(人工智能)人工智能基礎考試大綱

（人工智能人工智能基礎考試大綱人工智能基礎（8017）考試大綱壹、課程性質和設置目的（一）課程性質和特點“人工智能”是21于計算機專業本科開設《人工智能基礎》課程是十分必要的。《人工智能基礎》是計算機專業本科的壹門必修課程，本課程中涉及的理論、原理、方法和技術有助于學生進壹步學習其他專業課程。開設本課程的目的是培養學生軟件開發的“智能”觀念；掌握人工智能的基本理論、基本方法和基本技術；提高解決“智能”問題的能力，為今后的繼續深造和智能系統研制，以及進行關聯的工作打下人工智能方面的基礎。（二）本課程的基本要求（課程總目標）《人工智能基礎》是理論性較強，涉及知識面較廣，方法和技術較復雜的壹門學科。通過對本課程的學習，學生應掌握人工智能的壹個問題和三大技術，即通用問題求解和知識表示技術、搜索技術、推理技術。具體要求是：學生于較堅實打好的人工智能數學基礎（數理邏輯、概率論、模糊理論、數值分析）上，能夠利用這些數學手段對確定性和不確定性的知Herbrand域概念和HornRobinson歸結原理進行定理證明；應掌握問題求解的狀態空間法，能應用幾種主要的盲目搜索和啟發式搜索算法（寬度優先、深度優先、有代價的搜索Aα―β剪枝技術）完成問題求解；且能熟悉幾種重要的不確定推理方法，如確定因子法、主觀Bayes方法、證據理論等，利用數值分析中常用方法進行正確計算。另外，學生仍應該了解專家系統的基本概念、研究歷史、系統結構、系統評價和領域應用。學生仍應認識機器學習對于智能軟件研制的重要性，掌握機器學習的關聯概念，機器學習的方法及其相應的學習機制，幾個典型的機器學習系統的學習方法、功能和領域應用。（三）本課程和關聯課程的聯系、分工或區別和本課程關聯的課程有：離散數學、算法設計、數值分析、程序設計語言等。/于本課程起到了基礎作用。本課程涉及到許多算法設計（尤其是問題求解），算法分析中的算法的可計算性和計算復雜性、算法的可納性等理論作為本課程中搜索算法的理論支撐。數值分析中的曲線插值方法要于本課程中僅作為數學工具進行使用，本課程且不象數值分析課程那樣去介紹方法的理論。于本課程中，研究問題求解方法需要從算法到代碼的轉換，而這種轉換的工具是程序設計語言，所以本課程要求學生已經掌握了這方面的知識。二、 課程內容和考核目標第一章 緒論（一）學習目的和要求本章內容是本課程的導論。本章的重點是：人工智能研究目標、研究內容、研究的途徑（法）什么是人工智能、人工智能研究的目標（近期目標和長遠目標）人工智能研究的歷史和研究領域的大致情況（不少于八個領域）。同時，圖靈測試的過程。（二）課程內容第壹節人工智能簡介1、什么是人工智能：學者們從不同的研究角度對人工智能有多種不同的定義，于這些定義中學生應掌握其定義的實質。2、人工智能研究的對象是知識3、人工智能研究概括為壹大問題和三大技術4、關于智能的定義5、圖靈測試6、D.B.Lenat和E.A.Fengenbaum的知識閾Nilsson的物理符號假設7、日本渡邊慧的定義第二節人工智能研究途徑1、以思維理論和認知心理學基礎的符號主義學派基本思想2、符號主義學派的代表人物3、以閾值理論為基礎的聯結主義學派基本思想4、聯結主義（神經網絡）研究不存于符號運算5、聯結主義研究的歷史6、聯結主義研究的代表任務7、以進化理論為基礎的行為主義學派基本思想8、行為主義學派的代表人物第三節人工智能研究的目標1、人工智能近期研究目標2、人工智能遠期研究目標第四節人工智能研究的內容1、機器感知2、機器思維3、機器學習4、機器行為5、智能系統及智能計算機的構造技術第五節人工智能研究領域1、模式識別（PatternRecognition）2、問題求解（ProblemSolving）3、自然語言理解（NaturallangrageUnderstanding）4、專家系統（ExpertSystem）5、機器學習（MachineLearning）6、自動定理證明7、自動程序設計8、機器人學（Robots）9、博弈（Game）10、智能決策支