先、深度优先与A算法的差异，理解启发信息为何会改变搜索的效率。二、学情分析授课对象为高二年级选修人工智能课程的学生。他们已在必修模块中掌握Python基本语法，能够使用列表、字典等数据结构，具备一定的抽象与编程实现能力；在数学学科中正接触图论的初步概念，对树与图有直观认识。但学生的困难同样明显：其一，难以将现实问题"翻译"为状态与算符的形式化描述，容易停留在自然语言层面描述解法；其二，对"盲目搜索"与"有信息搜索"的本质区别缺乏量的感知，常误把"聪明的算法"理解为"神奇的算法"；其三，面对指数级增长的状态空间缺乏规模直觉。针对这些学情，本课设计低门槛的手动模拟环节先行，编程实现殿后，用"数节点"这样朴素的方式让效率差异浮出水面。三、教学目标1.信息意识与学科理解：能说出状态空间表示法的基本要素，即初始状态、目标状态、算符集合与状态空间图，理解搜索是在状态空间中寻找可行路径的过程，认识到"搜索"是人工智能问题求解的基本范式。2.计算思维：能将农夫过河等经典问题抽象为四元组状态模型，画出完整或局部的状态转移图；能比较宽度优先搜索与深度优先搜索的扩展顺序、空间开销与解的性质；能初步理解启发函数h(n)的作用，体会A算法中f(n)=g(n)+h(n)的估价逻辑。3.数字化学习与创新：能在Python中借助队列与栈结构模拟两种盲目搜索过程，统计扩展节点数；能通过修改启发函数观察搜索行为的变化，形成"用实验验证算法"的实证习惯。4.信息社会责任：通过讨论导航软件、物流调度等真实场景中的搜索应用，思考大规模搜索背后的算力消耗与能源代价，形成对技术成本的朴素敬畏。四、教学重点与难点教学重点：状态空间表示方法的建立；宽度优先搜索与深度优先搜索的执行过程及其差异分析。教学难点：启发式搜索中估价函数的构造与理解；从"人工模拟"到"程序实现"之间求解框架的抽象迁移。五、教学方法与资源准备教学方法：任务驱动法、问题链教学法、小组协作探究法、可视化演示法。课前准备：教师制作可交互的状态空间搜索动画演示课件，准备好农夫过河的磁性贴图教具一套、印有八数码格子图的分组任务卡；机房Python环境预装本课配套的搜索框架半成品代码文件与节点计数工具；学生两人一组，课前完成"我眼中的导航软件如何找路"微调查并提交一句话猜想。六、教学过程（一）情境导入：导航为什么总知道哪条路好上课伊始，教师在大屏展示两张上学路线截图：同一起点终点的两条路线，一条畅通，一条红色拥堵，导航软件选择了前者。教师抛出问题：它并没有亲自走一遍这座城市，它是怎么"想"出这条路的？学生结合课前微调查发表猜想，答案往往指向"它知道所有路".教师顺势板书关键词：知道所有路，也就是说，它把整座城市的道路看成了一张可以走查的图。教师进一步追问：今天你出门左转还是右转，走到下一个路口又面临新的选择，所有的走法铺开像什么？学生答：像一棵不断分叉的树。教师点题：一棵树，准确说是一张状态图。从你在校门口这个状态，走到家这个目标状态，中间藏着一条路径。今天我们研究的就是这件人工智能最根本的事——如何在状态空间中搜索出那条路径。教师板书课题：基于搜索的问题求解。设计意图：以学生每天亲历的导航情境切入，把抽象的"状态空间搜索"还原为生活问题，激活先前经验；通过"它没走过却知道"的认知冲突，制造探究张力，为形式化建模埋下伏笔。（二）新知建构一：把问题装进去——状态空间表示法1.从农夫过河说起教师讲述经典问题：农夫带着狼、羊、白菜要过河，船一次只能载农夫和一样东西；农夫不在场时，狼会吃羊，羊会吃白菜。怎样让所有对象安全过河？学生先自由口述方案。教师在肯定若干可行方案后提出关键一问：如果让你把这个问题交给计算机，你不能跟它讲故事，你给它什么？教师引导小组用磁贴在黑板上摆出某一时刻的局面：左岸有谁，右岸有谁，船在哪一边。