1. 课程目标
人工智能为知识工程的发展提供了理论基础，知识工程的发展进一步将人工智能推向了更广泛的应用领域。具体目标包括：
（1）丰富和完善对人工智能领域的理论、方法的学习和研究。
（2）学习和研究计算智能的启发式算法。通过自主/合作学习与研究的方法，训练和提升学生分析问题、发现问题和解决实际问题的能力。
（3）提高学生获取文献的能力。同时，通过书写文章来提高学生归纳、总结、抽象、提炼研究成果的学术研究素养，为开题报告和毕业论文的完成和将来从事科学研究工作奠定坚实的基础。
2. 课程内容
《知识工程》这门课是研究生第一学期《人工智能》专业基础课的后续课程。由于《人工智能》课中对基本的知识表示、知识推理、知识获取、专家系统等方面的基本理论和方法进行了详细的讲授和讨论，所以在《知识工程》这门课中将主要从计算智能的角度来开展教学和研究。
本课程共包括4个模块，含7个专题。模块一为人工智能与知识工程概述（专题1）。模块二为传统人工智能基本理论和方法的梳理（专题2-3）。模块三为计算智能研究（专题4-6）。模块四为科技论文书写探讨（专题7）。其中的重难点部分是第三模块。
2.1. 专题一：人工智能与知识工程概述
（2学时 2017-3-1）
1、核心内容
人工智能的研究途径；人工智能的应用领域；在大数据环境下人工智能的研究方法和发展趋势；知识工程与知识管理等。
2、思考与讨论问题
大数据和人工智能的关系。
从IBM的Watson机器人到谷歌DeepMind实验室研发的人工智能围棋程序AlphaGo，给你怎样的启示。
什么是计算智能？计算智能和传统人工智能是什么关系？
什么是启发式算法？比较著名的启发式算法有哪些？
讨论本课程的教学目标、教学内容、教学方式、考核方式等的设置是否合理？
3、阅读文献
参考文献1中的第1、7、8章
参考文献2中的第1章
参考文献3中的第1章
参考文献5
2.2. 专题二：知识表示、知识推理和知识获取的方法
（2学时 2017-3-8）
1、核心内容
知识表示方法及特点的分析和总结；基本推理方法和实用推理技术的梳理；知识获取的基本过程、手段和工具的分析和总结；各类机器学习方法的回顾与比较等。
2、思考与讨论问题
如何理解和应用启发式搜索策略？
知识获取的途径有哪些？机器学习、知识发现和数据挖掘是什么关系？
3、阅读文献
参考文献1中的第5章
参考文献2中的第2、3、4、8章
参考文献5
2.3. 专题三：专家系统
（2学时 2017-3-15）
1、核心内容
专家系统的结构、原理、建造及评价的分析和总结。探讨大数据环境下的专家系统的设计及实现的关键问题。
2、思考与讨论问题
基于知识的系统（专家系统）的研究瓶颈问题有哪些？破解思路是什么？
深层知识专家系统、模糊专家系统和神经网络专家系统的深入研究。
大型协同分布式专家系统的设计与实现的关键问题分析。
3、阅读文献
参考文献1中的第2章
参考文献2中的第7章
参考文献5
2.4. 专题四：演化计算
（6 学时 2017-3-22 ~2017-4-5）
1、核心内容
演化计算概述；遗传算法（比如，模式、编码、适应度等方面的内容）及应用案例的学习与探讨；遗传规划及应用案例的学习与探讨；应用遗传算法来解决TSP问题的关键问题研究。
2、思考与讨论问题
编码问题：在哪年由谁提出了怎样的编码方案？性能如何？主要特点是什么？主要用来解决哪些类问题等。
对有记忆的遗传算法的深入研究。
参数设置问题：各种操作的参数选择方法等。
3、作业 :
作业1：利用遗传算法来实现求解TSP问题（或类似问题）的软件系统。具体要求见附录V.
