工智能导论》课程教学大纲 英文名称: Introduction to Artificial Intelligence课程编号 适用专业:计算机科学与技术(考查),软件工程(考查) 学时:46 学分:2.5 课程类别:计算机应用技术方向 课程性质:任选课 课程的性质和目的 人工智能是计算机科学与技术的一个前沿学科,它也是一个综合性的交叉学科。《人工智能导 论》为计算机科学技术专业和软件工程专业的一门任选课,其目的是使学生初步了解人工智能的基 本原理,初步学习和掌握人工智能的基本技术,以便拓宽知识面,并为进一步学习和应用奠定基 础 二、课程教学内容 第一章人工智能概述 基本内容和要求 1.人工智能的概念与目标; 2.人工智能的研究内容与方法; 3.人工智能的分支领域; 4.人工智能的发展概况。 第二章逻辑程序设计语言 Prolog 基本内容和要求 1.掌握 Prolog语言的语句特点、程序结构和运行机理; 2.能编写简单的 Prolog程序,能读懂-般的 Prolog程序。 教学重点 Prolog程序设计。 教学难点 表与递归,回溯控制 第三章基于图搜索的问题求解 基本内容和要求 掌握状态图的基本概念、状态图搜索基本技术和状态图问题求解的-般方法,包括穷举式 搜索、启发式搜索、加权状态图搜索和A算法、A*算法等; 2.掌握与或图的基本概念、与或图搜索基本技术和或图问题求解的一般方法; 3.理解一些经典规划调度问题(如迷官、八数码、梵塔、旅行商、八皇后等问题)的求解方 法 教学重点 1.状态图搜索常用算法和问题的状态图表示; 2.与或图搜索常用算法和问题的与或图表示。 教学难点 问题的状态图、与或图表示 第四章基于遗传算法的随机优化搜索 基本内容和要求: 1.了解遗传算法的基本概念和特点; 2.理解基本遗传算法的基本原理和应用技术 教学重点 选择-复制、交叉和变异等三种遗传操作。 教学难点 遗传算法的应用。 第五章知识表示与推理 基本内容和要求
《人工智能导论》课程教学大纲 英文名称：Introduction to Artificial Intelligence 课程编号： 适用专业：计算机科学与技术（考查），软件工程（考查） 学 时：46 学分：2.5 课程类别：计算机应用技术方向 课程性质：任选课 一、课程的性质和目的 人工智能是计算机科学与技术的一个前沿学科，它也是一个综合性的交叉学科。《人工智能导 论》为计算机科学技术专业和软件工程专业的一门任选课，其目的是使学生初步了解人工智能的基 本原理，初步学习和掌握人工智能的基本技术，以便拓宽知识面，并为进一步学习和应用奠定基 础。 二、课程教学内容 第一章 人工智能概述 基本内容和要求： 1．人工智能的概念与目标； 2．人工智能的研究内容与方法； 3．人工智能的分支领域； 4．人工智能的发展概况。 第二章 逻辑程序设计语言Prolog 基本内容和要求： 1．掌握Prolog语言的语句特点、程序结构和运行机理； 2．能编写简单的Prolog程序，能读懂一般的Prolog程序。 教学重点： Prolog程序设计。 教学难点： 表与递归，回溯控制 第三章 基于图搜索的问题求解 基本内容和要求： 1．掌握状态图的基本概念、状态图搜索基本技术和状态图问题求解的一般方法，包括穷举式 搜索、启发式搜索、加权状态图搜索和A算法、A*算法等； 2．掌握与或图的基本概念、与或图搜索基本技术和或图问题求解的一般方法； 3．理解一些经典规划调度问题（如迷宫、八数码、梵塔、旅行商、八皇后等问题）的求解方 法； 教学重点： 1．状态图搜索常用算法和问题的状态图表示； 2．与或图搜索常用算法和问题的与或图表示。 教学难点： 问题的状态图、与或图表示。 第四章 基于遗传算法的随机优化搜索 基本内容和要求： 1．了解遗传算法的基本概念和特点； 2．理解基本遗传算法的基本原理和应用技术。 教学重点： 选择-复制、交叉和变异等三种遗传操作。 教学难点： 遗传算法的应用。 第五章 知识表示与推理 基本内容和要求：
1.了解知识表示的基本概念 2.理解和掌握常用知识表示方法,包括:一阶谓词逻辑、产生式规则、框架和语义网络的基 本原理和语言实现; 3.理解不确定性知识的表示及其推理方法 教学重点 1.基于一阶谓词逻辑和产生式规则的推理模式。 2.不确定性知识的表示及其推理 教学难点 不确定性知识的表示及其推理。 第六章机器学习与知识发现 基本内容和要求 1.理解符号学习的基本原理,包括:记忆学习、演绎学习、类比学习、示例学习、发现学习 2.理解连接学习的基本原理,包括:人工神经网络的概念和类型、神经网络学习方法等; 3.了解知识发现与数据挖掘的概念、对象、任务和基本方法等。 教学重点 1.符号学习中的归纳学习; 2.神经网络学习 教学难点 BP神经网络及其学习举例。 第七章专家系统 基本内容和要求 1.理解专家系统的概念和结构; 2.初步掌握专家系统设计与实现方法; 3.了解专家系统的发展。 教学重点 1.专家系统的概念和结构 2.专家系统的设计与实现 教学难点 专家系统的设计与实现 第八章 Agent系统 基本内容和要求 1.理解 Agent的概念、类型和结构 2.理解多 Agent系统的原理、结构和应用 3.了解 AgentI的实现语言工具。 教学重点 Agent和多 Agent系统的概念和结构。 教学难点 多 Agent系统的结构 第九章智能化网络 基本内容和要求 1.了解智能网络的概念和原理; 2.理解网络的智能化管理与控制基本技术 3.了解网上信息的智能化检索基本原理和方法。 教学重点 网络的智能化管理与控制 教学难点 网上信息的智能化检索 三、课程教学的基本要求
