一、课程简介

（一）课程中文简介

人工智能实验课程的目标要求学生在掌握人工智能的基本概念、基本原理和基本方法的基础上，能应用人工智能理论与技术解决实际问题的范例。课程围绕人工智能技术的主要教学内容，设置了11个典型实验，让学生编程实现，深入理解人工智能的原理与技术算法。主要实验内容包括产生式系统实验、模糊推理系统实验、启发式算法应用实验、智能计算应用实验、基于神经网络模型的实验等实验项目。通过实验，能够发挥学生的主动性，研究探讨人工智能系统的运行和实现过程，提出并积极验证和探索自己的思路，从而更好地掌握知识，培养学生的理论联系实际能力和创新能力,最终提高他们发现问题、分析问题和解决问题的能力。

（二）课程英文简介

The goal of the Experiments of Artificial Intelligence requires students to master the basic concepts, principles, and methods of artificial intelligence, based on which solve practical problems and cases. The course focuses on artificial intelligence technologies and sets up 11 typical experiments to enable students to have an in-depth understanding of the algorithm of artificial intelligence through programming. The main experiments are the realization of projects including production systems, fuzzy inference systems, heuristic algorithms, intelligent computing, neural network-basedexperiments. Through these experiments, students can initiatively study the implementation of the artificial intelligence systems, actively propose and verify their ideas to better grasp knowledge,andcultivate their practical and innovation ability to find, analyze and solve real-life problems.

二、实验课程目标

CO1：掌握人工智能的基本概念、基本原理、基本模型和基本方法，应用知识表示与推理、启发式搜索、智能计算、神经网络等人工智能技术进行问题求解。

CO2：综合运用人工智能模型和方法，设计算法并编程实现，能够应用人工智能技术解决复杂工程问题。

CO3：掌握人工智能技术和智能系统的评价方法，分析、评估实验结果，完善智能系统的性能。

课程目标与所支撑的毕业要求指标点的对应关系如表1所示。

表1课程目标与所支撑的毕业要求内涵观测点的对应关系

三、实验内容与要求

（一）实验设计（实验类型及内容）

包含11个实验：(1)产生式系统实验、(2)洗衣机模糊推理系统实验、(3)汽车控制模糊推理系统实验、(4)A*算法求解八数码问题实验、(5)A*算法求解迷宫寻路问题实验、(6)遗传算法求解函数最大值实验、(7)遗传算法求TSP问题实验、(8)蚁群算法求TSP问题实验、(9)人工神经网络模型原理实验、(10)神经网络的优化计算实验、(11)基于神经网络的模式识别实验。其中(2)和(3)选做一个，(4)和(5)选做一个，(6)-(8)选做一个，(10)和(11)选做一个。演示性实验占9.1%，验证性实验占27.3%，综合性实验占18.2%，设计研究性实验占45.5%。具体实验内容如下：

实验1 产生式系统实验（演示性）

熟悉一阶谓词逻辑和产生式表示法，掌握产生式系统的运行机理，以及基于规则推理的基本方法。并设计并编程演示一个小型产生式系统。

实验2洗衣机模糊推理系统实验（设计研究性）

理解模糊推理的原理及特点，熟练应用模糊推理。采用Matlab 7.0的Fuzzy Logic Tool设置洗衣机洗涤时间的模糊控制。

实验3汽车控制模糊推理系统实验（设计研究性）

理解模糊推理的原理及特点，熟练应用模糊推理。采用Matlab 7.0的Fuzzy Logic Tool设置汽车控制模糊推理系统。

实验4 A*算法求解八数码问题实验（验证性）

熟悉和掌握启发式搜索的定义、估价函数和算法过程，并利用A*算法求解N数码难题，理解求解流程和搜索顺序。以八数码问题为例验证A*算法的求解程序（编程语言不限），要求应用两种不同的估价格函数。

实验5 A*算法求解迷宫寻路问题实验（验证性）

熟悉和掌握A*算法实现迷宫寻路功能，掌握启发式函数的编写以及各类启发式函数效果的比较。以迷宫寻路问题为例实现A*算法的求解程序（编程语言不限），要求设计两种不同的估价格函数。