持系統（IntelligentDecisionSupportSystem）11、人工神經網絡（Artificialnaturalnetworks）第六節人工智能研究的歷史回顧及進展1、對人工智能起到奠基作用的幾項工作2、人工智能誕生的時間和地點3、1957年紐厄爾、西慕的GPS4、1960年麥卡錫的LISP語言5、1964年魯賓遜的歸結原理6、70年代的專家系統黃金時代（1977年費根鮑母提出知識工程概念）7、1987年ComputationalIntelligence雜志發表“純粹理性批判”的論文，次年又發表“計算機理解質疑”，開展了對人工智能發展的理性辯論8、1991年ArtificialIntelligence雜志發表了人工智能基礎專集，著名專家們對人工智能基礎性假設進行了辯論。（三）考核知識點1、人工智能定義2、人工智能研究的對象3、圖靈測試4、人工智能研究的三大途徑5、人工智能研究的近期目標和遠期目標6、人工智能研究的五大內容7、人工智能研究的主要領域（四）考核要求1、人工智能定義識記：人工智能的通常定義2、人工智能研究的對象識記：人工智能研究的對象是知識領會：和計算機科學其他學科的區別3、圖靈測試識記：圖靈測試過程的描述4、人工智能研究的三大途徑識記：人工智能研究的三種途徑領會：每種研究途徑的理論基礎和基本思想簡單應用：結合系統的研制，舉例說明各個研究途徑的實施方法5、人工智能研究的近期目標和遠期目標識記：人工智能研究的近期目標和遠期目標的內容6、人工智能研究的五大內容識記：人工智能研究的五個內容領會：每種研究內容的理論基礎和基本方法7、人工智能研究的主要領域識記：至少記憶人工智能研究的八個領域領會：每個研究領域的研究內容、基本方法以及應用第二章 問題求解的基本原理（壹）學習目的和要求它是本課程的重點章節。本章的重點知識有：知識的狀態空間表示法、盲目搜索的寬度優先A算法和A*算法、博弈樹的α-β剪枝算法。通過對本章的學習，學生應狀態及狀態空間表示問題的幾種主要方法（矩陣法、多圖法等啟發函數的含義且能根據問題實際正確構造估價函數；理解OPEN表和CLOSED表的作用及其特點；博弈樹節點α值和β值的意義和其倒推值的計算，且掌握αβ剪枝技術。（二）課程內容第壹節基本概念1、什么是搜索：搜索分為盲目搜索和啟發式搜索2、狀態空間表示法：由狀態和算法表示慰問體的壹種方法3、和/或樹表示法：分解、等價變換、本原問題、節點的可解性第二節狀態空間搜索策略1、狀態空間的壹般搜索過程OPEN表：用來存放剛生成的節點CLOSED2、寬度優先搜索策略3、深度優先搜索策略4、有界的深度優先搜索策略5、代價樹的寬度優先搜索策略6、代價樹的深度優先搜索策略第三節啟發式搜索1、啟發信息和啟發函數234A*第四節和/或樹的搜索策略1或樹的壹般搜索過程2或樹的寬度優先搜索3或樹的深度優先搜索4、和/或樹的有序搜索第五節博弈樹1、博弈樹的啟發式搜索2、極大極小法3剪枝技術（三）考核知識點1、狀態空間搜索的基本概念234、有界的深度優先搜索算法的基本思想567、啟發式搜索8、和/或樹的有序搜索的基本思想（四）考核要求1、狀態空間搜索的基本概念識記：狀態、狀態空間的定義；本原問題、可解節點、不可解節點、解樹的定義領會：節點的等價變換和分解（1） 簡單應用：對應用問題構造狀態空間（樹2、寬度優先搜索算法的基本思想寬度優先搜索算法的描述領會：寬度優先搜索算法OPEN表的數據結構是隊列寬度優先搜索算法的優缺點簡單應用：寬度優先搜索算法的程序設計3、深度優先搜索算法的基本思想識記：深度優先搜索算法的描述領會：深度優先搜索算法OPEN表的數據結構是堆棧深度優先搜索算法的優缺點簡單應用：深度優先搜索算法的程序設計4、有界的深度優先搜索算法的基本思想識記：有界的深度優先搜索算法描述狀態空間節點的深度定義領會：有界的深度優先搜索和深度優先搜索的區別簡單應用：有界的深度優先搜索算法的程序設計5、代價樹的寬度優先搜索的基本思想識記：代價樹的概念：代價樹的寬度優先搜索的算法描述OPEN6、代價樹