1．了解知识表示的基本概念； 2．理解和掌握常用知识表示方法，包括：一阶谓词逻辑、产生式规则、框架和语义网络的基 本原理和语言实现； 3．理解不确定性知识的表示及其推理方法。 教学重点： 1．基于一阶谓词逻辑和产生式规则的推理模式。 2．不确定性知识的表示及其推理。 教学难点： 不确定性知识的表示及其推理。 第六章 机器学习与知识发现 基本内容和要求： 1．理解符号学习的基本原理，包括: 记忆学习、演绎学习、类比学习、示例学习、发现学习 等； 2．理解连接学习的基本原理，包括：人工神经网络的概念和类型、神经网络学习方法等； 3．了解知识发现与数据挖掘的概念、对象、任务和基本方法等。 教学重点： 1．符号学习中的归纳学习； 2．神经网络学习。 教学难点： BP神经网络及其学习举例。 第七章 专家系统 基本内容和要求： 1．理解专家系统的概念和结构； 2．初步掌握专家系统设计与实现方法； 3．了解专家系统的发展。 教学重点： 1．专家系统的概念和结构； 2．专家系统的设计与实现。 教学难点： 专家系统的设计与实现。 第八章 Agent系统 基本内容和要求： 1．理解Agent的概念、类型和结构； 2．理解多Agent系统的原理、结构和应用； 3．了解Agent的实现语言工具。 教学重点： Agent和多Agent系统的概念和结构。 教学难点： 多Agent系统的结构。 第九章 智能化网络 基本内容和要求： 1．了解智能网络的概念和原理； 2．理解网络的智能化管理与控制基本技术； 3．了解网上信息的智能化检索基本原理和方法。 教学重点： 网络的智能化管理与控制。 教学难点： 网上信息的智能化检索。 三、课程教学的基本要求
本课程的教学包括课堂讲授、课外作业、辅导答疑、上机实验和期末考试等教学环节。 2.课堂教学采用启发式教学方法,理例结合,多媒体并用,引导学生加深对课程内容的理 解,提高学生的学习兴趣和效果 3.理论联系实际,通过本课程的教学,力争使学生在理解和掌握大纲所要求的知识内容的基 础上,能正确地运用这些知识解决有关实际问题。 四、课程学时分配 讲课内容 学时 人工智能概述 2.逻辑程序设计语言 Prolo 3.基于图搜索的问题求解 A.基于遗传算法的随机优化搜索 知识表示与推理 3机器学习与知识发现 2462064 7.专家系统 3. Agent系统 9智能化七网络 上机实验 合计 46 五、建议教材与教学参考书 教材 《人工智能技术导论》(第三版),廉师友,西安电子科技大学出版社,2007。 教学参考书 [们人工智能,(美) Nils j. Nilsson,(郑扣根,庄越挺译),机械工业出版社,2000 [2]人工智能———种现代方法(第二版),[美] Stuart Russel, Peter Norvig,姜哲等译,人 民邮电出版社,2004 [3]人工智能,[日]胸口理一郎,石田亨编,卢伯英译,科学出版社,2003 [4] Artificial Intelligence: A Guide to Intelligent Systems, Second Edition, Michael Negnevitsky, Pearson Education, 2005 [5]高级人工智能,史忠植,科学出版社,2006
1．本课程的教学包括课堂讲授、课外作业、辅导答疑、上机实验和期末考试等教学环节。 2．课堂教学采用启发式教学方法，理例结合，多媒体并用，引导学生加深对课程内容的理 解，提高学生的学习兴趣和效果。 3．理论联系实际，通过本课程的教学，力争使学生在理解和掌握大纲所要求的知识内容的基 础上，能正确地运用这些知识解决有关实际问题。 四、课程学时分配 讲 课 内 容 学 时 1．人工智能概述 2 2．逻辑程序设计语言Prolog 4 3．基于图搜索的问题求解 6 4．基于遗传算法的随机优化搜索 2 5．知识表示与推理 10 6．机器学习与知识发现 6 7．专家系统 4 8．Agent系统 2 9．智能化网络 2 上机实验 8 合 计 46 五、建议教材与教学参考书 教材： 《人工智能技术导论》（第三版），廉师友，西安电子科技大学出版社，2007。 教学参考书： [1] 人工智能，（美）Nils J. Nilsson，（郑扣根，庄越挺译），机械工业出版社，2000； [2] 人工智能——一种现代方法（第二版），[美]Stuart Russell，Peter Norvig，姜哲等译，人 民邮电出版社，2004； [3] 人工智能，[日]沟口理一郎，石田 亨编，卢伯英译，科学出版社，2003； [4] Artificial Intelligence: A Guide to Intelligent Systems, Second Edition，Michael Negnevitsky，Pearson Education, 2005； [5] 高级人工智能，史忠植，科学出版社，2006