《人工智能》课程教学大纲

《⼈⼯智能》课程教学⼤纲
⼈⼯智能》课程教学⼤纲
、课程基本信息
⼆、课程教学⽬标
《⼈⼯智能》是计算机科学与技术专业的⼀门专业拓展课，通过本课程的学习使本科⽣对⼈⼯智能的基本内容、基本原理和基本⽅法有⼀个⽐较初步的认识，掌握⼈⼯智能的基本概念、基本原理、知识的表⽰、推理机制和智能问题求解技术。

启发学⽣开发软件的思路，培养学⽣对相关的智能问题的分析能⼒，提⾼学⽣开发应⽤软件的能⼒和⽔平。

三、教学学时分配
四、教学内容和教学要求
第⼀章⼈⼯智能概述（3 学时）
（⼀）教学要求
1.掌握⼈⼯智能的基本概念；
2.理解⼈⼯智能的发展状况。

3.理解⼈⼯智能的基本技术；
4.了解⼈⼯智能的研究途径与⽅法；
5.了解⼈⼯智能的分⽀领域；
（⼆）教学重点与难点教学重点：⼈⼯智能的基本技术。

教学难点：三⼤学派的研究途径与⽅法。

（三）教学内容
第⼀节⼈⼯智能的基本概念
1.什么是⼈⼯智能
2.强⼈⼯智能与弱⼈⼯智能
3.脑智能和群智能
4.符号智能和计算智能
第⼆节⼈⼯智能发展概况
1.⼈⼯智能学科的产⽣
2.⼈⼯智能学科的发展
3.⼈⼯智能三⼤学派
第三节⼈⼯智能研究途径与⽅法
1.⼈⼯智能的研究⽬标
2.⼈⼯智能的研究⽅法
3.⼈⼯智能的研究内容
第四节⼈⼯智能基本技术
2.搜索技术
3.知识库技术
4.归纳技术
5.联想技术第五节⼈⼯智能的应⽤
1.难题求解
2.机器定理证明
3.⾃动程序设计
4.模式识别
5.机器翻译
6.智能管控
7.智能决策
8.智能⼈机接⼝
第六节⼈⼯智能的影响
1.⼈⼯智能对⼈类的影响
2.⼈⼯智能对社会的影响
本章习题要点：对基本概念、技术、⽅法的理解。

第⼆章智能程序设计语⾔（5 学时）（⼀）教学要求
1．了解常见的⼏种⼈⼯智能程序设计语⾔；
2．理解逻辑型程序设计语⾔PROLO；G
3．掌握Turbo PROLOG程序设计⽅法及常规程序设计。

（⼆）教学重点与难点
教学重点：TURBO PROLO常G规程序设计。

教学难点：PROLOG程序的运⾏机理。

（三）教学内容
第⼀节⼈⼯智能语⾔概述
1.什么是智能程序设计语⾔
2.智能程序设计语⾔的特点
第⼆节基本PROLOG语⾔
1.PROLOG的语句
2.PROLOG的程序构成
3.PROLOG程序的运⾏机理
第三节PROLOG程序设计
1.标准领域
2.运算符与表达式
3.输⼊与输出
4.分⽀程序设计
5.循环程序设计
6.表处理与递归
7.回溯控制
本章习题要点：对程序结构和设计⽅法的理解，进⾏分⽀、循环、递归程序设计和调试。

第三章图搜索技术（4 学时）
1．掌握状态图搜索技术；
2．掌握状态图问题求解；
3．理解与或图搜索；
4．理解与或图问题求解 ; 5．了解博弈树搜索。

（⼆）教学重点与难点教学重点：状态图搜索技术与状态图问题求解。

教学难点：博弈树搜索。

（三）教学内容
第⼀
节状态图搜索
1.
图搜索技术
2. 状态图搜索⽅式
3. 状态图搜索策略
4. 状态图搜索算法
第
⼆
节状态图问题求解论
1. 问题的状态图表⽰
2. 状态图问题求解程序举例
第三节与或图搜索
1. 与或图描述
2. 与或图搜索⽅式
3. 与或图搜索策略
4. 与或图搜索算法
第四节与或图问题求解
1. 问题的与或图表⽰
2. 与或图问题求解程序举
例
第五节博弈树搜索
1. 博弈树的概念
2. 极⼩极⼤分析法
3. α- β剪枝技术
4. 问题求解举例
本章习题要点：对基本概念、技术、算法的理解，⽤图搜索技术求解难题。

