8017《人工智能基础》教学大纲(自考)
人工智能教学大纲
《人工智能》教学大纲一、课程概述1. 课程研究对象和研究内容人工智能是计算机与自动化学科的一门分支学科。
它研究如何用机器来模仿人脑所从事的推理、证明、识别、理解、学习、规划、诊断等智能活动。
人工智能是当前科学技术中正在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。
《人工智能》（双语）课程的主要目标是为大学本科高年级学生提供有关人工智能理论以及应用所必需的知识和技能；掌握人工智能的基本原理；掌握设计开发智能系统的基本方法。
2. 课程在整个课程体系中的地位人工智能原理是计算机科学技术类专业的应用学科。
前修课程包括：离散数学、数据结构、算法分析与设计等，后续课程：专家系统，知识工程，该课程可以在大学三、四年级开设。
二、课程目标1．熟练掌握图搜索策略，熟练掌握回溯策略、图搜索策略的过程以及算法（BACKTRACK 以及A*算法），掌握一些典型问题的启发式函数。
2．掌握用命题逻辑、一阶逻辑表示知识的方法，并在此基础上进行推理，熟练掌握归结方法以及归结反驳过程，熟练掌握利用归结反驳方法进行推理。
3．掌握基于贝叶斯规则的不确定性推理，掌握条件概率、独立、条件独立及贝叶斯公式；掌握利用贝叶斯定理检测垃圾邮件的基本方法。
三、课程内容和要求这门学科的知识与技能要求分为知道、理解、掌握、学会四个层次。
这四个层次的一般涵义表述如下：知道———是指对这门学科和教学现象的认知。
理解———是指对这门学科涉及到的概念、原理、策略与技术的说明和解释，能提示所涉及到的教学现象演变过程的特征、形成原因以及教学要素之间的相互关系。
掌握———是指运用已理解的教学概念和原理说明、解释、类推同类教学事件和现象。
学会———是指能模仿或在教师指导下独立地完成某些教学知识和技能的操作任务，或能识别操作中的一般差错。
教学内容和要求表中的“√”号表示教学知识和技能的教学要求层次。
《人工智能》课程教学大纲.doc
《人工智能》课程教学大纲课程代码：H0404X课程名称：人工智能适用专业：计算机科学与技术专业及有关专业课程性质：本科生专业基础课﹙学位课﹚主讲教师：中南大学信息科学与工程学院智能系统与智能软件研究所蔡自兴教授总学时：40学时﹙课堂讲授36学时，实验教学4学时﹚课程学分：2学分预修课程：离散数学，数据结构一.教学目的和要求：通过本课程学习，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。
人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。
一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。
人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。
这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。
此外，人工智能还提供一套工具以解决那些用其它方法难以解决甚至无法解决的问题。
这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。
通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。
二.课程内容简介人工智能的主要讲授内容如下：1.叙述人工智能和智能系统的概况，列举出人工智能的研究与应用领域。
2.研究传统人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。
3.讨论高级知识推理，涉及非单调推理、时序推理、和各种不确定推理方法。
4.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经计算、模糊计算、进化计算和人工生命诸内容。
《人工智能基础》课程教学大纲(本科)
《人工智能基础》课程教学大纲课程编号：04291课程名称：人工智能基础英文名称：Artificial Intelligence Foundation课程性质：学科基础课程要求：必修学时/学分：48/3 （讲课学时：36实验学时：12 ）适用专业：智能科学与技术一、课程性质与任务《人工智能基础》是一门探索、揭示人类思维本质，研究将人类智能转化为机器智能的学科。
