人工智能概论实验课程教学大纲

人工智能概论实验教学大纲

(实验课程)

◆课程编号：041038

◆课程英文名称：Introduction to Artificial Intelligence

◆课程类型： ? 通识通修 ? 通识通选 ? 学科必修 ? 学科选修 ? 跨学科选修

? 专业核心 ? 专业选修（学术研究） ? 专业选修（就业创业）

◆适用年级专业（学科类）：信息管理与信息系统、电子商务 三年级或四年级 ◆先修课程：高等数学、线性代数、概率与数理统计、程序设计语言 ◆总学分：0.5 ◆总学时：17

一、课程简介与教学目标

《人工智能概论实验》是配合《人工智能概论》开设的实验课程。要求学生在理解人工智能理论及方法的基础上，应具有设计、实现和分析等方面的能力。通过本实验课程的训练，使学生熟练掌握人工智能的基本原理和方法，加深对各方法涉及的基础知识的认识，强化编程技能，培养创新能力。

二、教学方式与方法

教学方式：学生动手实验为主，辅以适当的提问、小组讨论及实验点评等。

教学方法：探讨式教学、启发式教学、实验教学相结合；尝试包括实验设计、研究设计、总结等环节的教学。

三、教学重点与难点

（一）教学重点

理解人工智能的基本原理，掌握常用的知识表示方法、确定性推理方法以及状态空间搜索等，了解不确定性推理方法，理解机器学习、专家系统以及自然语言理解等知识，学会使用相应工具进行人工智能方法的设计与实现，从而进一步理解人工智能概论课程中所讲授的理论知识。

（二）教学难点

机器人搬盒子、用BP神经网络解决XOR分类问题以及ID3决策树学习算法的实现。

四、学时分配计划

五、教材与教学参考书

（一）教材

1.《人工智能教程》，张仰森，黄改娟，高等教育出版社，2008年； （二）教学参考书

1.《人工智能原理与方法》，王永庆，西安交通大学出版社，1998年；

2.《人工智能及其应用》，蔡自兴，徐光佑，清华大学出版社，2003年；

3.《人工智能与专家系统》，吴泉源，刘江宁，国防科技大学出版社，1995年

4.《人工智能-一种现代化方法》，Stuart Russell，Peter Norvig，人民邮电出版社，2004年

六、课程考核与成绩评定

【考核类型】? 考试 ? 考查

【考核方式】? 开卷（Open-Book） ? 闭卷（Close-Book） ? 项目报告/论文

? 其它：（填写具体考核方式）

【成绩评定】平时成绩占30-40%，实验成绩占60-70%

七、课程内容概述

实验一 利用问题归约法实现Hanoi塔问题

（一）教学要求

理解问题归约法的原理和方法，掌握用问题归约表示问题的步骤，并能够对实际问题给出具体的实现。

（二）知识点提示

主要知识点：分解、归约、本原问题、与树、或树、与或树、等价变换、用与或树表示问题的步骤。 重点：用与或树表示问题的步骤、Hanoi塔问题的实现。

难点：问题归约法的实现。

（三）教学内容

利用问题归约法实现Hanoi塔，主要包括主函数、函数hanoi与搬移函数move，要求在主函数中接收盘子数目并调用hanoi函数。

（四）思考题

1. 当盘子数目越来越多时，运行时间有何变化？

2. 什么是本原问题？

实验二 利用状态空间搜索法实现八数码问题

（一）教学要求

理解状态空间知识表示方法，掌握搜索方法的基本原理，并能够对八数码问题给出具体的实现。

（二）知识点提示

主要知识点：状态、状态空间、算符、用状态空间表示问题的步骤、用状态空间求解问题的过程、搜索、宽度优先搜索、有界深度优先搜索、启发式搜索。

重点：状态空间、用状态空间求解问题的过程、宽度优先搜索、有界深度优先搜索、启发式搜索。 难点：用状态空间法求解八数码问题的实现过程。

（三）教学内容

用状态空间搜索法求解问题的基本思想是将适用的算符作用于初始状态，以产生新的状态；然后再把一些适用的算符作用于新的状态，重复该过程，直至产生的状态为目标状态为止。实验内容包括：

