大连海事大学智能科学与技术系 辽宁 大连市 116000；辽宁理工学院信息工程系 辽宁 锦州 121000
摘 要：本文探讨了关于搜索算法的教学工作，其中主要包括教学内容的安排和教学方法对我的启示。目的在于将这一方法和思想传授给学生，让他们除了对搜索算法内容上有更深的理解以外，还要灵活掌握这种思想，能够活学活用，解决以后在科学研究和实际生活中遇到的各种问题。
关键词：人工智能基础 启发式搜索算法 教学内容
一、背景
人工智能近两年迎来了飞速的发展，推动着各个行业的数字化转型。如智能平台，信息技术、仿生技术、纳米材料技术，以及大数据、云计算、人工智能、3D打印等众多先进技术被快速地融入到智能产品中。智能科学与技术专业是智能科学系于2003年提出成立的，其前身是北京大学信息科学中心，由数学系、计算机系、电子学系等10个系（所）于1985年成立。它是面向高新技术的基础型本科专业，覆盖面很广。近二十多年来，机器学习、计算智能、人工神经网络等行为主义的研究深入开展，形成高潮。同时，不同人工智能学派间的争论也非常热烈。这些都推动了人工智能研究的进一步发展。人工智能的迅速发展将深刻改变人类社会生活、改变世界。为抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，按照党中央、国务院部署要求，制定本规划。人工智能基础作为智能科学与技术专业的专业基础课程，对人工智能发展历史过程中的各种主要技术展开了专题性的介绍，旨在帮助学生理清人工智能学习中的各类技术脉络，使学生对不同种类的人工智能技术进行良好的梳理。
搜索算法是人工智能基础课程中的一个重要分支。在给定的问题，智能系统的行为一般是找到能够达到所希望目标的动作序列，并使其所付出的代价最小、性能最好。基于给定的问题，搜索就是找到智能系统的动作序列的过程。 搜索算法的输入是给定的问题，输出是表示为动作序列的方案。用搜索方法求解问题就是依据给定问题的信息，寻找从初始状态到某个目标状态的具有最优费用的动作序列。一旦有了方案，就可以执行该方案所给出的动作。本文旨在对启发式搜索算法的教学内容进行合理的安排，使得学生在掌握内容的前提下，更要深入思考，掌握其思想核心，并能够将该思想灵活应用到不同的实际问题中，为培养学生的独立思考和科研创造能力奠定良好的基础。
二、教学内容
搜索算法是在状态空间搜索的基础上慢慢发展起来的状态空间搜索，如果按照专业的说法就是将问题求解过程表现为从初始状态到目标状态寻找这个有效路径的过程。而通俗点说，两点之间求线路，这两点是求解的开始和问题的结果，而这条线路不一定是直线，可以是曲折的。由于求解问题的过程中分枝有很多，主要是求解过程中的求解条件的不确定性和完备性不全造成的，使得求解的路径很多这就构成了一个图，我们说这个图就是状态空间。问题的求解实际上就是在这个图中找到一条路径可以从开始到结果。这个寻找的过程就是状态空间搜索。
在本文中，我们主要关心状态空间、问题空间和博弈空间中问题求解的启发式搜索。问题空间搜索和博弈空间搜索是特殊的状态空间搜索方法。状态空间搜索首先将问题的全部可能状态及其关系表示出来，在搜索过程中，从初始状态出发，逐步遍历其状态空间，并通过识别当前状态是否为目标状态达到求解问题的目的。问题空间搜索用问题归约的方法进行搜索，在问题求解过程中，将问题逐步进行分解，变换成若干个子问题，通过求解子问题完成对原问题的求解。博弈空间搜索主要是利用已有的搜索技术用于求解博弈问题，并根据博弈问题的基本特点对搜索的控制进行优化。
三、教学安排
1.课题引入。
人工智能基础作为本科生的专业基础课，不仅要让学生明白所学的知识，更需要有效激发学生的浓厚兴趣，使他们对该学科产生兴趣，能够自发学习。那么在进行问题引入时，就需要对学生进行兴趣引导，使他们明确搜索算法这一知识点所依托的背景。在进行一些基础学习时，学生经常会有疑问，这个知识有什么用，是否有实际使用背景。这种情况下，就需要老师对学生进行有效的知识联想，清楚地告诉学生这个知识点所依托的实际背景，从而引发学生的学习兴趣，让学生主动学习知识。为了达成上述目的，在对搜索算法进行问题引入时，我们对搜索的概念进行了深入地探讨，从搜索关心的主要问题入手，以日常生活中遇到的实际问题来引起学生的兴趣，而后对这个问题进行逐步讲解，从而归纳出搜索算法的核心思想，并引出搜索算法遇到的问题，然后对算法进行改进。
2.理论简介。
当把搜索的思想成功引入后，需要对两种核心的搜索算法进行有效的归纳和总结。这两个重要的搜索方法是盲目搜索和启发式搜索，尽管这他们的核心思想相同，但又有各自的特点。