通过本课程的学习，培养学生拥有能够解决复杂问题的基本能力，为今后在专家系统、智能机器人、智能计算机等方面知识掌握奠定比较扎实的理论基础。
本课程的主要任务是介绍知识表示、基本的搜索算法、模拟人类思维的不确定性推理，使学生对专家系统、智能计算机等方面具有一定的理论基础与实践能力。
（支撑毕业要求1.3, 2.2, 4.2, 5.2, 10.1, 11.2）二、课程与其他课程的联系《人工智能基础》的先修课程包括《概率论与数理统计》、《智能优化方法》、《C语言程序设计》等课程。
《概率论与数理统计》在复杂问题求解中的主观Bayes决策与不确定性理论方面支撑《人工智能基础》课程。
《智能优化方法》在搜索技术问题的理解方面支撑《人工智能基础》课程。
《C语言程序设计》在搜索算法、贝叶斯决策与专家系统的实现方面支撑《人工智能基础》课程。
《人工智能基础》的后续课程包括《智能机器人》，为《智能机器人》提供理论基础方法方面的支撑。
三、课程教学目标1.学习人工智能的基础理论知识，掌握解决复杂问题的基本能力，为今后在专家系统、智能机器人、智能计算机等方面知识掌握奠定比较扎实的理论基础，对智能机器人的应用方面提供理论与实践支撑。
（支撑毕业能力要求13, 10.1, 11.2）2认识到知识表示在本学科发展中所处的地位与扮演的角色，能够掌握本领域经典的知识表示方法，如谓词逻辑、状态空间、语义网络等，并能运用这些知识解决一些实际工程问题。
（支撑毕业能力要求1.3, 2.2, 5.2）1掌握搜索的基本思想，比如宽度优先、深度优先等传统搜索方法。
人工智能基础教学大纲(自考)
人工智能基础（8017）考试大纲一、课程性质与设置目的（一）课程性质和特点“人工智能”是21世纪计算机科学发展的主流，为了培养国家建设跨世纪的有用人才，在计算机专业本科开设《人工智能基础》课程是十分必要的。
《人工智能基础》是计算机专业本科的一门必修课程，本课程中涉及的理论、原理、方法和技术有助于学生进一步学习其他专业课程。
开设本课程的目的是培养学生软件开发的“智能”观念；掌握人工智能的基本理论、基本方法和基本技术；提高解决“智能”问题的能力，为今后的继续深造和智能系统研制，以及进行相关的工作打下人工智能方面的基础。
（二）本课程的基本要求（课程总目标）《人工智能基础》是理论性较强，涉及知识面较广，方法和技术较复杂的一门学科。
通过对本课程的学习，学生应掌握人工智能的一个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。
具体要求是：学生在较坚实打好的人工智能数学基础（数理逻辑、概率论、模糊理论、数值分析）上，能够利用这些数学手段对确定性和不确定性的知识完成推理；在理解Herbrand域概念和Horn子句的基础上，应用Robinson 归结原理进行定理证明；应掌握问题求解（GPS）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes方法、D—S证据理论等，利用数值分析中常用方法进行正确计算。
另外，学生还应该了解专家系统的基本概念、研究历史、系统结构、系统评价和领域应用。
学生还应认识机器学习对于智能软件研制的重要性，掌握机器学习的相关概念，机器学习的方法及其相应的学习机制，几个典型的机器学习系统的学习方法、功能和领域应用。
（三）本课程与相关课程的联系、分工或区别与本课程相关的课程有：离散数学、算法设计、数值分析、程序设计语言等。
2024版《人工智能》课程教学大纲
计算机体系结构
理解计算机硬件组成、操 作系统及基本工作原理。
数据结构与算法
掌握基本数据结构（如数 组、链表、栈、队列等） 和常用算法（如排序、查 找等）。
计算机网络
了解网络协议、网络架构 及网络安全等基础知识。
数学基础
线性代数
掌握向量、矩阵、线性方程组等基本概念和运算。
概率论与数理统计
理解概率分布、随机变量、数理统计等基本概念 和方法。
介绍神经网络优化的一些常用方 法，如梯度下降、动量法、
Adam等优化算法的原理和应用。
卷积神经网络（CNN）
卷积层
池化层
讲解卷积层的工作原理和实 现方法，包括卷积核、步长、 填充等概念。
介绍池化层的作用和实现方 法，包括最大池化、平均池 化等。
CNN模型
介绍一些经典的CNN模型， 如LeNet-5、AlexNet、 VGGNet、GoogLeNet、 ResNet等，并分析其网络结 构和特点。
无监督学习
K-均值聚类
层次聚类
将数据划分为K个簇，使得同一簇内的数据尽 可能相似，不同簇间的数据尽可能不同。