的深度優先搜索的基本思想識記：代價樹的深度優先搜索的算法描述領會：代價樹的深度優先搜索和代價樹的寬度優先搜索擴展的子節點按代價從小到大排序，且存放于OPEN表的首部7、啟發式搜索估價函數各項的物理意義領會：估價函數各項的物理意義局部擇優搜索和全局擇優的基本思想A*算法的基本思想簡單應用：寫出黑白將牌問題的估價函數8或樹的有序搜索的基本思想或樹的有序搜索的壹般過程和/或樹的有序搜索的寬度優先算法和/或樹的有序搜索的深度優先算法和/或樹的有序搜索的有序搜索算法博弈樹的啟發式搜索算法領會：博弈樹的假設條件大極小法α-β剪枝技術簡單應用：節點的α值、β值的計算；α-β剪枝技術的應用綜合應用：博弈樹中各節點倒推值的計算以及αβ剪枝的應用第三章知識和知識表示（壹）學習目的和要求工智能的壹種重要技術，它是研究知識和智能系統的基礎。本章的重點知識有：關于知識的人們社會活動和科學壹階謂詞邏輯的知識表示、產生腳本的知識表示法、Petri（二）課程內容第壹節基本概念1、什么是知識2、知識的特征3、知識的分類4、知識的表示第二節壹階謂詞邏輯表示方法1、表示知識方法2、壹階謂詞邏輯表示方法的特點第三節產生式表示法1、產生式的基本形式2、產生式系統3、產生式系統的分類4、產生式表示法的特點第四節框架表示法1、框架理論2、框架3、框架網絡4、框架中槽的設置和組織5、框架表示法的特點第五節語義網絡表示法1、語義網絡的概念2、知識的語義網絡表示3、常用的語義聯系4、語義網絡中問題求解的過程5、語義網絡表示的特點第六節腳本1、概念依賴理論2、腳本1、過程的知識表示方法

第七節過程表示法2、過程表示法的特點1、Petri網知識表示2Petri網表示法的特點1、面向對象的基本概念2、面向對象知識表示（三）考核知識點1、關于知識的基本概念

第八節Petri網表示法第九節面向對象的知識表示2、知識的壹階謂詞邏輯表示3、知識的產生式表示4、知識的框架表示5、知識的語義網絡表示（四）考核要求1、關于知識的基本概念識記：數據、信息的定義；知識的壹般定義領會：知識的特性；從不同角度對知識的分類2、知識的壹階謂詞邏輯表示識記：壹階謂詞邏輯表示知識的壹般形式（定義謂詞、連接詞和量詞的使用）；（簡單應用：用壹階謂詞邏輯表示法表示數學定理3、產生式系統（1）識記：產生式的基本形式：或者，其中是產生式前提，是壹組結論或操作。產生式系統的組成（規則庫、綜合數據庫、控制系統）（2）領會：產生式系統把知識表示成“模式→動作”對；產生式系統分類；產生系統知識表示的特點（2） 4、知識的框架表示點BNFInstancePart-ofInfer、Possible-Reason（3） 5、知識的語義網絡表示識的有向圖；簡單語義網絡三元組表示領會：語義網絡的BNF關系；用語義網絡表示復雜的知識；語義網絡知識表示的特點網絡表示Composed-of、、Before、AfterAtSimilar-to,Near-to；語義網絡系統第四章 基于壹階謂詞邏輯的問題求解（壹）學習目的和要求基于壹階謂詞邏輯的問題求解是模擬機器思維能力，使之能運用推理，完成問題求解。本章討論應用有關推理的方法和推理的控制策略，特別是基于壹階謂詞邏輯的歸結演繹方法。作為本課程的重點章節，本章的重點知識有：關于推理的基本概念、推理的控制策略、（反演）實現定理證明方法；掌握歸結反演的控制策略；理解Herbrand域和Horn子句的概念和關Herbrand（二）課程內容第壹節推理的基本概念1、什么是推理2、推理方式和分類3、推理的控制策略4、置換和合壹第二節歸結演繹推理1、子句2、Herbrand域3、Robinson歸結原理4、歸結反演5、歸結控制策略第三節和/或形演繹系統1或形正向演繹推理2或形逆向演繹推理3、和/或形雙向演繹推理（三）考核知識點1、什么是推理2、推理的控制策略3、置換和合壹4、子句5、歸結反演6、歸結控制策略7或形正向演繹推理8或形逆向演繹推理（四）考核要求1、什么是推理識記：推理的定義領會：推理的分類：從推理途徑對推理分類（演繹推理、歸納推理、默認推理）從知識確定性對推理分類（確定性推理、不確定性推理）、從推理的單調性分類（單調推理、非單調推理）。