《人工智能》教学大纲

课程名称	人工智能
适合专业	计算机科学与技术	软件工程
课程类别	专业任选课	专业任选课
课程编号	408411	436016
课程学分	2
总学时	36
其 中：理论	24
实验	12
先修课程	数据结构	离散数学	编译原理

一、课程的性质、目的和任务

《人工智能》是计算机科学研究和发展的一个重点，其终极目标就是让计算机具有象人一样的能力。这门课程主要讲述知识与知识表示、确定性推理、不确定性推理、搜索策略、神经网络、机器学习、遗传算法等方面内容。通过本课程的学习，要求学生了解人工智能的发展状况与研究内容，掌握基本概念、基本原理方法和重要算法，掌握人工智能的一些主要思想和方法，熟悉典型的人工智能系统——产生式系统和简单的模糊推理方法，学会用启发式搜索求解问题，学会基本的神经网络方法，学会简单的机器学习方法，初步具备用经典的人工智能方法解决一些简单实际问题的能力。

作为本科生一个学期的课程，重点掌握人工智能的基础知识和基本技能，以及人工智能的一般应用．完成如下教学目标：

（1）了解人工智能的概念和人工智能的发展，了解国际人工智能的主要流派和路线，了解国内人工智能研究的基本情况，熟悉人工智能的研究领域．

（2） 较详细地论述知识表示的各种主要方法。重点掌握状态空间法、问题归约法和谓词逻辑法，熟悉语义网络法，了解知识表示的其他方法，如框架法、剧本法、过程法等。

（3） 掌握盲目搜索和启发式搜索的基本原理和算法，特别是宽度优先搜索、深度优先搜索、等代价搜索、启发式搜索、有序搜索、A*算法等．了解博弈树搜索、遗传算法和模拟退火算法的基本方法．

(4) 掌握消解原理、规则演绎系统和产生式系统的技术、了解不确定性推理、非单调推理的概念．

（5） 理解神经计算的相关原理与方法．

（6）简介人工智能程序设计的语言和工具．

二、课程教学基本要求及基本内容

第一章 绪论

（一）基本教学内容

1.1人工智能的定义与发展

1.2人类智能与人工智能

1.3智能控制的进展

1.4智能控制的定义、特点与一般结构

1.5智能控制的学科结构理论。

（二）基本要求

教学目的：了解人工智能的发展简史以及当前的一些发展方向和热点。掌握基本概念，相关名词术语的含义；熟知人工智能的基本研究内容、研究方法。

教学难点：人工智能的定义

教学重点：人工智能的定义、应用领域

第二章知识表示方法

（一）基本教学内容

2.1状态空间法

2.2问题规约法

2.3谓词逻辑法

2.4语义网络法

2.5框架表示法。

（二）基本要求

教学目的：了解关于知识的基本观点以及特点等等。掌握基本的、常用的一些知识表示方法，如一阶谓词逻辑表示法、框架表示法和语义网络表示法等，了解各种知识表示法的特点。

教学难点：状态空间法；一阶谓词逻辑表示法

教学重点：状态空间法；一阶谓词逻辑表示法；框架表示法；语义网络表示法

第三章 搜索推理技术

（一）基本教学内容

3.1图搜索策略

3.2盲目搜索

3.3启发式搜索

3.4代价树上的搜索

（二）基本要求

教学目的：掌握基本概念，学会用状态空间表示问题，了解与或树表示法；掌握状态空间的各种搜索策略，包括深度优先搜索、广度优先搜索、代价树上的搜索以及启发式搜索和A*算法等等；了解关于搜索完备性和效率的基本理论。

教学难点：代价树上的搜索以及启发式搜索和A*算法。

教学重点：深度优先搜索、广度优先搜索、代价树上的搜索以及启发式搜索和A*算法。

第四章 神经计算

（一）基本教学内容

4.1人工神经网络研究进展

4.2人工神经网络的结构

4.3人工神经网络的典型模型

4.4基于人工神经网络的知识表示与推理

（二）基本要求

教学目的：掌握神经网络的基本概念、基本形态。了解感知器、BP网络、Hopfield网络、ART网络等多种不同类型神经网络的基本原理、组成以及特点。掌握前馈神经网络的BP算法。了解神经网络的各种应用。

教学难点：前馈神经网络的BP算法

教学重点：BP网络、Hopfield网络的工作原理。

第五章 进化计算

（一）基本教学内容

5.1遗传算法的基本原理

5.2遗传算法的求解步骤

5.3蚁群算法的基本原理

（二）基本要求

教学目的：掌握遗传算法的基本原理与遗传算法的求解步骤；了解蚁群算法的基本原理。

教学难点：遗传算法的基本原理

教学重点：遗传算法的基本原理与遗传算法的求解步骤

三、课程学时分配

四、本课程课外学习与修学指导

人工智能是一门理论性和实践性都很强的学科，在其理论课中介绍了大量的人工智能基本原理、基本方法和基本技术，这些内容仅靠课堂讲解学生掌握起来觉得很抽象，无法和现实问题的求解联系在一起。因此，该课程的教学应贯彻理论与实践相结合的原则，即对于书中的重点环节，通过实验课程中具体问题的求解达到深入了解并掌握的目的，更重要的目的是达到学以致用的目的。

五、本课程成绩的考查方法及评定标准

考核方式：考查，开卷

成绩评定方法：本课程的考核是平时成绩、实验成绩和期终考试成绩相结合。具体比例为：上课出勤、作业占20%，实验占20%，期末考试成绩占60%。

其中期未考试总分100分，基础题占50%，中等难度题占60%，较难题占10%。考试题型主要有：选择题、填空题、简答题、综合应用题等。

六、教材及参考书

教材：蔡自兴，人工智能原理(第三版)，北京：清华大学出版社

主要参考书：

王永庆，人工智能原理与方法，西安交大出版社，1998

陆汝钤，人工智能（上下册），北京：科学出版社，1989

林荛瑞，马少平，人工智能导论，北京：清华大学出版社，1998

何新贵，知识处理与专家系统，北京：国防工业出版社，1990

史忠植，知识工程，北京：清华大学出版社，1988

殷勤业，杨宗凯等编译，模式识别与神经网络，北京：机械工业出版社，1992

杨行峻，郑君里，人工神经网络，北京：高等教育出版社

周明，孙树栋，遗传算法原理及应用，北京：国防工业出版社，1999

大纲撰写人：易叶青

大纲审阅人：袁辉勇

教学副主任：易叶青

编写日期：2012.6.17