通过不断将数据点或已有簇合并成新的簇， 直到满足某种停止条件。
主成分分析（PCA）
自编码器
通过线性变换将原始数据变换为一组各维度 线性无关的表示，可用于高维数据的降维。
一种神经网络结构，通过编码器和解码器对 输入数据进行压缩和重构，实现特征提取和 降维。
句ห้องสมุดไป่ตู้分析技术
短语结构分析
识别句子中的短语结构，如名词短语、动词短语等。
依存关系分析
分析句子中单词之间的依存关系，如主谓关系、动宾关系等。
句法树构建
根据短语结构和依存关系构建句子的句法树，表示句子的结构信 息。
《人工智能基础教程》课程教学大纲
《人工智能基础教程》课程教学大纲课程名称：人工智能导论课程类别：公共基础课适应专业：全校各专业学时学分：2学时/周，共32学时，2学分1.课程性质和任务本课程为以培养学生具备基本的人工智能思维能力为目标，重点培养高职学生的人工智能素养、计算思维能力和人工智能应用能力。
课程使学生初步了解人工智能的概念，发展历程、经典算法、应用领域及对社会的深远影响，主要内容包括：人工智能的历史和发展、大数据与人工智能、专家系统、机器学习、深度学习、计算机视觉、自然语言理解、智能机器人技术。
课程设计理念以提高人工智能素养为切入点，通过生动形象的案例，把目前人工智能领域的热点问题，以科普性、技术性的形式进行展现，让学习者在学习人工智能理论的同时，激发学生学习人工智能知识的兴趣。
2.教学目标（1）知识目标1）了解人工智能的基本概念及发展历史。
2）了解人工智能的研究领域及发展现状。
3）了解大数据与人工智能的关系。
4）熟悉专家系统的结构及应用。
5)熟悉知识表示及常用的搜索算法。
6）熟悉机器学习、深度学习的概念及主流算法。
7）熟悉计算机视觉、自然语言处理的主流技术及应用。
8）熟悉智能机器人技术及应用。
（2）思政与素质目标1）通过人工智能起源与发展的学习，培养学生的科学精神、奋斗精神和开拓创新精神。
2）学习人工智能学科先驱模范事迹，培养学生探索未知、追求真理、勇攀科学高峰的责任感和使命感。
3）通过人工智能发展现状认识，激发学生科技报国的家国情怀和使命担当。
4）通过人工智能安全教育，培养学生遵纪守法，诚实守信，树立正确的世界观、人生观、价值观。
5）通过人工智能中的算法学习，帮助学生建立科学思维、推理机制，培养解决实际问题的能力。
6）通过人工智能应用案例，培养学生精益求精的大国工匠精神及勇攀科学高峰的责任感。
4.教学评价（1）评价形式平时作业（含考勤）+阶段测试（含期中测试）+期末测试。
（2）评分等级评分等级以百分制为标准。
《人工智能》教学大纲
附件1广东财经大学华商学院课程教学大纲模板人工智能》课程教学大纲一、课程简介人工智能是计算机与自动化学科的一门分支学科。
它研究如何用机器来模仿人脑所从事的推理、证明、识别、理解、学习、规划、诊断等智能活动。
人工智能是当前科学技术中正在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。
人工智能原理是计算机科学技术类专业的应用学科。
前修课程包括：离散数学、数据结构、算法分析与设计等，后续课程：专家系统，知识工程。
二、教学目标(1)熟练掌握图搜索策略，熟练掌握回溯策略、图搜索策略的过程以及算法(BACKTRACK 以及AI算法)，掌握一些典型问题的启发式函数；(2)掌握用命题逻辑、一阶逻辑表示知识的方法，并在此基础上进行推理，熟练掌握归结方法以及归结反驳过程，熟练掌握利用归结反驳方法进行推理。
(3)掌握基于贝叶斯规则的不确定性推理，掌握条件概率、独立、条件独立及贝叶斯公式；掌握利用贝叶斯定理检测垃圾邮件的基本方法。
三、主要教学模式和教学手段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、教学内容（要求编写所有章节的主要内容）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。
《人工智能基础》-课程教学大纲
《人工智能基础》课程教学大纲一、课程基本信息课程代码：16069703课程名称：人工智能基础英文名称：Introduction to Artificial Intelligence课程类别：专业课学时：3学分：3适用对象: 计算机科学技术班考核方式：考试先修课程：《离散数学》、《数据结构》、《程序设计》二、课程简介本课程是为计算机科学与技术专业及相关专业本科生而设的专业课。