学生发现，任何一个局面都可以用"农夫、狼、羊、白菜各自在左岸还是右岸"来完整刻画。教师引入状态的概念：状态就是对问题在某一时刻局面的形式化描述，可以用一个四元组表示，例如用1表示左岸、0表示右岸，则初始状态为(1,1,1,1)，目标状态为(0,0,0,0)。教师继续追问：状态不会自己变化，什么让它变化？学生答：农夫划船。教师抽象出算符概念：算符是引起状态改变的操作，本问题中包括"农夫独渡、带狼渡、带羊渡、带菜渡"四种可行算符，但并非任何状态下每个算符都安全可用。2.画出那张地图各小组领取任务单，以(1,1,1,1)为起点，尝试画出状态转移图，用节点表示合法状态，用有向边表示一次安全渡河。教师巡视，重点观察学生是否剔除了"狼吃羊""羊吃菜"的非法状态，是否有重复回环。展示环节，教师投屏两组作品进行对比：一组画出了全部合法状态共十个节点，另一组混入若干非法状态。全班共同充当"安全检查员"，逐一审查边的合法性。在修正中，学生直观看到：整个问题的所有可能性，就是一张有限的图；所谓求解，就是在这张图上找到一条从左上到右下的通路。教师小结并板书结构：初始状态、目标状态、算符集、状态空间图——四者齐备，一个现实问题就转型为一个可计算的搜索问题。教师补充点拨：棋类对弈、路径规划、定理证明乃至机器人动作规划，披上状态空间的外衣后，长的是同一个样子。设计意图：通过"摆—画—审"三级活动，让学生亲手完成从叙事到模型的跨越；审图环节将非法状态的判定转化为协作式错误辨析，使约束条件在争辩中被真正内化。（三）新知建构二：没有地图索引怎么办——盲目搜索1.宽度优先：一圈一圈向外找教师把状态图简化为树的形态投屏，提出问题：现在你站在起点，什么额外信息都没有，你怎么保证找到目标？教师类比：在教学楼找一间不知在哪层的办公室，笨但可靠的方法是先查遍本层所有房间，再上一层楼——这就是宽度优先搜索。学生利用任务单上的简化树（深度3层），用彩笔圈出宽度优先的访问顺序并编号，记录到达目标节点时总共访问了多少节点。教师演示动画：搜索的边界像水波纹一样，一层一层均匀向外扩张。教师引导归纳：宽度优先每到一层必穷尽该层，因此只要解存在，它最先找到的一定是步数最少的解，即最浅目标节点；代价是它必须同时记住整层节点，空间开销大。2.深度优先：一条路走到黑教师切换类比：另一种找法是推门就往里走，走不通再退回来换下一扇门——这就是深度优先搜索。学生在同一棵树上用另一种颜色标出访问顺序并计数。两组数据并列呈现后，全班讨论三个问题：两种策略谁先碰到目标？谁走的路更"专一"？如果最左侧分支深不见底，会发生什么？学生在讨论中得出结论：深度优先内存开销小、可能快速钻到有解区域，但在深无边的树上可能永远迷失，且先找到的解未必最短。教师用表格梳理两者差异：数据结构（队列先进先出与栈先进后出）、完备性、最优性、空间复杂度。强调一个朴素事实：两者都"不聪明"，它们不看目标在哪里，只按固定顺序翻——故称盲目搜索或无信息搜索。设计意图：让同一棵树被两种策略"走两遍"，用节点编号的实体劳动换取对扩展顺序的精确感知；类比保持生活化，但归纳时坚决回到队列与栈、完备性与最优性的规范术语，实现直观与严谨的双向奔赴。（四）新知建构三：让搜索带上眼睛——启发式搜索1.八数码的规模震撼教师出示八数码问题：3×3棋盘上八个数字滑块与一个空位，目标是将打乱的局面复原为1至8顺序排列。提问：它的状态有多少种？学生先自由猜测，教师给出答案：可达状态共181440种。再问：如果盲目搜索，最坏要翻多少节点？教室安静——盲目在这里意味着海量。教师追问：人玩八数码时盯的是什么？学生答：看哪个数字离家近。教师点明：这就是启发信息——对"当前状态离目标还有多远"的估计。有目标的指引，搜索就长出了眼睛。2.