920083-人工智能导论教学大纲(第4版)

1、人工智能导论课程教学大纲英文课程名Introduction of Artificial Intelligence总学时48学分3课程编码226303理论教学学时36适用专业计算机科学与技术、数字媒体技术、 物联网工程、软件工程、网络工程 等课程类别 （请注明选 修或必修）通识课程选修实践 教学 学时实验学时先修课程概率论与数理统计 程序设计基础等大类基础课程选修上机学时12专业基础及专 业课程选修其它开课学院 （部）计算机科学与技术学院一、课程的性质和教学目标课程性质：人工智能是计算机科学中的重要内容，已经成为讣算机技术发展以及许多高新技术产品中的核心技术。由于人工智能是模拟人类智能解决问题，

2、几乎在所 有领域都具有非常广泛的应用。人工智能导论是计算机科学与技术、软件工程、网络工程等专业本科生的一门基础选修课程。本课程主要介绍人工智能问题 求解的一般性原理和基本思想以及一些前沿内容，为学生提供最基本的人工智能技术和有关问题的入门性知识，为进一步学习和研究人工智能理论与应用奠定 基础。教学目标：1. 了解人工智能的特点、主要研究领域、研究历史及未来发展动向。2. 掌握人工智能的基本概念、基本原理和基本方法。3. 了解应用人工智能技术解决实际问题的范例。该课程的目标是把握讣算机科学与技术的发展趋势，熟悉本专业的前沿知识和研究热点。该课程讲述了人工智能的发展简史、人工智能研究的基本内容和

3、主要研究领域、人工智能的研究热点包括人工神经网络及其应用和遗传算法及英应用等。要求学生掌握基本创新方法，能够针对创新点开展切实有效的理论和 应用研究。该课程紧密联系计算机学科中的前沿内容和所涉及的新技术，例如模糊推理方法及其在讣算机控制系统中的应用、人工神经网络及其改进方法在模 式识别、软测疑、联想记忆、优化计算中的应用，遗传算法及苴改进算法在生产调度中的应用等，学生通过该课程的学习能够了解基本的人工智能新技术和有 关问题求解的创新方法；课程要求完成A*算法应用实验、遗传算法应用实验、基于神经网络的优化计算实验等自主型实验项目，学生通过实验，能够发挥主动 性，研究探讨人工智能系统的运行和实现过

4、程，提岀思路并积极验证和探索自己的思路，从而更好的掌握知识，培养学生的理论联系实际能力和创新能力，逐步 培养他们发现问题、提出问题、分析问题和解决问题的能力。课程支撑的毕业要求及其指标点：该课程支撑以下毕业要求和具体细分指标点：【申业要求3】设计/开发解决方案：能够设计针对复杂工程问题的解决方案，设汁满足特定需求的系统、单元（部件）或工艺流程，并能够在设计环节中 体现创新意识，考虑社会、健康、安全、法律、文化以及环境等因素。支撑指标点3-5：具备积极的创新思维和敏锐的创新意识，善于发现科学研究和工程应用中的创新点，掌握基本创新方法。【毕业要求5】使用现代工具：能够针对复杂工程问题，开发、选择与

5、使用恰当的技术、资源、现代工程工具和信息技术工具，包括对复杂工程问题的预测 与模拟，并能够理解英局限性。支撑指标点5-4：能够掌握理论分析工具，从原理角度实现对工程问题的分析和预测，并在此过程中理解解决工程问题中的并种局限性。二、课程教学方法设计本课程以课堂教学为主，结合课内实验与课外自学、课堂讨论、团组大作业。课堂教学主要讲解基本原理，结合人工智能最新前沿技术的相关介绍，辅助以最新的视频资料，使同学们对人工智能课程的各个章节产生兴趣，从而促进 学习热情，在之后的理论教学中能更好地理解技术的先进性与实用性。要求学生在课内学习的基础上，自己完成网络资料与科技文献的检索工作，针对感兴趣的章节进行自

6、主学习，加深加强课堂理论教学，并提高自身的自学 能力。课外团队大作业要求学生能够运用课堂知识，在互相分工配合的基础上，进行适当的创新，运用人工智能的理论知识来解决一些实际的问题。大作业内容 一般以实际生产实践中所遇到的问题为主，通过该方式可有效的提升学生学以致用的能力。三、课程教学内容及学时分配1.理论教学安排序号章节或知 识模块教学内容学时 分配能力培养教学要求素质培养教学要求学生任务作业要求自学要求讨论1第1章 绪论1. 人工智能的概念2. 人工智能的发展简史3. 人工智能研究的基本内容4. 人工智能的主要研究领域2了解人工智能研究的特 点、内容、发展历史及 未来，增加对人工智能 学科的认

