高中信息技术选修四《基于搜索的问题求解》教学设计

高中信息技术选修四《基于搜索的问题求解》教学设计一、教学理念与设计依据本课选自浙教版高中信息技术选修四，是人工智能初步模块中承上启下的关键内容。学生在前期学习中已经掌握了问题的抽象表示和简单算法的设计方法，但对机器如何在庞大状态空间中自动寻找解缺乏系统认识。本课以搜索树为主线，引导学生经历从问题建模、状态表示到搜索策略选择、效率比较的完整思维过程，落实课标中"能描述搜索算法的基本思想，比较不同搜索策略的效率"这一要求，着力培育计算思维与信息意识、数字化学习与创新等核心素养，并通过搜索过程体现算法在人工智能系统中的基础性地位，帮助学生形成理性看待智能技术的态度。二、学情分析授课对象为高二年级选修人工智能方向的学生。学生对递归、队列、栈等数据结构已有初步接触，能够用伪代码描述简单过程，动手编程处在从模仿向迁移过渡的阶段。困难集中在三处：一是难于把真实问题抽象为状态、动作、目标三元组；二是容易把"找到解"与"找到最优解"混为一谈；三是对宽度优先与深度优先的效率差异缺乏直观感受，容易停留在背定义的层面。教学中应借助可视化演示和地图寻路情境，把抽象的状态空间转变为可操作、可观察的对象，让学生在对比实验中自己得出策略选择的结论。三、教学目标第一，知识与理解目标。学生能够准确说出状态、动作、目标状态、初始状态、搜索树、启发式信息等概念，能用自己的语言叙述宽度优先搜索和深度优先搜索的执行过程，知道搜索问题的形式化表示方法。第二，过程与方法目标。学生能够以八数码或城市寻路实例为载体，完成问题的形式化建模，绘制局部搜索树，手工模拟两种策略的搜索过程，并通过节点扩展数量、找到解的层次等数据比较两者的效率差异，初步形成"问题不同则策略不同"的工程判断意识。第三，情感与价值观目标。学生在体验搜索爆炸的过程中感受计算的边界，理解启发式信息作为人类经验注入机器的价值，体会人工智能并非无所不能，养成严谨求证、实证分析的学习习惯。四、教学重难点教学重点是搜索问题的形式化表示，即如何把现实问题抽象为状态、动作与目标的组合，以及宽度优先与深度优先两种策略的执行机理。教学难点是启发式搜索思想的渗透。学生需要理解估价函数并非随意指定，而是来源于对问题结构的洞察，A搜索中估价函数的可采纳性是保证最优性的条件。本课以理解为主、证明从略，通过反例让学生直观感受估价过度的危害。五、教学准备教师准备：Python环境下的搜索过程可视化演示程序，能够把八数码问题的状态扩展过程以树形动画呈现；城市距离简图挂图；分组学习任务单，其中包含空白搜索树模板、实验数据记录表、自评量规。学生准备：课前完成两道预习题，回顾队列先进先出和栈后进先出的特点，用一张纸画出从家到学校的路线并标注关键路口，为状态抽象做铺垫。六、教学过程（一）情境导入：迷宫里的小灯上课伊始，屏幕播放一段四十秒的动画：一盏小灯在迷宫入口处，需要走到出口。第一次播放时小灯乱走，需要一百多步才到出口；第二次播放时小灯仿佛长了眼睛，几步就到达。教师提问：两次走法背后，机器做的事有什么本质不同？学生自由发言后，教师点明课题：机器解决问题的核心动作是搜索，差别在于有没有利用好线索。本节课我们就来回答三个问题：机器把问题看成什么、它怎样系统地找、它怎样聪明地找。这一设计用对比动画制造认知冲突，把"搜索"这一抽象术语锚定在可感知的经验上，同时三个问题即本课主线，为后续环节埋下结构性伏笔。（二）概念建构：把一切问题翻译成状态教师引导学生回到身边的例子。以九宫格拼图八数码为例，请学生描述眼前这盘棋局"现在的样子"和"想要的样子"。学生会发现，"现在的样子"可以用九个数字的排列精确刻画，这就是状态；让空格移动一格，局面就变了，这就是动作；所有棋子归位的那一刻，就是目标状态。教师顺势板书形式化定义：一个搜索问题由初始状态、后继动作、目标测试三部分组成，搜索就是在状态图中从初始状态出发，找到一条到达目标状态的路径。随后安排两分钟快速练习：两名学生分别把"城市寻路"和"农夫过河"问题翻译成状态、动作、目标。教师巡视，找出两种有代表性的答案，一份严谨的、一份含混的，投影对比，请全班评判哪一份可以让计算机直接执行。通过同伴互评，学生体会"表示要足够精确，机器才能工作"这一计算思维的要义。