4、阅读文献
参考文献1中的第4章
参考文献2中的第6章
参考文献3中的第4章
参考文献4、5
2.5. 专题五：群智能计算
（10学时 2017-4-12 ~2017-5-10）
1、核心内容
群智能计算概述；蚁群算法及应用实例的学习与探讨；粒子群算法及应用实例的学习与探讨；应用蚁群算法、粒子群算法来解决TSP问题的关键问题研究；遗传算法、蚁群算法、粒群算法在解决优化问题方面的比较研究。
2、思考与讨论问题
蚁群算法的改进方法比较与发展趋势分析。
蚁群算法、粒子群算法的实现技巧梳理
遗传算法、蚁群算法和粒子群算法的综合应用
3、作业
作业2：利用蚁群算法来实现求解TSP问题（或类似问题）的软件系统。具体要求见附录V.
作业3：利用粒子群算法来实现求解TSP问题（或类似问题）的软件系统。具体要求见附录V.
4、阅读文献
参考文献1中的第4章
参考文献2中的第9章
参考文献3中的第5、6章
参考文献4、5
2.6. 专题六：神经计算
（ 10学时 2017-5-17 ~2017-6-14）
1、核心内容
人工神经网络概述；典型BP前向网络及应用实例的学习与探讨；典型Hopfield反馈网络及应用实例的学习与探讨；应用人工神经网络技术来解决TSP问题的关键问题研究；模糊神经网络的学习与探讨；在解决组合优化问题方面本课中涉及到的各类优化算法的比较研究。
2、思考与讨论问题
人工神经网络中的学习方法的比较与选择。
如何理解和应用模糊逻辑推理技术？
各种优化算法的综合应用。
什么是深度学习？它对我们的生活有什么影响？你是如何看待人工智能发展的未来的？
3、作业
作业4：利用人工神经网络技术（比如，Hopfield）来实现求解TSP问题（或类似问题）的软件系统。具体要求见附录V.
4、阅读文献
参考文献2中的第4、5章
参考文献3中的第2、3章
参考文献4、5
2.7. 专题七：科技论文书写
（ 4学时 2017-6-21 ~2017-6-28）
1、核心内容
科技论文书写的一般格式；科技论文写作的方法；科技论文写作应注意的问题；论文实例的阅读、分析与探讨；自己动手书写论文，对论文质量进行评价，选择合适的期刊杂志和会议等出版单位进行投稿。
2、思考与讨论问题
结合这门课的具体内容，来确定论文的选题、框架、突出的主题、针对主题的讨论、结论等。
展示自己的成果，和老师、同学一起讨论修改方案，直至形成论文终稿。
3、阅读文献
参考文献5
3. 教学方式
本课程主要采用讲授法、研讨法、任务法、文献法等教学方式。基本理论、方法和算法以及具体任务的布置等内容采用讲授法。学生在自主学习/合作学习（组建小组、小组分工、协作讨论、确定方案、成果呈现）过程中经历了搜集资料、制定和实现方案、展示成果等活动，主要应用了文献法、任务法和研讨法等。
4. 学习资源
1、知识工程与知识管理，陈文伟，陈晟，清华大学出版社,2010。
2、人工智能技术， 曹承志，清华大学出版社，2010。
3、计算智能，张军，詹志辉，清华大学出版社，2009.
4、自选Matlab 教材.
