搜索
-1-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。-2-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-3-5、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（PatternRecognition）2、问题求解（ProblemSolving）3、自然语言理解（NaturallangrageUnderstanding）4、专家系统（ExpertSystem）5、机器学习（MachineLearning）6、自动定理证明（AutomaticTheoremProving）7、自动程序设计（AutomaticProgramming）8、机器人学（Robots）9、博弈（Game）10、智能决策支持系统（IntelligentDecisionSupportSystem）11、人工神经网络（Artificialnaturalnetworks）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-4-5、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ComputationalIntelligence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（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-5-（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-6-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-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：g(x2)g(x1)c(x,x)12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：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（3）简单应用：写出黑白将牌问题的估价函数-8-（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。因而，知识表示构成了人工智能的一种重要技术，它是研究知识和智能系统的基础。本章的重点知识有：关于知识的概念以及特征；知识表示的主要模式。通过对本章的学习，学生应掌握人们社会活动和科学研究中的知识表示的形态，知识的特征与知识的分类。掌握一阶谓词逻辑的知识表示、产生式系统的知识表示、框架的知识表示法、语义网络的知识表示法。理解脚本的知识表示法、Petri网的知识表示法和面向对象的知识表示法。（二）课程内容第一节基本概