南京理工大学
《人工智能原理与方法》课程内容简介
课程编码 S106B006 课程类别 必修课
课程名称 人工智能原理与方法
英文名称 Principles and Methods of Artificial Intelligence
开课院系 计算机科学与工程学院
开课季节 秋学期 授课方式 面授讲课
考核方式 考试 课件地址
考试方式 闭卷 成绩计算方法 期末100%
课程总学时 32 课程学分 2
实验学时 适用对象
课程类型 理论课 课程属性 必修
任 课 教 师
教师姓名性别所属院系职称年龄
张重阳 计算机科学与工程学院 副教授 44

教学目标:
通过本课程的学习使学生掌握人工智能的发展概况、基本原理和常用方法,了解人工智能新理论和方法,为今后深入研究和从事相关领域的科研奠定基础。

课程内容:
1  人工智能的概况(3学时)
        1.1  人工智能的定义及体系层次
        1.2  人工智能的发展历史
        1.3  人工智能的研究领域与方向
        1.4  人工智能的研究现状
2  智能体和环境模型(3学时)(*)
        2.1 Agent和环境
        2.2 合理性
        2.3  PEAS
        2.4  环境类型
        2.5  Agent类型
3  用搜索方法问题求解(3学时)
        3.1  问题求解Agent
        3.2  问题的类型
        3.3  树的搜索算法
        3.4  搜索策略
4  有信息的搜索(4学时)(*#)
        4.1  最佳优先搜索
        4.2  A*搜索
        4.3  启发函数
        4.4  局部搜索算法
5  约束满足问题(2学时)
5.1  约束满足问题
5.2  回溯求解方法
5.3  局部求解方法
6  博弈问题(3学时)(*#)
        6.1  博弈类型
        6.2  Minimax算法
        6.3  α-β剪枝
6.4  非确定性剪枝
7  逻辑Agent (3学时)(*)
        7.1  基于知识的Agent
        7.2  模型和含蕴
        7.3  命题逻辑
        7.4  等价,永真和可满足性
        7.5  推理规则和定理证明
8  一阶逻辑(FOL)(3学时)
        8.1  FOL简介
        8.2  FOL的语法和语义
8.3  FOL中的知识工程
9  不确定性问题(3学时)
        9.1  不确定性和概率
        9.2  语法和语意
9.3  不确定性推理
9.4  独立和BAYES 规则
10 Bayes网络(2学时)(*#)
        10.1  语法和语意
        10.2  参数化分布
10.3  基于枚举的准确推理
10.4  通过变量消除的准确推理
10.5  通过随机模拟的近似推理
11 人工智能应用与思考(3学时)(#★)
        11.1  人工智能在围棋中的应用
        11.2  现状与未来

适用学生:
全日制硕士    非全日制硕士    留学硕士    进修硕士    硕博连读    本科直博    全日制博士    留学博士    进修博士    在职专硕    其他    

预修课程:
预修课程:
离散数学、数据结构、概率论、数理统计

参考书目:
教材:
人工智能:一种现代方法(第三版)。Stuart Russell, Peter Norvig。2013,清华大学出版社。
参考书:
[1] 人工智能及其应用(第四版)。蔡自兴,徐光祐。2010,清华大学出版社。
[2] 高级人工智能(第三版)。史忠植。2011,科学出版社。
[3] 人工智能原理与应用。王文杰,叶世伟。2004,人民邮电出版社。
[4] 人工智能。史忠植,王文杰。2007,国防工业出版社。

备注: