《人工智能基础》教学大纲(自考)解析
《人工智能导论》教学大纲(2024版)
人工智能导论课程教学大纲一、课程基本信息课程编号：课程中文名称：人工智能导论课程性质：学院基础课程、专业核心课程开课学期：3课内学时：32学时，其中授课32学时课外学时：32学时学分：2学分主要面向专业：自动化、测控、电气、机器人工程二、先修课程高等数学、概率论、线性代数、生命科学导论三、课程目标人工智能导论是面向理工科专业的重要基础课程。
课程以学科基础、技术基础、重点方向与领域、行业应用、伦理与法律五维知识体系为主要内容，经典与现代人工智能知识结构模块化，具有广阔的思想和技术背景。
通过课程学习，使学生系统性掌握人工智能基本概念、方法、技术，把握人工智能重点方向及领域；掌握机器学习、深度神经网络等基本方法；初步具备利用人工智能技术解决问题的基本能力；初步理解人工智能伦理及其对人工智能技术发展的重要意义。
为进一步学习相关的专业基础课程和专业课程打下必要的理论和实践基础。
（1）从大历史观角度使学生理解人工智能发展的历史和思想脉络，使学生认识到人工智能的本质和内涵，思考人之为人的价值和意义,勇于承担社会发展责任。
（2）充分发挥人工智能多学科、多领域理论、知识交叉的特点和优势，培养学生多学科知识交叉思维和创新意识。
（3）激发学生学习人工智能的热情和人机协同创新思维，为后续人工智能+X专业学习、创新创业、竞赛、就业等奠定基础。
（4）系统理解机器智能实现技术和方法，认识到机器智能对人类智能补充与增强作用，学会利用人机协同技术和方法及解决各类问题。
(5)使学生充分理解人工智能对未来人类社会经济、科技和文明发展的重要作用，具备未来能社会发展需要的人工智能人才素质。
四、教学内容与教学方法五、考核方式六、参考教材及学习资源（一）参考教材：[1]莫宏伟，徐立芳.人工智能导论.第2版.[2]莫宏伟，徐立芳.人工智能伦理导论.。
人工智能应用基础教学大纲
人工智能应用基础教学大纲一、前言人工智能（Artificial Intelligence，简称AI）是当今世界科技领域的热门话题，涉及领域广泛，应用范围广泛。
在这个信息时代，掌握人工智能的基础知识是非常重要的。
本教学大纲旨在通过系统的学习，为学生在人工智能应用领域奠定坚实基础。
通过课程学习，学生将对人工智能应用有更为深刻的理解，并能够为未来的发展做好准备。
二、教学目标1. 营造积极的学习环境，激发学生对人工智能应用的兴趣。
2. 帮助学生掌握人工智能的基本概念、技术和方法。
3. 培养学生的逻辑思维和问题解决能力。
4. 培养学生的团队合作精神和沟通能力，促进学生的综合素质提升。
三、教学内容1. 人工智能基础概念和原理- 人工智能的定义和发展历程- 人工智能的主要研究内容和技术体系- 人工智能的应用领域和前景展望2. 机器学习的基本原理和方法- 监督学习、非监督学习、强化学习的基本概念和应用- 机器学习算法的基本原理和常用算法介绍- 机器学习在实际问题中的应用案例分析3. 深度学习的概念和网络结构- 感知机、卷积神经网络、循环神经网络等深度学习模型的基本原理- 深度学习在图像识别、自然语言处理、智能推荐等方面的应用案例4. 自然语言处理与文本挖掘- 自然语言处理的基本概念和技术- 文本挖掘的方法和工具- 自然语言处理在智能客服、智能翻译、情感分析等方面的应用实例5. 人工智能在实际应用中的伦理与法律问题- 人工智能发展中的伦理道德问题- 人工智能应用中的隐私保护和数据安全法律法规- 人工智能在社会中的应用风险和治理问题四、教学方法1. 理论讲解：通过课堂教学、讲解、演示等方式，让学生了解人工智能基础知识。
2. 实践操作：结合案例分析、编程实践，让学生亲自动手实践，加深理解。
3. 课外拓展：鼓励学生参与相关科研项目、学术讨论，拓宽知识视野。
4. 团队合作：组织学生开展小组项目，培养团队协作精神。
五、教学评价方式1. 学生考试：定期进行笔试、机试，考察学生对基本概念和原理的掌握情况。
2024年《人工智能》详细教学大纲
结合语音识别和自然语言处理技术，对语音中的情感进行 分析和识别，是实现智能语音交互的重要研究方向。
18
05 计算机视觉技术与应用
2024/2/29
19
图像处理和计算机视觉基础概念
1 2
图像处理基础
像素、分辨率、色彩空间、图像变换等基本概念 。
计算机视觉概述
视觉感知、视觉计算模型、视觉任务分类等。
能力目标
能够运用所学知识分析和 解决人工智能领域的实际 问题，具备一定的实践能 力和创新能力。
素质目标
培养学生的创新思维、团 队协作和终身学习能力， 提高学生的综合素质和职 业素养。
5
课程安排与时间表
课程安排
本课程共分为理论授课、实验操作和课程设计三个环节，其中理论授课主要讲解 人工智能的基本原理和方法，实验操作帮助学生掌握相关技术和工具的使用，课 程设计则要求学生综合运用所学知识完成一个实际项目。
