课程

编码

0809512118

理论

学分数

1

实验

学分数

1

适用

专业

软件工程

先修课程

概率与统计，线性代数，高等数学

课程

类别

□公共基础 □专业基础 专业（□必修 □限选 ■任选） □实践环节

第一章 绪论

1. 人工智能的概念

2. 人工智能的发展简史

3. 人工智能的研究内容

4. 人工智能的应用

能力要求:

1. 了解人工智能的基本概念

2. 了解人工智能的研究内容、发展历史和相关应用

1

作业要求:

人工智能的概念及研究内容

讨论:

人工智能的现实应用

第二章

知识表示

1. 知识与知识表示的概念

2. 一阶谓词逻辑表示法

3. 产生式表示法

4. 框架表示法

能力要求:

1. 掌握知识表示的内涵和方法

2

自学要求:

产生式系统的例子

用框架表示知识的例子

第三章

确定性推理方法

1. 推理的基本概念

2. 谓词公式转化为子句集的方法

3. 鲁宾孙归结原理

4. 应用归结原理求解问题

能力要求:

1. 了解推理的概念

2. 掌握谓词公式转化为子句集的方法

3. 了解归结反演的步骤

2

作业要求:

谓词公式转化为子句集

讨论:

归结原理的应用

第四章

不确定推理方法

1. 不确定推理的概念

2. 可信度方法

3. 证据理论

4. 模糊推理方法

能力要求:

1. 理解不确定性推理的概念

2. 掌握可信度推理和模糊推理方法

3. 了解不确定性推理的应用

2

作业要求:

不确定性推理

模糊推理

第五章

搜索求解策略

1. 搜索的概念

2. 状态空间的搜索策略

3. 盲目的图搜索策略

4. 启发式图搜索策略

能力要求:

1. 掌握盲目搜索策略

2. 掌握启发式搜索策略

3

作业要求:

搜索求解解决实际问题

自学要求:

完成搜索求解的编程实现

第六章

智能计算及其应用

1. 进化算法的产生与发展

2. 群智能算法产生的背景

3. 粒子群算法及其应用

4. 蚁群算法及其应用

能力要求:

1. 掌握进化算法

2. 了解其他算法的原理及应用

4

作业要求:

遗传算法求解

讨论:

每种算法的特点

第七章

专家系统与机器学习

1. 专家系统的概念

2. 专家系统的工作原理

3. 机器学习

4. 知识发现与数据挖掘

能力要求:

1. 掌握专家系统的工作原理

1

自学要求:

机器学习的应用领域

第八章

人工神经网络机器应用

1. 神经元与神经网络

2. BP神经网络及其学习算法

3. Hopfield神经网络

4. 深度学习

能力要求:

1. 掌握移动界面设计原则和技术

1

作业要求:

神经网络与逻辑的关系

讨论:

Hopfield与BP神经网络结构上的区别

1

A*算法求解八数码问题

能力要求:

(1) 熟悉和掌握启发式搜索的定义、估价函数和算法过程。掌握一种常用的设计工具；

(2) 利用Matlab编写A*算法求解八数码难题，理解求解流程和搜索顺序；

(3) 掌握查找资料的能力。

8

设计型

1

设置八数码的初始状态为“210876345”，八数码的目标状态为“187206345”，通过设计估价函数f(n)=d(n)+w(n)，求得问题的解。例如，d(n)表示搜索的深度，w(n)表示“不在位”的数码数量。

2

粒子群算法解决函数优化问题

。

能力要求:

(1) 熟悉和掌握群智能理论和基于鸟类群体行为的仿生优化算法的设计与实现。

(2) 利用Matlab编写粒子群算法求解函数优化问题。

8

设计型

1

给定一个多元函数的函数体，及其定义域，通过粒子群算法找出一个解使得这个多元函数取最大值。