1．定义状态的描述形式，并给出初始状态和目标状态；

2．定义一组算符；

3. 利用搜索算法对状态不断扩展，直至得到目标状态为止。

（四）思考题

1. 如何使用产生式表示该问题中的算符？

2. 使用不同搜索算法求解该问题的性能如何？

实验三 机器人搬盒子问题

（一）教学要求

理解谓词逻辑知识表示的方法，掌握一阶谓词逻辑知识表示的基本原理，能够利用归结原理求解简单问题。

（二）知识点提示

主要知识点：谓词、原子公式、谓词公式、子句、子句集、空子句、归结原理。

重点：谓词公式、子句集和归结原理的实现。

难点：归结原理的实现。

（三）教学内容

机器人搬盒子问题：设在一个房间里，有一个机器人ROBOT ，一个壁橱ALCOVE，一个积木块BOX，两个桌子A和B。开始时，机器人ROBOT在壁橱ALCOVE旁边，且两手空空，桌子A放着积木块BOX，桌子B是空的。机器人可把积木块BOX从一种状态桌子A上变换成另一种状态桌子B上，然后回到壁橱。用归结原理方法求解该问题？

实验内容包括：

1．用谓词公式表示问题的初始状态、目标状态以及机器人操作；

2．将谓词公式转换为子句集；

3. 利用归结原理对子句集中的子句进行归结。

（四）思考题

1. 如何将谓词公式转换为子句集？

2. 谓词公式与子句集等值吗？

实验四 ID3判定树学习算法的实现

（一）教学要求

掌握判定树的基本思想，了解判定树算法的特点，掌握ID3判定树学习算法，并能够对实际模式样本正确分类的ID3算法程序。

（二）知识点提示

主要知识点：判定树、单个概念、机器学习、例子集、最大熵、信息增益、ID3算法。

重点：用程序设计语言实现ID3算法。

难点：ID3算法的实现。

（三）教学内容

编写ID3算法程序，实现对不同对象的分类。

（四）思考题

1．什么是最大熵？引入最大熵的目的是什么？

2. 如何对连续属性离散化？常用的方法有哪些？

实验五 用BP神经网络实现XOR分类问题

（一）教学要求

理解前馈神经网络的工作原理，掌握BP算法的基本思想，认识影响算法性能的因素，能够编写对实际模式样本正确分类的程序。

（二）知识点提示

主要知识点：神经网络、前馈神经网络、感知器、XOR问题。

重点：用BP神经网络实现XOR分类的程序。

难点：XOR分类的实现。

（三）教学内容

给定4个样本，分别为{（0，0），（0，1），（1，0），（1，1）}，利用BP神经网络解决这4个样本的分类，即要求4个样本的输出分别是0、1、1和0。首先构造输入层为2个神经元，隐含层为2个神经元，输出层为1个神经元的BP神经网络；然后利用给定的4个样本对神经网络训练；最后使用得到的神经网络对样本分类。

（四）思考题

1．使用单层神经网络能够解决XOR分类吗？

2．用多层神经网络解决XOR问题时，隐含层至少需要多少个神经元？

实验六 用遗传算法求函数的最大值问题

（一）教学要求

掌握遗传算法的基本思想，编写能对实际问题求解的遗传算法程序，通过实现遗传算法程序，可进一步理解遗传算法的基本机理。

（二）知识点提示

主要知识点：遗传算法的原理、个体、群体、交换、突变、适应度。

重点：适应度函数。

难点：适应度函数。

（三）教学内容

选择测试用的目标函数，设计有效的遗传算子，分别编写初始化函数、适应度函数、复制函数、交换函数、变异函数以及主函数，最后输出函数的最大值。

（四）思考题

1．在实验中，分别改变遗传算法的参数，观察参数的不同取值对结果的影响？

2．使用遗传算法总能获得函数的最大值吗？