分割（如FCN、U-Net）等。
2024/2/29
03
实例分割与语义分割
Mask R-CNN、PANet等实例分割方法；DeepLab、PSPNet等语义分
割方法。
21
三维重建、视频理解等前沿技术介绍
三维重建技术
基于多视图的三维重建、基于深度学习的三维重建（如体素网格 、点云处理）等。
视频理解技术
马尔科夫决策过程在强化学习中的应用
03
将强化学习问题建模为马尔科夫决策过程，利用求解方法求解
最优策略。
25
智能推荐系统、游戏AI等应用场景分析
智能推荐系统
利用强化学习技术，根据用户历史行为和环境反馈，学习推荐策略，实现个性化推荐。例 如，电商平台的商品推荐、音乐平台的歌曲推荐等。
《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。
《人工智能基础》教学大纲
引言概述（ArtificialIntelligence，简称）是一门涉及计算机科学、机器学习和认知科学的学科，致力于使机器能够模拟人类智能的一系列技术和方法。
随着科技的不断发展和应用的推广，已经成为当今世界最热门的前沿领域之一。
为了满足对人才的需求和引导学生深入了解技术，特编制了本《基础》教学大纲。
正文内容一、概述1.1的定义和发展历程1.2的基本原理1.3的应用领域和前景二、智能代理与搜索算法2.1智能代理的概念和基本特点2.2搜索算法的分类和应用2.3与搜索算法的结合应用三、机器学习的基础理论3.1机器学习的定义和基本模型3.2监督学习和无监督学习的区别和应用3.3与机器学习的结合应用四、神经网络与深度学习4.1神经网络的基本原理和结构4.2深度学习的核心思想和常用模型4.3与深度学习的结合应用五、自然语言处理与语音识别5.1自然语言处理的基本概念和技术5.2语音识别的基本原理和方法5.3与自然语言处理、语音识别的结合应用总结通过本《基础》教学大纲，学生将能够全面了解的基本概念、发展历程、基本原理和应用领域。
同时，学生还将深入了解智能代理、搜索算法、机器学习、神经网络、深度学习、自然语言处理和语音识别等领域的相关知识和技术。
这些知识和技术不仅有助于学生理解的核心思想和方法，还能为学生未来的学习和研究提供有力的支持。
1.掌握的基础概念和基本原理；2.熟悉智能代理和搜索算法的基本思想和方法；3.理解机器学习的基本理论和应用；4.了解神经网络和深度学习的基本原理和模型；5.掌握自然语言处理和语音识别的基本技术和应用。
同时，本门课程将通过讲授理论知识和实践案例，鼓励学生进行实际操作和项目实践，以提高他们的问题解决能力和创新能力。
通过与教师和同学的互动交流，学生将有机会扩展他们的思维边界，并形成对的综合理解和深入认识。
本《基础》教学大纲将帮助学生建立起的基础知识和技能，为他们未来在领域的学习和研究奠定坚实的基础。
- 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。
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（Pattern 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 Learning）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）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Artificial Intelligence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（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-5-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（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宽度优先搜索算法的描述-6--7- （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：),()()(2112x x c x g x g +=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：)()()(x h x g x g +=估价函数)()()(x h x g x g +=各项的物理意义（2） 领会：估价函数)()()(x h x g x g +=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（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。