本课程是关于人工智能领域的引导性课程，目的是使学生了解和掌握人工智能的基本概念和方法，为今后的更高级课程的学习、为将来在人工智能领域的进一步研究工作和软件实践奠定良好的基础。
本课程内容主要包括：知识表示方法和搜索推理技术，神经计算，模糊计算，进化计算，人工生命，专家系统，机器学习，Agent，自然语言理解等。
This course introduces mainly the basic techniques and methods and application of artificial intelligence, including the methods of knowledge representation, the techniques of searching and reasoning, neural computation, fuzzy computation, evolutionary computation, Artificial Life, expert systems, machine learning, Agent, natural language understanding. et．三、课程性质与教学目的本课程是为计算机科学与技术专业及相关专业本科生开设的专业基础课，旨在向学生传授人工智能基本技术、方法及其应用的知识，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，掌握人工智能的主要技术及应用，启发学生对人工智能的兴趣，培养知识创新和技术创新能力，培养学生在计算机领域中应用人工智能技术提高分析和解决较复杂问题的能力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
人工智能基础(8017)考试大纲一、课程性质与设置目的(一)课程性质和特点“人工智能”是21世纪计算机科学发展的主流，为了培养国家建设跨世纪的有用人才，在计算机专业本科开设《人工智能基础》课程是十分必要的。
《人工智能基础》是计算机专业本科的一门必修课程，本课程中涉及的理论、原理、方法和技术有助于学生进一步学习其他专业课程。
开设本课程的目的是培养学生软件开发的“智能”观念；掌握人工智能的基本理论、基本方法和基本技术；提高解决“智能”问题的能力，为今后的继续深造和智能系统研制，以及进行相关的工作打下人工智能方面的基础。
(二)本课程的基本要求(课程总目标)《人工智能基础》是理论性较强，涉及知识面较广，方法和技术较复杂的一门学科。
通过对本课程的学习，学生应掌握人工智能的一个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。
具体要求是：学生在较坚实打好的人工智能数学基础(数理逻辑、概率论、模糊理论、数值分析)上，能够利用这些数学手段对确定性和不确定性的知识完成推理；在理解Herbrand域概念和Hom 子句的基础上，应用Robinson 归结原理进行定理证明；应掌握问题求解 (GPS) 的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法(宽度优先、深度优先、有代价的搜索、 A 算法、 A* 算法、博弈数的极大一极小法、α—β剪枝技术)完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes 方法、D—S 证据理论等，利用数值分析中常用方法进行正确计算。
另外，学生还应该了解专家系统的基本概念、研究历史、系统结构、系统评价和领域应用。
学生还应认识机器学习对于智能软件研制的重要性，掌握机器学习的相关概念，机器学习的方法及其相应的学习机制，几个典型的机器学习系统的学习方法、功能和领域应用。
(三)本课程与相关课程的联系、分工或区别—1—与本课程相关的课程有：离散数学、算法设计、数值分析、程序设计语言等。
离散数学中的命题逻辑、谓词逻辑、树/图、表等知识是本课程的数学基础之一。
本课程中的知识表示需要利用矩阵、表、树/图、多元组等手段，因此学生前期的离散数学学习，对于本课程起到了基础作用。
—1—本课程涉及到许多算法设计(尤其是问题求解),算法分析中的算法的可计算性和计算复杂性、算法的可纳性等理论作为本课程中搜索算法的理论支撑。
数值分析中的曲线插值方法要在本课程中仅作为数学工具进行使用，本课程并不象数值分析课程那样去介绍方法的理论。
