人工智能导论(A)人工智能导论(A).doc

《人工智能导论(A)》教学大纲 一、课程基本信息 课程编号中文名称：人工智能导论(A) 英文名称：Introduction to Artificial Intelligence (A) 适用专业：计算机科学与技术、软件工程专业、数学与应用数学、信息与计算科学 课程类别：专业选修 开课时间：计算机科学与技术、软件工程、信息与计算科学 第6学期 数学与应用数学 第7学期 总学时：48 总学分：2.5 二、课程简介（字数控制在250以内） 人工智能是计算机科学系的专业课程之一，它是研究如何模拟人类智能活动，以延伸人类智能的科学。人工智能自问世以来取得了显著的成绩，专家们已经看到，人工智能将使计算机能够解决那些至今人们还不知道如何解决的问题，从而大大地扩充其用途。它将带来计算机软件和硬件的革命。人工智能正向各个领域渗透，带来这些领域的更新换代。人工智能的发展还有助于我们进一步理解人类智能的机制。 三、相关课程的衔接 预修课程（编号）：离散数学（0910040） 并修课程（编号）：无特别要求 四、教学的目的、要求与方法 （一）教学目的 通过本课程的教学，使学生了解人工智能的基本思想和方法，掌握人工智能的基本技术和有关问题的入门知识，了解人工智能研究的核心问题及其难点所在，并对人工智能领域的最新成果有一个全面的了解。 （二）教学要求 了解人工智能涉及的各个分支领域的发展，领会基于一阶谓词逻辑和产生式的知识表示方法；掌握基于子句的归结反演的定理证明和问题求解方法；掌握基于产生式规则的推理方法；掌握问题求解过程的形式表示和各种搜索求解的策略和算法；了解产生式专家系统的主要模块的程序设计。为深入学习和研究人工智能及其应用系统打下良好的基础。 （三）教学方法 课堂讲授，结合例题、习题讲解。 五、教学内容（实验内容）及学时分配 教学内容 第一章 人工智能绪论(3学时) §1.1 概述 §1.2 人工智能的研究对象和目标 §1.3 人工智能的研究途径 §1.4 人工智能的主要分支 §1.5 人工智能的发展 §1.6人工智能的主要研究课题及应用领域 教学要求： 了解人工智能的诞生、现状、研究领域及发展前景。 教学重点： 人工智能领域的最新研究成果。 教学难点： 理解人工智能的现状。 第二章 知识表示方法 (9学时) §2.1 概述 §2.2 产生式系统表示法 §2.3 逻辑表示法 §2.4 框架和脚本 §2.5 语义网络 §2.6 概念从属 §2.7 各种知识表示方法的比较 教学要求： 掌握各种知识表示方法。 教学重点： 各种知识表示方法的结构及推理方法。 教学难点： 归结原理，各种方法的特点及应用领域。 第三章 智能搜索技术(6学时) §3.1 人工智能中的搜索 §3.2 一般的搜索算法 §3.3 启发式搜索算法 §3.4 与或图的搜索 §3.5 博弈中的搜索 教学要求： 掌握问题求解的基本方法，熟练掌握各种基本的搜索算法。 教学重点： 各搜索算法的特点与实现。 教学难点： A*算法、AO*算法的实现，及博弈中的搜索过程。 第四章 演化计算及其应用(6学时) §4.1 概述 §4.2 演化计算的基本思想 §4.3 演化算法设计 §4.4 演化算法的基本结构 §4.5 演化算法分析 §4.6 演化算法的新结构 §4.7 演化算法在硬件自动设计中的应用 教学要求： 了解遗传算法的工作原理及工作过程。 教学重点： 演化算法设计及其基本结构。 教学难点： 演化算法的基本结构。 第五章 人工神经网络(4学时) §5.1 概述 §5.2 神经网络系统 §5.3 人工神经网络的构成 §5.4 学习算法 §5.5 人工神经网络模型 §5.6 MP模型 §5.7 前馈型反向传播神经网络 §5.8 人工神经网络的特性分析 教学要求： 初步了解人工神经元网络理论的基本原理。 教学重点： 人工神经网络的构成及几种常见的人工神经网络模型。 教学难点： BP模型 第六章 模糊系统(3学时) §6.1 概述 §6.2 模糊逻辑 §6.3 模糊关系与模糊推理 教学要求： 初步了解模糊系统的基本原理。 教学重点： 模糊逻辑的表示及理论基础。 教学难点： 模糊逻辑与二值逻辑的关系 第七章 网络智能(5学时) §7.1 概述 §7.2 网络智能基本概念 §7.3 复杂网络与网络智能中的基本结论 教学要求： 初步了解网络智能的基本概念。 教学重点： 网络智能的基本概念。 教学难点： 幂律分布 实验内容 1. 产生式系统求解问题 利用产生式系统求解水壶问题、传教士过河问题等。 2. 遗传算法求解问题 利用遗传算法求解优化问题 3. BP神经网络求解X