2、推理的控制策略識記：正向推理、逆向推理、混合推理、雙向推理的基本思想3、置換和合壹識記：置換表示形式；最壹般合壹的定義領會：復合置換；差異集4、子句識記：合式公式和子句的定義；子句的不可滿足性簡單應用：求合式公式的子句集5、歸結反演識記：HerbrandHorn領會：子句集不可滿足性的充要條件是Herbrand域上壹切解釋為假；歸結原理簡單應用：命題邏輯中的歸結原理；謂詞邏輯中的歸結原理綜合應用：應用歸結反演證明G是F6、歸結控制策略本方法本思想簡單應用：歸結中應用各個控制策略，比較歸結式產生的深度7或形正向演繹推理或形正向演繹推理的基本思想形式及推理過程或形8或形逆向演繹推理或形逆向演繹推理的基本思想形式及推理過程或形實公式的節點第五章 不確定性推理（壹）學習目的和要求于現實世界中，人們通常是于信息不精確、不完備、模糊、隨機的情況下運用不確定性知識進行思維、求解問題的，推理出的結論也且不總是隨著知識的增加而單調增加。因而，對于不確定性的研究成為人工智能學科的壹個重要內容。本章基于代數系統的討論，描述不確定知識推理的總體框架，隨后論述了幾種重要的不確定性推理方法。本章的重點知識有：不確定知識推理的總體框架、不確定性推理的確定因子法、主觀貝葉斯（Bayes）法、D-S理解從已知不確定性的證據和不確定性的規則，按不確定性推理方法推出不確定性的假設。掌握確定因子法中MB和MD的物理意義和方法的計算過程；掌握主觀貝葉斯法中LS和LN的物理意義，曲線插值法以及該方法的求解過程。掌握D-S證據理論方法中基本概率賦值函數m(A),Bel(A)和Pl(A)的物理意義，正交和的計算以及該方法的計算過程。理解對于知識模糊性的可能性理論的推理方法，深刻理解語言變量的概念且應用于模糊推理規則中。（二）課程內容第一節不確定性推理概述1、不確定性問題的代數系統2、不確定性推理模型3、不確定性推理語義4、幾種重要的不確定性推理方法第二節確定因子法1、知識的不確定性2、證據的不確定性3、不確定性推理算法第三節主觀貝葉斯方法1、規則不確定性的描述2、證據不確定性的描述3、舉例第四節D-S證據理論1、證據的不確定性2、證據的組合3、D-S證據理論的推理第五節可能性理論1、幾個基本概念2、語言變量3、命題模糊性的描述4、模糊命題的轉換規則5、模糊推理規則第六節粗集理論1、RST的概述2、粗集理論的不確定性知識表示（三）考核知識點1、什么是不確定性推理2、不確定性推理的模型3、幾種主要的不確定性推理方法4、確定因子法5、主觀貝葉斯方法6、D-S證據理論的不確定性推理7、可能性理論（四）考核要求1、什么是不確定性推理識記：不確定性推理的基本思想2、不確定性推理的模型識記：不確定性推理的代數模型領會：不確定性知識的表示簡單應用：不確定性推理的壹般范式3、幾種主要的不確定性推理方法識記：不確定性推理的幾種主要方法（D-S證據理論）4、確定因子法(1)識記：計算公式及語義；確定因子法的推理算法(2)領會：和的性質(3)簡單應用：證據是多個條件邏輯組合情況下等價證據的確定性因子的計算(4)綜合應用：實例的確定因子法計算5、主觀貝葉斯方法識記：的定義和語義；三點線性插值方法推理算法(3)簡單應用：分段線性插值的應用(4)綜合應用：實例的主觀貝葉斯方法計算6、D-S證據理論的不確定性推理和語義以及三者之間的關系(3)簡單應用：類概率的計算；不同證據來源支持同壹個假設的正交和計算(4)綜合應用：推理網絡圖的設計；實例的D-S證據理論推理7、可能性理論識記：模糊知識的表示；模糊產生式規則的壹般形式領會：語言變量和模糊命題的轉換規則簡單應用：模糊修飾語的計算綜合應用：模糊的不確定性推理第六章 專家系統（壹）學習目的和要求統，要了解專家系統研究的歷史、幾個重要的專家系統研制的理論基礎和主要技術、重要的功能、應用領域等主要研究領域，應掌握專家系統的結構和研制的整個過程。（二）課程內容第壹節專家系統基本概念1、什么是專家系統2、專家系統的特征3、專家系統和常規程序的區別4、專家系統研究的歷史12