在本课程中，研究问题求解方法需要从算法到代码的转换，而这种转换的工具是程序设计语言，所以本课程要求学生已经掌握了这方面的知识。
二、课程内容与考核目标第一章绪论(一)学习目的与要求本章内容是本课程的导论。
本章的重点是：人工智能研究目标、研究内容、研究的途径(方法)、研究的领域等内容。
通过对本章的学习，学生应理解什么是智能、深刻理解什么是人工智能、人工智能研究的目标(近期目标和长远目标)、人工智能研究的内容、人工智能研究的途径，要了解人工智能研究的历史和研究领域的大致情况(不少于八个领域)。
同时，学生要掌握图灵测试的过程。
(二)课程内容第一节人工智能概况1、什么是人工智能：学者们从不同的研究角度对人工智能有多种不同的定义，在这些定义中学生应掌握其定义的实质。
2、人工智能研究的对象是知识3、人工智能研究概括为一大问题和三大技术4、关于智能的定义5、图灵测试6、D.B.Lenat和E.A.Fengenbaum 的知识阈Nilsson的物理符号假设—2—7、日本渡边慧的定义第二节人工智能研究途径1、以思维理论和认知心理学基础的符号主义学派基本思想2、符号主义学派的代表人物3、以阈值理论为基础的联结主义学派基本思想4、联结主义(神经网络)研究不存在符号运算—2—5、联结主义研究的历史6、联结主义研究的代表任务7、以进化理论为基础的行为主义学派基本思想8、行为主义学派的代表人物第三节人工智能研究的目标1、人工智能近期研究目标2、人工智能远期研究目标第四节人工智能研究的内容1、机器感知2、机器思维3、机器学习4、机器行为5、智能系统及智能计算机的构造技术第五节人工智能研究领域1、模式识别(Pattemn Recognition)2、问题求解(Problem Solving)3、自然语言理解 (Natural langrage Understanding)4、专家系统( Expert System)5、机器学习 (Machine Leaming)6、自动定理证明(Automatic Theorem Proving)7、自动程序设计 (Automatic Programming)8、机器人学(Robots)9、博弈 (Game)10 、智能决策支持系统 (Intelligent Decision Support System)11、人工神经网络(Artificial natural networks)—3—第六节人工智能研究的历史回顾及进展1、对人工智能起到奠基作用的几项工作2、人工智能诞生的时间和地点3、1957年纽厄尔、西慕的GPS4、1960年麦卡锡的LISP 语言—3—5、1964年鲁宾逊的归结原理6、70年代的专家系统黄金时代(1977年费根鲍母提出知识工程概念)7、1987年Computational Intelligence杂志发表“纯粹理性批判”的论文，次年又发表“计算机理解质疑”,开展了对人工智能发展的理性辩论8、1991年ArtificialIntelligence杂志发表了人工智能基础专集，著名专家们对人工智能基础性假设进行了辩论。
(三)考核知识点1、人工智能定义2、人工智能研究的对象3、图灵测试4、人工智能研究的三大途径5、人工智能研究的近期目标和远期目标6、人工智能研究的五大内容7、人工智能研究的主要领域(四)考核要求1、人工智能定义(1)识记：人工智能的通常定义(2)领会：人工智能的其他定义2、人工智能研究的对象(1)识记：人工智能研究的对象是知识(2)领会：与计算机科学其他学科的区别(3)简单应用：知识+推理=智能程序；数据+算法=程序3、图灵测试(1)识记：图灵测试过程的描述(2)领会：图灵测试是判断机器是否是智能机的一个标准4、人工智能研究的三大途径(1)识记：人工智能研究的三种途径—4—(2)领会：每种研究途径的理论基础和基本思想(3)简单应用：结合系统的研制，举例说明各个研究途径的实施方法(4)综合应用：结合机器人的研制，说明三种研究方法在其中的应用5、人工智能研究的近期目标和远期目标(1)识记：人工智能研究的近期目标和远期目标的内容(2)领会：为什么近期目标只能是研制模拟人思维的智能程序6、人工智能研究的五大内容—4—(1)识记：人工智能研究的五个内容(2)领会：每种研究内容的理论基础和基本方法(3)简单应用：利用机器学习的概念，判断程序是否是智能程序7、人工智能研究的主要领域(1)识记：至少记忆人工智能研究的八个领域(2)领会：每个研究领域的研究内容、基本方法以及应用第二章问题求解的基本原理(一)学习目的与要求本章讨论问题求解的基本原理和基本方法，它直接关系到智能系统的性能和效率，因而它是本课程的重点章节。