5、高质量的学位论文及核心期刊的相关文章。文献检索例子见附录I。
5. 学习建议
1、为了深入地理解和应用各类启发式优化算法，需要学生具备一定的数学基础和会应用Matlab编程环境。
2、本课程是实践性很强的课程，学生一定要动手开发具体的应用系统，这就要求同学们要具备相关的系统开发基础。
3、要跟上老师的教学进度，及时阅读老师提供的参考资料，作业按时完成，否者会影响后续课程的学习。
6. 分组
注: 每组第一人为组长。第一组3月22日讲授遗传算法及应用案例介绍；第二组3月29日开始讲授遗传规划及应用案例介绍；第三组4月19日开始讲授蚁群算法及应用实例介绍。
7. 考核方式
1、总分100分。
2、每五个人一组，完成两个作业（具体见分组表），每个作业占总成绩的30分。本部分成绩由老师（80%）和学生（20%）的打分综合形成。要求和评价标准见附录III 和附录IV。 (小组成员成绩有区别)
3、根据选择的作业内容，每人写一篇3000字左右的小论文，占总成绩的20分。要求至少15篇高质量的参考文献。
4、课堂表现（出勤、演讲、参与度等）占总成绩的20分。本部分成绩由老师（80%）和学生（20%）的打分综合形成。要求和评价标准见附录III 和附录IV。
5、作业必须按时完成，超期限者不能得分。
8. 附录
8.1. 附录I：文献检索例子
表一 相关文献的检索情况
搜集到的论文篇数如表一所示。去除相关度太低和年限太久的文献，对剩余的文献进行分析。相关文献主要涵盖以下几方面：
1、基本理论研究：涵盖概念、定义、特点、分类、理论方法、研究现状、研究趋势、应用价值等。
2、相关技术研究：包括X技术，X X技术，… …
3、技术应用研究：应用模式，应用领域，… …
4、相关标准研究：A标准， B标准，… …
5、… …
本文对与本研究相关的XX方面的文献进行了详细阅读和分析整理。具体成果如下。
读书报告
… …
8.2. 附录II：项目报告格式及要求
一、题目
二、报告人
三、项目意义、要求及条件：为什么要做这个项目，有哪些具体要求，提供了哪些条件去完成这个项目。
四、具体内容
1、系统简介：包括采用了哪些理论方法与算法，实现了哪些功能，解决了哪些实际问题。
2、系统设计：给出框图，并对模块及模块之间的关系给出解释。
3、系统开发环境：硬环境及软环境。
4、系统使用说明。
五、系统性能分析
对好的方面，从理论方法上进行归纳总结。对存在问题的方面，找出原因，并给出改进方法及建议。
六、心得体会: 开发中所遇到的困难及解决方法, 从中得到的经验和教训，对以后学习、科研等方面所带来的启示。对这门课的意见及建议。
8.3. 附录III：课堂讲解要求
（以遗传算法为例）
1、来龙去脉：在什么情况下，存在什么问题，遗传算法是从什么样的视角来解决问题的？（整体介绍，通常10分钟左右）
2、主要内容：基本概念（最好举例说明）、遗传算法描述、遗传算法实例、遗传算法特点等。（细节介绍，通常20分钟左右）
3、主要研究问题：利用文献法来总结各种问题的研究现状，把你阅读的文献（至少3篇）提前3天发到云盘中。（重点内容介绍，通常讲解20分钟左右）
a)编码问题：比如，在哪年由谁提出了怎样的编码方案？性能如何？主要特点是什么？主要用来解决哪些类问题等。
b)参数设置问题：比如，各种操作的参数选择方法等。
c)各种启发式实现方法：比如，有记忆的遗传算法等。
d)… …
4、应用领域：利用文献法来总结遗传算法各种领域的应用现状，把你阅读的文献（至少3篇）提前3天发到云盘中. （重点内容介绍，通常讲解20分钟左右），比如，
a)在哪些领域的哪些方面应用了遗传算法？
b)为什么选用这个算法？具体如何实现的？
c)性能如何？存在怎样的问题？改进方向如何？
8.4. 附录IV：课堂讲解评价
1、内容方面 （60分）
a)准确
b)全面
2、PPT制作（20分）
a)必须自己制作PPT讲稿，可以应用已有模板；
b)内容衔接得当，清晰、有逻辑性；
c)图片/图表清楚，显示性强，引人入胜，当然也不要过于花哨，喧宾夺主；
d)文字要突出重点，不要整页的文字。
3、讲解水平（20分）
a)声音洪亮、吐字清晰；
b)选用合适的串接词，讲出逻辑性，不要照着文字念；
c)注意时间分配，突出重点；
d)给出一些启发式的话题，适当地互动，集中大家的注意力。
8.5. 附录V：作业
利用启发式算法（遗传算法、蚁群算法、粒群算法、人工神经网络等）来实现求解TSP问题（或类似问题）的软件系统。要求：
1、实现一个应用系统，要求有GUI界面，可以对一些关键因子进行调整。同时，系统不仅显示最终结果，还要记录和显示中间结果，给出获得此结果的推理过程。
2、在课堂上由一名小组成员演示并讲解所实现的系统。由全体成员来回答其他同学和老师的提问。然后由老师和同学为小组中的成员打分，讲解要求和评分标准见附录III和附录IV。
3、提交项目报告（见附录II），源程序。
