《人工智能》课程大纲

课程名称：人工智能（Artificial Intelligence）

撰写人：年福忠审核人：张永李明

一、课程编号：305316

二、学时学分：32学时，2.0学分

三、先修课程：离散数学，程序设计

四、适合专业：计算机科学与技术

五、课程性质和任务

人工智能是一门综合性前沿学科，是计算机学科的重要分支。通过对人工智能课程的学习，使学生掌握人工智能技术的基本原理；了解启发式搜索策略、与或图搜索问题、谓词逻辑与归结原理、知识表示、不确定性推理方法、机器学习和知识发现等目前人工智能的主要研究领域的原理、方法和技术；增强学生的逻辑思维与实验能力，为今后在各自领域开拓高水平的人工智能技术应用奠定基础。

六、主要教学内容

1、人工智能研究的发展和基本原则：人工智能的研究和应用；人工智能研究的发展；人工智能研究的成果；人工智能研究的基本原则；存在的问题和发展前景

2、一般图搜索：回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程、搜索算法讨论。

3、与或图搜索问题：与或图的搜索、与或图的启发式搜索算法AO*、博弈树的搜索。

4、谓词逻辑与归结原理：命题逻辑、谓词逻辑基础、谓词逻辑归结原理、HERBRAND定理。

5、知识表示：知识、知识表示、知识观、产生式表示方法、语义网络表示、框架表示以及其他表示方法。

6、不确定性推理方法：不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法、证据理论。

7、机器学习：机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习、知识发现与数据挖掘。

8、高级搜索：基本概念、局部搜索算法、模拟退火算法、遗传算法等。

七、教学基本要求

根据课程在知识结构中的作用，教学要求分为掌握、熟悉、了解、选学四个层次，具体要求如下。

1．掌握部分:一般图搜索（回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程）；与或图搜索问题包括与或图的启发式搜索算法AO*、博弈树的搜索；谓词逻辑与归结原理（谓词逻辑归结原理、HERBRAND定理）；知识表示（产生式表示方法、语义网络表示、框架表示）；不确定性推理方法（不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法）

2．熟悉部分：不确定性推理方法之证据理论；机器学习（机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习）。

3．了解部分：人工智能研究的发展和基本原则；知识原则、知识表示的作用、功能、性能；自动规划技术的新进展，人工智能的最新进展和面临的挑战。

4．选学部分：高级搜索

八、参考学时分配：

本大纲依据兰州理工大学2006年本科指导性培养计划编写。