7、识。把握计算 机科学与技术的发展趋 势。了解人工智能研究的 基本内容和主要研究 领域，开阔学生思路， 为以后学习和应用人 工智能奠左基础。熟 悉本专业的前沿知识 和研究热点。思考题11.2131.4课前完成 预习，课后 查阅最新 人工智能 研究点分组讨论 人工智能 主要研究 领域2第2章 知识表示1. 知识的特性、分类和表示2. 表示方法：一阶谓词逻辑、 产生式、框架等4熟练掌握知识及知识表 示的概念，了解知识的 相对正确性、可表示性 及可利用性等特性。了 解新技术的发展趋势。了解各种表示方法的 具体表示形式、优缺 点、适宜的应用对象。习题2. 12.22.32.42.52.6课前完成 预习，

8、课后 对课堂内 容进行复 习分组讨论 产生式方 法的适用 范围.3第3章 确左性推 理方法1推理的基本概念2确定性推理方法：自然演绎推 理、谓词公式化为子句集的方 法、鲁宾逊归结原理3确定性推理方法的应用：归结 反演、应用归结原理求解问题4熟练掌握谓词公式化为 子句集的方法。熟练掌握归结原理、 方法，并能灵活应用。习题3. 13.23.33.73.93. 103. 11课前完成 预习，课后 对课堂内 容进行复 习分组讨论 谓词公式 化子句集 的方法4第4章1不确定性推理的基本概念2熟练掌握归结原理、方了解可信度方法、iiE习题课前完成分组讨论不确定性 推理方法2.可信度方法、证据理论等基于 槪

9、率的推理方法3模糊推理方法法，并能灵活应用。理 解不确泄推理的基本概 念和意义。据理论及英推理方 法。掌握模糊集合、 模糊知识表示、模糊 推理方法，并能灵活 应用。4. 14.44. 54.74. 9预习，课后 对课堂内 容进行复 习实际工况 下是否可 以应用不 确泄的推 理5第5章 搜索求解 策略1. 搜索的概念2. 状态空间的搜索策略3. 盲目的图搜索策略4. 启发式图搜索策略4搜索的基本概念、基本 方法。能够针对创新点 开展切实有效的理论和 应用研究。掌握搜索方法的实现 与基本软件设计。掌 握基本创新方法。习题5.25.3课前完成 预习，课后 对实验进 行改进。分组完成 A*搜索的 案例

10、6第6章 智能算 及其应用1. 遗传算法的产生与发展2. 基本遗传算法3. 遗传算法的改进算法4. 遗传算法的应用5了解一些遗传算法的改 进算法，了解遗传算法 的应用实例。掌握遗传算法的基本 概念和基本方法。思与题6. 16.26.46.5课前完成 预习，课后 査阅GA的 最新发展。分组讨论 与GA相关 的鱼群算 法7第7章专家系统 与机器学 习1. 专家系统的产生与发展、概 念、一般结构2. 专家系统的工作原理及其建 立方法3机器学习与数据挖掘4专家系统实例5.专家系统的开发工具4掌握专家系统的基本概 念、基本特征、一般结 构等基本内容。掌握专家系统的建 造、开发，了解专家 系统的应用例子。

11、思与题7. 17.27.37.47.57. 16课前完成 预习，课后 对课堂内 容进行复 习分组讨论 专家系统 的实用性8第8章人工神经 网络及其 应用1. 神经元与神经网络的基本概 念2. BP神经网络学习算法及英应 用3. Hopfield神经网络及其应用5了解BP神经网络学习 算法及英在模式识别、 软测量等工程中的应用 了解Hopficld神经网络 的特性及英在联想记 忆、优化等工程中的应 用掌握人工神经网络的 基本概念、常用人工 神经网络模型。能够 针对创新点开展切实 有效的理论和应用研 究。思考题8. 1& 38.5习题8. 18.2课前完成 预习，课后 对査阅最 新的ANN 相关技

12、术 发展。分组讨论 BP-ANN 在 模式识别 中的应用9第9章智能体与 多智能体 系统1智能体与多智能体的概念与 结构2多智能体系统的通信、协调、 协作和协商2了解智能体与多智能体 的概念与结构、多智能 体系统的通信、协调、 协作和协商等槪念掌握智能体与多智能 体的概念与结构、多 智能体系统的通信、 协调、协作和协商等 概念思考题9. 19.2课前完成 预习，课后 对查阅多 智能体的 最新技术 资料。分组讨论 最新的多 智能体技 术10第10章 自然语言 处理及其 应用1. 自然语言理解的概念与发展2. 语音分析、词法分析、句法 分析、语义分析基本概念与方法3. 基于语料库的大规模真实文 本

