《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
1.推理技术
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）
（一）教学要求
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。
（三）教学内容
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
3.遗传算法的关键技术
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；