人工智能原理
主讲教师：叶屹 辅导教师：叶屹 课程编号：Comp555 学 时：48 学 分：3.0 预修课程：离散数学、程序设计
课程简介：本课程对人工智能各方面的问题进行了探讨，由浅入深地介绍了整个人工智能系统或者agent的发展历程。首先介绍仅能对周围环境中可感知的特征做出反映的原始agent，以及这些简单机器所涉及的机器视觉、机器学习和机器进化等问题；然后，介绍使agent可以在无法立即感知的的任务环境中获取信息的技术。这些信息可以采用环境状态、环境图标模型、状态空间图和逻辑表示等描述信息的形式。
教 材：《人工智能》Nils J.Nilon著，郑扣根、庄越挺译，电子工业出版社。2000.9 参 考 书：[1]《人工智能导论》林尧瑞等著，清华大学出版社； [2]《人工智能原理》石纯一等著，清华大学出版社； 内容与安排: 第一章 绪论（2学时） 第一部分 响应机器（8学时）
第二章 第三章 第四章 第五章 第六章 第七章 第八章 第九章 第十章 刺激响应agent 神经网络 机器进化 状态机 机器人视觉 能计划的agent 盲目搜索 启发式搜索 计划、动作和学习第二部分 状态空间搜索（12学时）
第十一章 其他搜索公式及应用 第十二章 敌对搜索
第三部分 知识的表示和推理（18学时）
第十三章 命题演算 第十四章 命题演算中的归结 第十五章 谓词演算 第十六章 谓词演算中的归结 第十七章 基于知识的系统 第十八章 表示常识知识 第十九章 用不确定信息进行推理 第二十章 用贝叶斯网学习和动作 第四部分 基于逻辑的规划方法（4学时）
第二十一章
状态演算 第二十二章
规划
第五部分 通信与集成（2学时）
第二十三章
多agent 第二十四章 agent之间的通信 第二十五章 agent体系结构 考核权重：作业20%，编程20%，考试 60%
Artificial Intelligence
Instructor: Ye Yi
Aistant: Ye Yi
Number: Comp555 Hours: 48 Credits: 3.0 Prerequisites: Undergraduate course: discrete mathematics、computer programming Description：This course is designed as an introduction to view the topics in artificial intelligence.A progreion of AI system or “agent”, each slightly more complex than its predeceor, is considered.This course begins with elementary agents that react to the sensed properties of their environments and each such simple machine can be used to treat the topics in machine vision, machine learning and machine evolution.Then this course introduces techniques that allow agents to exploit information about the task environment that can not be immediately sensed.Such knowledge can take the form of descriptive information about the state of the environment, iconic models of the environment, state-space graphs, and logical representations.Textbook: Artificial Intelligence, Nils J.Nilon ,China Machine Pre.2000.9 References: [1] Lin YaoRui,Ma ShaoMing,Introduction to Artificial Intelligence,1989 [2] Shi CunYi etal, Principals of Artificial Intelligence,1993 General Syllabus 1.Introduction
Ⅰ.Reactive Machines
2.Stimulus-Response Agents 3.Neural Networks 4.Machine Evolution 5.State Machines 6.Robot Vision Ⅱ.Search in state space
7.Agents That Plan 8.Uninformed Search 9.Heuristic Search
10.Planning, Acting, and Learning
11.Alternative Search Formulations and Applications 12.Adversarial Search
Ⅲ.Knowledge Representation and Reasoning
13.The Propositional Calculus
14.Resolution in the Propositional Calculus 15.The Predicate Calculus
16.Resolution in the Predicate Calculus 17.Knowledge-Based Systems
18.Representing Commonsense Knowledge 19.Reasoning with Uncertain Information 20.Learning and Acting with Bayes Nets Ⅳ.Planning Methods Based on Logic
21 The Situation Calculus 22 Planning
Ⅴ.Communication and Integration
23 Multiple Agents
24 Communication among Agents 25 Agent Architectures Grade Points: Test 60 %, Programming 20 %, Exercise 20 %.
