人工智能导论 ppt课件

《人工智能应用基础》课程标准一、课程定位“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，开设《人工智能应用基础》课程是十分必要的。

《人工智能应用基础》作为一门必修课程，其中涉及的理论、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的“智能”观念；了解人工智能的基本理论、基本方法和基本技术；提高智能产品的使用能力，为今后的工作中的智能设备使用打下坚实的基础。

先修课程：《计算机应用基础》二、课程目标（一）知识目标1.了解人工智能产业的发展现状与市场需求；2.了解人工智能对现代生活的改变和影响；3.了解人工智能定义、研究领域、发展、社会价值和应用领域、未来与展望；4.了解知识表示、知识图谱、机器学习、人工神经网络与深度学习、智能识别、自然语言理解、专家系统及智能体与智能机器人的相关概念及应用。

（二）能力目标1、培养人工智能的应用能力，开拓学生的科技视野；2、能够熟练使用生活中常用的人工智能产品；3、熟悉人工智能对工业、医疗、安防、社交、机器人、无人驾驶、家居、生活服务等方面的应用渗透。

（三）素质目标1、养成善于思考、深入研究的良好自主学习的习惯和创新精神；2、培养细致缜密的工作态度、团结协作的良好品质、沟通交流和书面表达能力；3、养成爱岗敬业、遵守职业道德规范、诚实、守信的高尚品质。

三、课程内容与课时分配课程全景式介绍人工智能知识体系与热门应用领域，以人工智能的应用领域为线索介绍学习领域。

通过案例导读引入相应领域的学习，通过案例延伸理解学习领域的实际应用和未来发展。

尽量用通俗易懂的语言和应用案例引导学生进入人工智能应用领域的学习。

课程内容：四、教学资源要求（一）教材选用原则教材应充分体现培养学生的职业能力，通俗易懂，内容全面，应用性强。

能够以知识和技术应用案例为根本出发点详细介绍了人工智能的主要内容和实际应用。

在内容上降低了人工智能学习的知识难度，易于高职学生学习掌握。

第7章高级搜索在第一章、第二章，我们分别介绍了深度优先、宽度优先、A*算法和AO*算法等常规的搜索算法。

深度优先、宽度优先等盲目搜索算法就不用说了，即便是A*算法，一般情况下，其算法复杂性仍然是指数时间级的。

因此，当问题的规模大到一定程度之后，这些常规的搜索算法就显得无能为力了。

本章将介绍一些相对比较新的搜索方法，如局部搜索、模拟退火和遗传算法等。

这些算法的一个共同特点是引入了随机因素，每次运行并不能保证求得问题的最优解，但经过多次运行之后，一般总能得到一个与最优解相差不太大的满意解。

以放弃每次必然找到最佳解，换取了算法时间复杂度的降低，以适合于求解大规模的优化问题。

7.1 基本概念7.1.1 组合优化问题在现实世界中，很多问题属于优化问题，或者可以转化为优化问题求解。

比如我们前面介绍过的旅行商问题（TSP），就是求解旅行商在满足给定的约束条件下的最短路径问题。

这里的约束条件是“从某个城市出发，经过n个指定的城市，每个城市只能且必须经过一次，最后再回到出发城市”。

还有皇后问题，它要求在一个n×n的国际象棋棋盘上，摆放n个皇后，使得n个皇后之间不能相互“捕捉”，即在任何一行、一列和任何一个斜线上，只能有一个皇后。

皇后问题本身并不是一个优化问题，但可以转化为优化问题来求解。

比如我们可以定义指标函数为棋盘上能够相互“捕捉”的皇后数，显然该指标函数的取值范围是一个大于等于0的整数，当棋盘上摆放了n个皇后，且其指标函数取值为最小值0时，刚好是问题的解。

因此皇后问题转变成了求解该指标函数最小的优化问题。

设x是决策变量，D是x的定义域，f(x)是指标函数，g(x)是约束条件集合。

则优化问题可以表示为，求解满足g(x)的f(x)最小值问题。

即())(|)(fxmin xg（7.1）x∈D如果在定义域D上，满足条件g(x)的解是有限的，则优化问题称为组合优化问题。

现实世界中的大量优化问题，属于组合优化问题。