实验6 遗传算法求解函数最大值实验（设计研究性）

熟悉和掌握遗传算法的原理、流程和编码策略，并利用遗传算法求解函数优化问题，理解求解流程并测试主要参数对结果的影响。采用Matlab 7.X的遗传算法工具箱验证求解函数最大值。

实验7 遗传算法求TSP问题实验（设计研究性）

熟悉和掌握遗传算法的原理、流程和编码策略，理解求解TSP问题的流程并测试主要参数对结果的影响，掌握遗传算法的基本实现方法。用遗传算法验证求解不同规模（如10、20、100个城市）的TSP无问题。

实验8 蚁群算法求TSP问题实验（设计研究性）

熟悉和掌握蚁群算法的原理、流程和编码策略，理解求解TSP问题的流程并测试主要参数对结果的影响，掌握蚁群算法的基本实现方法。用蚁群算法验证求解不同规模（如10、20、100个城市）的TSP无问题。

实验9 人工神经网络模型原理实验（验证性）

通过本实验掌握人工神经网络的原理，理解深度学习的基础知识，为其他高级深度学习算法的学习做准备。本实验首先对人工神经网络的原理做介绍并配合一系列小的实验加深理解，之后通过简单的人工神经网络实验实现手写数字识别。

实验10 神经网络的优化计算实验（综合性）

掌握连续Hopfield神经网络的结构和运行机制，理解连续Hopfield神经网络用于优化计算的基本原理，掌握连续Hopfield神经网络用于优化计算的一般步骤。采用VC++6.0编写基于连续Hopfield神经网络求解TSP问题的程序。

实验11基于神经网络的模式识别实验（综合性）

理解BP神经网络和离散Hopfield神经网络的结构和原理，掌握反向传播学习算法对神经元的训练过程，了解反向传播公式。通过构建BP神经网络和离散Hopfield神经网络模式识别实例，熟悉前馈网络和反馈网络的原理及结构。Matlab 7.X的神经网络工具箱：在Matlab 7.X的命令窗口输入nntool，然后在键盘上输入Enter键，即可打开神经网络工具箱。

表2 实验内容与课程目标对应关系

（二）实验内容及要求

表3 实验内容与要求

四、实验设备与环境配置

1. 计算机：Intel Core2 Duo E4300 1.8GHZ、内存512MB、硬盘15GB以上。

2. 编译器：支持VC++ 2013以上。

3. 开发环境：Matlab 7.X，Codeblocks 10.05以上，或Visual Studio 2008以上，或Xcode 4.1以上，或Jupyter工作台

4. 实验题目及结果：学生在程序在线评测系统进行实验，通过撰写的实验报告进行实验成绩评定，或使用系统题库的由系统判定实验结果。

五、课程思政、创新创业元素（1学分课程要求至少确定5处“课程思政”融入点和2个“创新创业教育”案例；2学分及以上课程要求至少确定10处“课程思政”融入点和3个“创新创业教育”案例。）

六、主要参考资料

[1]王万良.人工智能及其应用（第3版）.北京：高等教育出版社，2017．

[2]王万良.人工智能导论（第4版）[M].北京：高等教育出版社，2017.7．

[3]张仰森.黄改娟.人工智能教程(第2版). 北京：高等教育出版社，2016.

[4]张仰森.人工智能教程学习指导与习题解析.北京：高等教育出版社，2009.

[5]史忠植.人工智能.北京：机械工业出版社，2016.

[6]Stuart J. Russell, Peter Norvig著，殷建平，祝恩，刘越，陈跃新，王挺译.人工智能：一种现代的方法（第3版）.北京：清华大学出版社，2013.

七、考核方式、方法及实验成绩评定方法

考核成绩可以采用五级制或百分制。课程成绩考核主要由平时成绩组成，可以进行期末考核。平时考核包括出勤、展示、各次实验考核等形式。

（一） 评分标准

表4 实验评分标准

（二）实验项目（或考核环节）权重

表5 实验课程目标与实验项目（或考核环节）对应关系

撰稿人：亓亮

审核人：纪淑娟

批准人：崔宾阁