期刊文章分类查询,尽在期刊图书馆盲目搜索可以区分出哪个是目标状态；一般是按预定的搜索策略进行搜索；没有考虑到问题本身的特性，这种搜索具有很大的盲目性，效率不高，不便于复杂问题的求解。启发式搜索使用启发式信息指导搜索过程，可以在较大的程度上提高搜索算法的时间效率和空间效率；启发式搜索的效率在于启发式函数的优劣，在启发式函数构造不好的情况下，甚至在存在解的情形下也可能导致解的丢失现象或者找不到最优解。
搜索算法划分为二个阶段。初始化 ：建立只包含初始状态节点s的搜索图G:={s}、OPEN:={s}、CLOSE:={}；搜索循环：MOVE-FIRST(OPEN)-取出OPEN表首的节点n作为扩展的节点，同时将其移到close表、扩展出n的子节点,插入搜索图G和OPEN表、适当地标记和修改指针、排序OPEN表；通过循环地执行该算法，搜索图G会因不断有新节点加入而逐步长大，直到搜索到目标节点。为了更加清晰理解搜索的过程，画出它的流程图如左图所示。
3.知识应用。
在清晰理解搜索的理论知识后，需要带入一个案例，并以盲目搜索算法为例进行详细的讲解，使学生对于该案例进行充分的了解。而后引导学生采用其它搜索方法对相同的案例进行解决，从而强化学生对搜索方法的理解。在课堂教学过程中，可以把这种搜索的思想带入到传统的最优化问题中，以八数码问题为例。在解题过程中，对于不同的题干要求，需要设计不同的初始状态和目标状态，并对他们进行相应的调整，使得他们满足具体的问题。通过这种加强学习，使得学生能够活用学过的知识，做到具体问题具体分析，并掌握一定的科研创新能力。搜索算法实例——八数码游。设计评价函数f(n)，f(n)=d(n)+w(n),其中d(n)-节点n在搜索图中的节点深度，对g(n)的度量；w(n)-代表启发式函数h(n),其值是节点n与目标状态节点ng相比较，不考虑空格，错位的棋牌个数。
4.实践练习。
为了巩固教学效果，在学生今后的课程实践中，安排相应的搜索问题，使得学生能够动手实践，更加深入地掌握这种方法。通过实践联系，不仅仅使学生深刻理解了搜索的思想原理，更加是对学生的能力锻炼，在攻克一个个问题的过程中，使学生可以把所学知识与实践良好地联系起来。同时，在系统开发过程中，也对学生的团队协作能力进行了锻炼，为学生今后进入工作和科研系统打下了结实的基础。
四、教学启示
在学习研究搜索算法的过程中，我们得到了教学以外的以下几点启示：
1.有趣的案例与理论教学相结合，是引起学生兴趣的最好手段。
都知道兴趣是学生学习的最好的老师，但是如何激发学生的兴趣则是我们需要思考的问题。由于人工智能科学的特殊性，我们可以发现，任何智能技术都有着一定仿生学的影子，因此，我们要重视这一点，以实际案例为导向，激发起学生的学习兴趣。只有当学生清楚地明白他所学的知识有用，有实际意义，他才会真心地投入到该技术的学习中。
2.易理解且灵活的例子，是掌握知识的最好通道。
掌握知识，不仅仅指的是学生学会了考试内容，可以做出计算题，更多的是指学生掌握了该技术，能够把该技术用到合适的场景中。那么在教学过程中，就需要老师通过各类不同的案例，并且不断变化案例的核心题干，来加深学生对知识的了解。并且需要多留思考题，开动学生的大脑，对问题进行深入分析，从而尽早掌握该知识。
3.理论联系实际，是提高学生能力的最好方法。
单纯的理论学习，并不能使学生对这门课程产生深刻的印象。所以在后期的课程实践中，可以通过安排相应的最优化选题，来不断加深学生对进化计算知识的掌握。并且，在实践过程中，加强对学生的团队协作能力以及科研创新能力进行全面的提升。
五、结束语
在课程教学中，我们精心准备了搜索算法中所需要使用的各类案例，并通过调整授课内容顺序，使得学生在理解搜索思想的基础上，能够灵活掌握所学习的知识，做到具体问题具体分析，理论联系实际。在接下来的教学过程中，我们将会就搜索计算问题进行更加深入的探索，拟引入当前该领域内的最新研究问题，进行事例探讨，并留给学生更多的讨论思考时间，为培养高素质的科研型人才奠定良好的基础。同时，我们会对人工智能基础中的其他专题展开有针对性的深入研究，争取将这门课程的每个专题设计得更加灵活生动，帮助学生掌握该门课程的同时，为学生在人工智能研究方法上奠定良好的基础。
参考文献
[1]Stuart J.Russell Peter Norving 人工智能：一种现代的方法.清华大学出版社，2013。
[2]蔡自兴 人工智能及其应用（第5版）.清华大学出版社，2016。
[3]史忠植 人工智能.机械工业出版社，2016。
[4]高济 人工智能基础（第2版）.高等教育出版社，2008。
论文作者:张晓娟
论文发表刊物:《教育学》2018年9月总第152期
论文发表时间:2018/9/30
标签：人工智能论文; 算法论文; 学生论文; 状态论文; 启发式论文; 过程中论文; 节点论文; 《教育学》2018年9月总第152期论文;