（三）策略探究一：宽度优先，层层铺开教师借助可视化程序演示宽度优先搜索：从初始状态出发，先把所有一步可达的状态扩展出来放入队列，再逐一取出、继续扩展。学生在任务单的空白搜索树上同步填画。演示两次后，教师暂停动画，提问：队列中的状态有什么共同点？学生观察后归纳：同一层的状态深度相同，先被扩展。教师总结：宽度优先像水波纹，一圈一圈向外扩散，凡是被它找到的解，必然是最浅层的解，动作步数最少。紧接着小组活动：每个人在八数码简例上手工模拟宽度优先的前十二次扩展，数一数扩展了多少个节点。学生普遍会报出二十个以上，教师追问：如果深度从四层变成二十层，节点数会怎样变化？引导学生用指数增长的直觉感受组合爆炸，为后面引入启发式信息蓄势。（四）策略探究二：深度优先，一条道走到底同样的八数码开局，切换到深度优先模式。动画中小灯沿着一条路径不停深入，走了很深却发现是死路，只好回溯。教师请学生用一句话刻画这种策略的性格。学生给出的生动描述如"不撞南墙不回头"，教师将其规范为：深度优先优先扩展最近产生的状态，内存消耗小，但找到的解不一定步数最少，甚至可能在无穷深的路径上迷失。教师组织全班填写对比表：两种策略在完备性、最优性、时间开销、空间开销四个维度上分别打勾或打叉。填表完毕后随机抽取三组口头汇报，教师只追问不评判，让学生在同伴的质疑声中修正结论。最终形成共识：二者各有适用场景，策略选择是对资源和目标的权衡，这正是工程思维。（五）策略探究三：给机器装一只眼睛——启发式搜索教师回到开课时的动画，强调第二次小灯之所以走得好，是因为它每一步都问了自己一个问题：现在离出口还有多远？这就是启发式信息。教师介绍估价函数的概念：用某个函数估计当前状态到目标的代价，搜索时优先扩展估计代价小的状态。八数码中可以用"不在位的棋子数"或"各棋子到目标位置的曼哈顿距离之和"作为估价。关键教学环节是引导学生质疑估价函数是否可信。教师故意构造一个高估的例子：某状态中估价函数给出2，而实际需要6步。演示贪心最佳优先搜索因此被误导、绕了远路。学生恍然大悟：估价一旦浮夸，最优性就没了保障。教师点出可采纳性的思想：估价不高估真实代价，搜索才有最优保证。这正是不盲目信任算法、探究机理的科学精神的体现。（六）综合实践：我是路径规划师各小组领取不同难度的任务卡。基础任务：给定的五城市图上，分别用宽度优先、深度优先、启发式搜索规划从A城到E城的路线，记录扩展节点数和路径长度。进阶任务：把课桌上真实的拼图调成指定开局，预测两种搜索策略的节点扩展量，再运行程序验证预测，分析预测与实测的偏差原因。挑战任务：讨论在机器人仓库拣货、游戏寻路两个场景中，应分别倾向哪种策略，说明理由。教师穿梭指导，重点关注两类典型困难：一类小组把图中每条路当作一步导致状态设计不合理，教师引导其反思抽象粒度；另一类小组节点计数混乱，教师示范用编号与代数标记的方法。十五分钟后，每组用两分钟进行微型汇报，要求必须说出一条数据、一个结论、一个疑问。（七）总结提升与课堂评价师生共同完成思维导图式小结：问题是状态、动作、目标的三元组；搜索是在状态空间中系统地找路；宽度优先稳妥而昂贵，深度优先节俭而冒险，启发式聪明而需可靠的估价函数；选择的本质是权衡。教师最后用一句话收束：搜索的本质，是把人的经验翻译成机器能执行的秩序。课堂评价采用三合一方式：任务单上的知识检测题当场核对；小组互评表从参与度、表达质量、数据严谨性三个维度打分；学生在一分钟纸条上写下"今天我改变的一个想法"。教师课后依据纸条分类反馈，作为下节课的学情起点。七、板书设计主板书以一棵向两侧生长的搜索树为骨架：树顶"问题=状态＋动作＋目标"，左侧枝条挂"宽度优先：逐层、完备、最优，但节点爆炸"，右侧枝条挂"深度优先：省空间、不保证最优"，树冠中央写"启发式：估价函数引导方向，可采纳性守住最优"。副板书实时记录小组实验数据，保留学生原始结论的演化痕迹。八、作业设计基础层：完成教材配套练习中城市寻路的形式化建模题。提高层：编写一段Python程序，统计八数码随机开局下宽度优先与启发式搜索的节点数之比，撰写一百五十字结论。拓展层：阅读一则关于导航软件路径规划的科普资料，思考实时路况如何作为一种启发式信息参与搜索，下节课用三分钟分享。