教学大纲(智能优化技术及应用)_修订.docVIP

大连海事大学 《智能优化技术及应用》课程教学大纲 适用专业 全校理工科各专业及人文经管等需要的专业 学分数 2 学时数 36 考核方式 考查 执笔者 李广强 编写日期 2006. 4 教研室主任签字 李 晖 主管教学院长（主任）签字 谭 跃 本程的性质和目的 本课程是可供全校理工科各专业及人文经管等需要的专业方向本科生和研究生选修的课程之一。其教学目的是使选修该课程的学生了解最优化问题的概念、基础理论和基本解法，掌握智能优化方法中的遗传算法和模拟退火等算法的基本原理和算法实现技术，并学习编制优化算法程序解决相关的实际问题。最优化问题涉及范围广、跨度大，学习本课程可为日后从事多种领域的实际工作和科学研究打下一个较好的基础。 课程简介 本课程主要介绍最优化问题的基本概念、数学模型及其基本解法；介绍最优化问题的理论基础，包括局部最优和全局最优的概念，无约束和约束最优化问题的极值点存在条件等；以遗传算法为重点，阐述智能优化方法的基本原理、数学基础、各种实现技术及应用；概述模拟退火、蚁群优化、粒子群优化等其他现代优化方法的基本思想等相关内容；此外还讨论部分算法的程序设计问题。 课程教学内容 1、最优化问题概述 通过举例，引出最优化问题的基本概念，给出其基本要素和数学模型；阐述最优化问题的基本解法，简介经典的数学规划法和现代智能优化方法的基本思想和比较。 最优化问题的理论基础 最优化问题的几何意义，凸集与凸函数，无约束和约束最优化问题的极值点存在条件。 模拟退火算法 退火算法的思想，Metropolis准则，算法实现和特性，算法的改进和应用。 遗传算法原理及应用 算法简介，基本遗传算法的描述；遗传算法的具体实现技术，包括编码方案，适应度函数，交叉、变异、选择算子设计和相关参数选取；算法的高级实现技术，小生境和混合算法等；并行遗传算法的实现技术；遗传算法的数学基础和应用。 其它智能优化方法 简介进化规划、进化策略、蚁群优化、粒子群优化、差异演化等其他优化方法的基本思想等相关内容。 算法的程序设计和实现 采用一种编程语言(如C/C++)，探讨部分算法(如遗传算法)的程序实现技术，培养用智能优化算法求解实际问题的能力。 教学时数分配表 序号 内容 总学时 讲课 实验 实践 上机 一 最优化问题概述 2 二 最优化问题的理论基础 4 三 模拟退火算法 4 四 遗传算法原理及应用 14 五 其它智能优化方法 8 六 算法的程序设计和实现 4 合计 36 课程教学内容的基本要求 1、了解最优化问题的基本概念，数学模型和基本解法；了解数学规划法和遗传算法等现代智能优化算法的特点和区别； 2、掌握最优化问题的几何意义；明确函数的凸性与局部最优和全局最优的关系；掌握无约束和约束最优化问题的极值点存在条件； 3、了解退火算法的思想，Metropolis准则，算法的实现和特性； 4、掌握遗传算法的基本思想，实现技术，运行参数的选择，混合算法的思想；掌握并行遗传算法的实现技术；明确遗传算法的数学理论基础和典型应用；掌握基本遗传算法的程序设计，并能解决一般的最优化问题。 5、了解其它智能优化方法的基本思想等相关内容。 本课程教材和参考书 1、王凌. 智能优化算法及其应用. 北京: 清华大学出版社, 2001 2、周明, 孙树栋. 遗传算法原理及应用. 北京: 国防工业出版社, 1999 3、唐焕文, 秦学志. 实用最优化方法. 大连: 大连理工大学出版社, 1994 本课程与其他课程的联系与分工 本课程涉及高等数学，线性代数，概率统计，计算机编程等相关知识，是一门多学科交叉的专业课程。最优化问题及其求解方法，几乎涉及理工医农，管理军事乃至人文经法各领域，是利用计算机技术求解许多问题的有力工具，适用于多种专业的本科生或研究生。 任课教师资格 具有教授或者副教授职称的教师进行授课 为达到本课程的目的和要求所采取的措施 1、利用计算机多媒体技术增大单位学时内的信息量； 2、努力增加讨论环节，引导学生逐步学会自己从前人研究问题、分析问题、演绎推导结果的过程中，体会和领悟科学研究和发现的进程，使学生真正学有所获；同时鼓励有兴趣的同学，对问题建模、算法的性态分析和改进等较深入的问题进行进一步的研究和提高。