本章的重点知识有：知识的状态空间表示法、盲目搜索的宽度优先和深度优先法、启发式搜索的估价函数、与/或树、A 算法和A* 算法、博弈树的α- β剪枝算法。
通过对本章的学习，学生应掌握状态及状态空间表示问题的几种主要方法(矩阵法、多元组法、树/图法等), 掌握问题通过等价变换和分解，分别形成或节点和与节点以及节点的可解性；掌握搜索的各种算法；掌握启发函数的含义并能根据问题实际正确构造估价函数；理解OPEN 表和CLOSED 表的作用及其特点；深刻理解博弈树节点α值和β值的意义和其倒推值的计算，并掌握α- β剪枝技术。
(二)课程内容第一节基本概念1、什么是搜索：搜索分为盲目搜索和启发式搜索2、状态空间表示法：由状态和算法表示慰问体的一种方法3、与/或树表示法：分解、等价变换、本原问题、节点的可解性第二节状态空间搜索策略1、状态空间的一般搜索过程OPEN 表：用来存放刚生成的节点CLOSED 表：用来存放将要扩展或者已扩展的节点2、宽度优先搜索策略3、深度优先搜索策略4、有界的深度优先搜索策略5、代价树的宽度优先搜索策略6、代价树的深度优先搜索策略第三节启发式搜索1、启发信息和启发函数2、局部择优搜索3、全局择优搜索4、A* 算法第四节与/或树的搜索策略1、与/或树的一般搜索过程2、与/或树的宽度优先搜索3、与/或树的深度优先搜索4、与/或树的有序搜索第五节博弈树1、博弈树的启发式搜索2、极大极小法3、α- β剪枝技术(三)考核知识点1、状态空间搜索的基本概念2、宽度优先搜索算法的基本思想3、深度优先搜索算法的基本思想4、有界的深度优先搜索算法的基本思想5、代价树的宽度优先搜索的基本思想6、代价树的深度优先搜索的基本思想7、启发式搜索8、与/或树的有序搜索的基本思想(四)考核要求1、状态空间搜索的基本概念—6—(1) 识记：状态、状态空间的定义；本原问题、可解节点、不可解节点、解树的定义(2) 领会：节点的等价变换和分解(1) 简单应用：对应用问题构造状态空间(树)2、宽度优先搜索算法的基本思想(1) 识记：盲目搜索与启发式搜索的区别—6—宽度优先搜索算法的描述(2) 领会：宽度优先搜索算法OPEN 表的数据结构是队列宽度优先搜索算法的优缺点(3) 简单应用：宽度优先搜索算法的程序设计(4) 综合应用：八数码问题的宽度优先搜索3、深度优先搜索算法的基本思想(1) 识记：深度优先搜索算法的描述(2) 领会：深度优先搜索算法OPEN 表的数据结构是堆栈深度优先搜索算法的优缺点(3) 简单应用：深度优先搜索算法的程序设计(4) 综合应用：黑白将牌问题的深度优先搜索4、有界的深度优先搜索算法的基本思想(1) 识记：有界的深度优先搜索算法描述状态空间节点的深度定义(2) 领会：有界的深度优先搜索与深度优先搜索的区别(3) 简单应用：有界的深度优先搜索算法的程序设计(4) 综合应用：三阶汉诺塔问题的有界的深度优先搜索5、代价树的宽度优先搜索的基本思想(1)识记：代价树的概念：g(x₂)=g(x₁)+c(x₁,x₂)代价树的宽度优先搜索的算法描述(2) 领会：代价树的宽度优先搜索仍然是一种盲目搜索方法在OPEN 表中全部节点按代价从小到大排序(3) 简单应用：代价树的宽度优先搜索算法的程序设计6、代价树的深度优先搜索的基本思想(1) 识记：代价树的深度优先搜索的算法描述(2) 领会：代价树的深度优先搜索与代价树的宽度优先搜索—7—扩展的子节点按代价从小到大排序，并存放在OPEN 表的首部(3) 简单应用：代价树的深度优先搜索算法的程序设计7、启发式搜索(1) 识记：启发性信息和估价函数： g(x)=g(x)+h(x)估价函数g(x)=g(x)+h(x) 各项的物理意义(2) 领会：估价函数g(x)=g(x)+h(x) 各项的物理意义局部择优搜索和全局择优的基本思想A* 算法的基本思想—7—(3) 简单应用：写出黑白将牌问题的估价函数(4) 综合应用：八数码问题的局部择优和全局择优算法8、与/或树的有序搜索的基本思想(1) 识记：与/或树的有序搜索的一般过程与/或树的有序搜索的宽度优先算法与/或树的有序搜索的深度优先算法与/或树的有序搜索的有序搜索算法博弈树的启发式搜索算法(2) 领会：博弈树的假设条件大极小法α- β剪枝技术(3) 简单应用：节点的α值、β值的计算；α- β剪枝技术的应用(4) 综合应用：博弈树中各节点倒推值的计算以及α- β剪枝的应用第三章知识与知识表示(一)学习目的与要求人类的智能活动过程主要是一个获取知识和应用知识的过程。