第四章基于谓词逻辑的机器推理（6 学时）（⼀）教学要求
1．掌握⼀阶谓词逻辑；
2．掌握归结演绎推理；
3．了解归结策略；
4．了解Horn ⼦句归结与逻辑程序。

（⼆）教学重点与难点
教学重点：归结演绎推理、Horn ⼦句。

教学难点：归结策略。

第⼀节⼀阶谓词逻辑
1.基本概念
2.谓词公式
3.常⽤逻辑等价式及蕴含式
第⼆节归结原理
1.⼦句集
2.命题逻辑中的归结原理
3.谓词逻辑中的归结原理
4.应⽤归结原理求取问题答案
第三节归结策略
1.删除策略
2.⽀持集策略
3.线性归结策略
4.输⼊归结策略
5.祖先过滤形策略
第四节Horn ⼦句归结
1.Horn ⼦句的蕴含表⽰形式
2.Horn ⼦句归结与逻辑程序
本章习题要点：对基本概念、原理和⽅法的理解，⽤归结原理求取问题答案。

第五章机器学习与专家系统（4 学时）
⼀）教学要求1．掌握⼏种常⽤的机器学习⽅法；2．理解专家系统结构。

⼆）教学重点与难点教学重点：⼏种常⽤的机器学习⽅法。

教学难点：专家系统结构。

三）教学内容
第⼀节机器学习
1.机器学习概述
2.机器学习系统及学习模型
3.机器学习的分类
4.符号学习
5.神经⽹络学习
第⼆节专家系统
1.基本概念
2.系统结构
3.实例分析
4.系统设计与实现
本章习题要点：对机器学习⽅法、专家系统模型的理解，设计⼩型专家系统。

⼀）教学要求
1．掌握遗传算法
2．会⽤遗传算法求解TSP问题；3．了解⼈⼯神经⽹络算法；4．了解蚁群算法。

（⼆）教学重点与难点教学重点：TSP问题、遗传算法。

教学难点：实际问题建模。

三）教学内容
第⼀节遗传算法
1. 遗传算法的⽣物学基础
2. 遗传算法的基本原理
4.遗传算法流程
5.应⽤遗传算法求解TSP问题
第⼆节⼈⼯神经⽹络算法
1. ⼈⼯神经⽹络的⽣物学基础
2. ⼈⼯神经元
3.⼈⼯神经⽹络基本模型
4.⼈⼯神经⽹络求解TSP
第三节蚁群算法
1. 蚁群算法的基本原理
2. 蚁群算法的模型
3.蚁群算法流程
4.蚁群算法的应⽤
本章习题要点：对算法模型的理解，⽤遗传算法设计程序来求解智能问题。

五、教学⽅法或⼿段
1、教学⽅法：为体现以学⽣为本、因材施教，本课程根据章节内容特点，分别采取适当的讲授⽅法。

第⼀、⼆、四章采⽤讲授法，第三章采⽤探究式，第五章采⽤概述法，第六章启发式。

2、教学⼿段：全部采⽤多媒体课件教学。

六、考核⽅式及评价要求本课程是计算机学科各专业的⼀门专业拓展考查课，该课程主要对⼈⼯智能的基本技术进⾏概述。

通过对本课程的学习，使学⽣对⼈⼯智能的基本原理、基本⽅法和基本技术有⼀个⽐较清醒的认识，初步掌握应⽤⼈⼯智能的基本技术，来求解简单智能问题的⽅法和过程。

所以适合以⼩型智能系统设计的形式为主，来考核学⽣课程学习成绩。

具体考核⽅式：
1．平时占20%；（课堂考查、作业、实验报告）；
2．⼩型智能系统设计80%；（系统设计）。

七、教材及教学主要参考书
推荐教材：
《⼈⼯智能技术导论》，廉师友主编，西安电⼦科技⼤学出版社，2014年7 ⽉第三版；《⼈⼯智能实验指导书》，徐精明主编，安徽科技学院印刷，2015 年3 ⽉第四次印刷。

参考书⽬：
《⼈⼯智能原理》，蔡⾃兴主编，清华⼤学出版社，2012 年7 ⽉第⼆版；
《⼈⼯神经⽹络》，杨⾏峻主编，⾼等教育出版社，2013 年3 ⽉第三版；。