第二節專家系統分類12

第三節專家系統的壹般結構第四節專家系統的建造和評價1、專家系統建造的原則2、專家系統的開發過程3、專家系統的評價第五節專家系統開發工具1、人工智能語言2、專家系統外殼3、通用專家系統工具第六節專家系統開發環境1、專家系統開發硬件環境2、專家系統開發軟件環境第七節新壹代專家系統的研究1、分布協同式的體系結構2、知識的自動獲取3、深層知識的利用第八節幾個著名的專家系統1、動物識別系統2、MYCIN3、PROSPECTOR4、AM（三）考核知識點12、專家系統的特征3、專家系統研究的大致歷史4、按專家系統特征的分類5、專家系統的基本結構6、專家系統建造的原則7、幾個著名的專家系統（四）考核要求1、專家系統的概念識記：專家系統的定義領會：專家系統研制成功對人工智能乃至計算機科學的貢獻2、專家系統的特征識記：專家系統的特征領會：專家系統和壹般程序的區別簡單應用：舉例分析專家系統和壹般程序的區別3、專家系統研究的大致歷史(2)領會：專家系統發展的簡單情況4、按專家系統特征的分類系統5、專家系統的基本結構識記：專家系統的基本結構模塊圖(3)簡單應用：推理機的程序設計(4)綜合應用：專家系統的理想結構6、專家系統建造的原則識記：專家系統建造的七個原則領會：專家系統的開發過程、專家系統的評價(4)綜合應用：專家系統的瓶頸分析和解決方案7、幾個著名的專家系統MYCIN、PROSPECTOR領會：分布協同式的體系結構、知識的自動獲取、深層知識的利用、PROSPECTOR第七章機器學習（壹）學習目的和要求制以及它們之間的區別，要了解機器學習系統構造原則和步驟。（二）課程內容1、什么是機器學習2、人類學習和機器學習3、機器學習系統1、環境2、學習環節3、知識庫4、執行環節1、基于推理策略的分類2、基于系統性的分類

第壹節機器學習的概念第二節學習系統模型第三節機器學習方法分類第四節機器學習研究歷史1、神經元模型研究階段2、符號概念獲取研究階段3、符號學習興旺發達階段4、聯結學習和符號學習共發展階段第五節機器學習的研究目標1、通用學習算法2、認知模型3、工程目標第六節幾個著名的機器學習系統1、BACON2、INDUCE系統3、數學方向系統AM4、AQ（三）考核知識點12、機器學習方法分類3、機器學習研究歷史4、幾個著名的機器學習系統（四）考核要求1、機器學習的概念識記：機器學習的定義、機器學習系統的定義領會：機器學習和人類學習的區別簡單應用：利用機器學習來智能程序的判斷綜合應用：機器學習模型的建立2、機器學習方法分類識記：基于推理策略的對機器學習進行分類、基于系統性對機器學習進行分類想(4)綜合應用：舉例說明機械學習的過程3、機器學習研究歷史識記：機器學習的三個研究目標結學習和符號學習共發展階段的特征(4)綜合應用：敘述機器學習研究的大致歷史4、幾個著名的機器學習系統、INDUCEAM、INDUCEAMBACONINDUCE三、關于大綱的說明和考核實施要求（壹）自學考試大綱的目的和作用課程自學考試大綱是根據電工電子和信息類及關聯專業自學考試計劃的要求，結合自學考試的特點而確定，其目的作用是對個人自學、社會助學和課程考試命題進行指導和規定。（二）課程自學考試大綱和課件的關系圍，課件的內容是大綱所規定的課程知識和內容的擴展和發揮。（三）關于自學課件和主要參考書自學課件：人工智能基礎，邵軍力、張景、魏長華主編，電子工業出版社，2000年3月年5月人工智能原理及其應用，蔡自興、徐光佑主編，清華大學出版社，年9月第三版（四）關于自學要求和自學方法的指導本課程共3個學分。根據學習對象成人于職業余自學的實際以及本課程所涉及的知識面較寬，建議學生先學習好本課程的先導課程，如離散數學、概率論、數值分析和程序設計語言等課程。于此基礎上，學習時應注意課程的重點知識，區分必須要掌握的知識點和壹般性要求了解的知識點。學習方法應該是做到理論和實際相結合，即對