解剖A的估价逻辑教师板书三个记号的含义：g(n)表示从初始状态到节点n已经付出的真实代价，h(n)表示从节点n到目标的估计代价，f(n)=g(n)+h(n)表示经过n的整条路径的估价。搜索每次从待扩展集合中取出f值最小的节点。为让公式落地，教师用八数码演示启发函数的一种朴素构造：h₁(n)=不在位的数码个数。再给出更细的版本：h₂(n)=所有数码到目标位置的曼哈顿距离之和。学生两人一组，在给定的两个中间状态上手工计算两种h值，比较谁的估计更贴近真实剩余代价。教师提出关键的思辨问题：如果h(n)故意夸大、报得比真实代价高，会怎样？学生讨论后认识到：估计失真会误导选择，可能丢掉最优解；可采纳的启发函数应当永不高估，这是算法正确性对启发信息提出的诚实要求。3.数据说话：一场效率擂台赛教师组织学生进入机房，运行配套程序：同一初始局面，分别调用宽度优先与A（使用曼哈顿距离启发）求解，程序自动输出求解步数、扩展节点数与耗时。各组记录数据并填入共享在线表格。汇总后，班级大屏呈现鲜明对比：宽度优先扩展数千个节点，A往往不到其十分之一。教师引导学生用一句话向自己的数据"解释原因"：启发信息把搜索波前从圆变成椭圆，长轴指向目标。设计意图：先用规模数字制造"盲目不可行"的紧迫感，再引入启发函数作为解围之策，知识在需要中登场；手工计算h值与程序擂台赛构成"脑算＋机验"的双证据链，让效率差异从课件结论变成学生自己的测量结果。（五）综合实践：校园寻宝机器人实践任务是本课的高潮。教师发布项目情境：学校科技节上，一台校园寻宝机器人需从教学楼出发，绕过花园与施工区（障碍），到达图书馆取回书籍。网格地图已给出，部分格子标记为不可通行。任务分三步展开。第一步，建模：小组讨论并书面作答——该问题的状态是什么？算符集是什么？g与h分别如何定义？教师巡批，要求状态描述必须精确到坐标。第二步，实现：学生基于配套框架代码填补关键函数——节点扩展与f值计算。教师强调"框架给你骨架，血肉你写"，允许基础较弱的小组先运行教师版完成对照，再回读每一行。第三步，竞技：三张难度递增的地图下发，各组分别测试"只顾h不管g"的贪婪策略与标准A策略，记录路径长度与扩展节点数，回答：贪婪更快找到了答案，但它是最好的答案吗？展示评议环节，每个小组用九十秒展示一个发现。教师捕捉到若干高质量生成：有小组发现障碍密集时启发函数引导效果最明显；有小组因h单位与g不一致导致结果异常，在调试中悟出"估价必须同尺度可比".教师将这些发现即时板书，称之为"本节课集体生产的新知识".设计意图：把零散知识点回收到一个真实感任务中，驱动学生走完"建模—实现—实验—反思"的完整链条；故意设置的"贪婪策略"对照组，让学生在结果落差中自主发现最优性与速度的权衡，远比讲授深刻。（六）总结升华与作业延伸师生共同完成知识回望。教师以三问收束：今天的农夫与导航有什么共同之处？盲目与启发的分水岭在哪里？搜索的尽头是什么？学生口答形成共识：共同之处是状态空间表示；分水岭在于是否使用对目标的估计信息；搜索不是万能的，状态空间爆炸时任何策略都会力不从心，这正是后续博弈剪枝与学习方法登场的理由。教师顺势预告：下次课我们将让计算机在棋盘上拥有对手——搜索将走进对抗的世界。分层作业：基础层，补全课堂未完成的状态图与搜索顺序标注；进阶层，修改实践程序，将启发函数替换为欧几里得距离，对比曼哈顿距离在八方向移动允许下的表现并写一百字实验结论；挑战层，查阅双向搜索的思想，思考它为何能压缩搜索深度带来的指数增长，下节课用两分钟分享。板书设计呈现三条竖列：表示（状态·算符·图）、搜索（宽·深·A\）、权衡（完备·最优·效率），课题居中，形成一眼可读的结构地图。七、教学评价设计本课采用过程性评价与表现性评价相结合的方式。状态建模任务单侧重评价抽象规范程度；节点计数活动评价策略理解的准确性；实践环节依据小组的