13、的处理方法、机器翻译、语音 识别等应用。2了解自然语言理解的概 念与发展历史。掌握大 规模真实文本的处理方 法、机器翻译、语音识 别等应用的基本思路。掌握语音分析、词法 分析、句法分析、语 义分析等基本概念与 思路思考题10.110.2课前完成 预习，课后 对查阅语 音识別的 最新技术 资料。分组讨论 最新的语 音识别技 术11第11章人工智能 在游戏设 计中的应用1. 智能游戏的概念与主要游戏 智能技术2. 智能游戏设计技术3. 游戏开发工具及其应用2了解智能游戏的槪念与 基本原理。掌握角色的 运动、追逐与躲避、路 径搜索等基本设计方法掌握遗传算法等在游 戏中的程序设计方 法。能够针对创新点

14、 开展切实有效的理论 和应用研究。思考题11.1课前完成 预习，课后 对常见的 游戏中人 工智能技 术进行总:J分组讨论 常见游戏 中的AI的 使用点。2课内实践教学安排序号项目名称学时类型每组人数能力培养教学要求素质培养教学要求学生任务1产生式系统实验2验证1熟悉一阶谓词逻辑和产 生式表示法。熟悉本专业 的前沿知识和研究热点。掌握产生式系统的运行 机制，以及基于规则推理 的基本方法。运用所学知识，设汁并编 程实现一个小型人工智 能系统2A*算法求解8数码问题实验2验证1熟悉和掌握启发式搜索 的立义、估价函数和算法 过程。熟悉本专业的前沿 知识和研究热点。能利用A*算法求解N数 码难题，理解求

15、解流程和 搜索顺序。参考A*算法核心代码， 以8数码问题为例实现 A*算法的求解程序3A*算法求解迷宫寻路问题实验2验证1熟悉和掌握A*算法实现 迷宫寻路功能。能够针对 创新点开展切实有效的 理论和应用研究掌握启发式函数的编写 以及各类启发式函数效 果的比较。参考实验系统给岀的迷 宫求解核心代码，观察求 解过程与思路。画出用 A*算法求解迷宫最短路 径的流程图。4遗传算法求函数最大值实验2验证1熟悉和掌握遗传算法的 原理、流程和编码策略。能够针对创新点开展切 实有效的理论和应用研 究。能利用遗传求解函数优 化问题。参考实验系统给岀的遗 传算法核心代码，用遗传 算法求解TSP的优化问 题，分析遗

16、传算法求解不 同规模TSP问题的算法 性能。5遗传算法求TSP问题实验2验证1理解求解TSP问题的流 程并测试主要参数对结 果的影响。能够针对创新 点开展切实有效的理论 和应用研究。能够增加1种变异策略和 1种个体选择概率分配策 略，比较求解同一 TSP问 题时不同变异策略及不 同个体选择分配策略对 算法结果的影响。对于同一个TSP问题，分 析种群规模、交叉概率和 变异概率对算法结果的 影响。6基于神经网络的优化计算实验2验证1掌握连续Hopficld神经网 络的结构和运行机制，理 解连续Hopfield神经网络 用于优化计算的基本原 理。能够针对创新点开展 切实有效的理论和应用 研究掌握连续

17、Hopficld神经网 络用于优化计算的一般 步骤。参考求解TSP问题的连 续Hopficld神经网络源代 码，给出15个城市和20 个城市的求解结果（包括 最短路径和最佳路线）， 分析连续Hopfield神经网 络求解不同规模TSP问 题的算法性能。四、考核方式及成绩评定方式课程考核强调平时成绩和最终成绩的综合方式。其中，课堂表现主要从学生上课是否专心听讲、回答教师提问是否正确，以及分组讨论是否积极、正确、 有独特见解等，以提髙课堂教学效果，培养学生的对新技术的兴趣，并逐步培养英创新能力。作业和课内实践方面要重点培养学生的创新能力，并且提高英 对新技术探索和自学习的兴趣。期末考试将按照本课程的教学目标全面考核学生课程学习的效果，分析课程对毕业要求的达成度。考核方式采用考查课形式。考核方式为笔试、论文、笔试结合论文等，最终由任课教师选立，若采用笔试则时间为120分钟。一般要求平时作业成绩与 课内讨论及课内实