最新《人工智能基础》教学大纲自考解析.docx

1、最新人工智能基础教学大纲自考解析人工智能基础（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

2、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、剪枝技术）完成问题求解；并能熟悉几种重要的不确

3、定推理方法，如确定因子法、主观Bayes方法、DS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，

4、对于本课程起到了基础作用。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

5、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

6、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 langra

7、ge 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

8、、西慕的GPS4、1960年麦卡锡的LISP语言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

9、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

10、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（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

11、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-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值和值的意义和其倒推值的计算，并掌握-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

12、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、-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

13、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（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

14、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

15、的概念：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： 估价函数各项的物理意义（2） 领会：估价函数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