计算智能理论与应用韩晓霞.docVIP

计算智能理论与应用 一、课程基本情况 课程编号 s081115 开课学期 □第一学期 ■第二学期 学分 2 课程名称 （中文）计算智能理论与应用 （英文）Computational Intelligence Theories and Applications 课程类型 □专业基础课 ■专业选修课 课程学时分配 课程学时 学时分配 40 课堂讲课 34 课堂讨论 6 自学交流 课程负责人 韩晓霞 课程团队 谢刚 阎高伟 陈泽华 韩晓明 王芳 教学方式 ■课堂讲授 ■专题讨论 考核方式 □考试 ■考查 适用院系、学科 控制科学与工程、电子科学与技术、信息与通信系统、计算机科学与技术 先修课程 概率论、数理统计、人工智能 教材与 参考书目 张军, 詹志辉等. 计算智能. 北京：清华大学出版社，2009. 丁永生. 计算智能——理论、技术与应用. 北京：科学出版社，2004. 夏定纯, 徐涛. 计算智能. 北京：科学出版社，2008 RussellC. Eberhart，YuhuiShi. Computational Intelligence, 人民邮电出版社, 2009. 二、课程内容简介 计算智能是控制科学与工程专业的必修课，也可供相关专业的研究生选修。计算智能是继人工智能之后的研究热点，其理论与方法已成功应用于几乎所有的科学与工程领域，特别是非线性系统识别与控制、模式识别与智能系统、财经建模与预测、计算材料学、生物医学图像处理、生物信息学与系统生物学等。 该课程主要内容包括：人工神经网络、进化计算、模糊系统、人工免疫系统、群体智能、混沌理论、粗糙集理论、支持向量机、模拟退火、DNA计算等方面的理论、技术与应用，重点对各种算法的思想来源、流程结构、发展与改进，及其相关应用进行讲授。 采用课堂讲授、问题讨论与课外阅读相结合的教学方法，同时由于计算智能受到国内外学者广泛关注，处于不断发展和完善的过程中，课程学习中将通过讲座、沙龙的形式拓展计算智能的最新的研究成果。三、课程教学安排 1 绪论（2学时） 1.1课程简介（课程主要内容、课程要求及考核方式等） 1.2概述（计算智能背景知识及其分类研究与发展、特征与应用等禁忌搜索四、课程知识单元与知识点 计算智能与软计算方法解决问题的思路与整体框架结构 传统优化算法的特点与局限 NP hard问题 最优化 组合优化 计算智能在处理复杂问题中的基本思路和框架 计算智能与仿生学之间的对照 生物界的进化过程、生物的生理构造和身体机能、动物的群体行为、自然界的物理现象、人类的思维、语言和记忆过程的特性提取 计算智能对以上仿生学现象的模拟、基本模型的建立 达尔文进化论与遗传算法 生物神经元模型与人工神经网络 鸟群觅食行为与粒子群算法 信息素与蚁群算法 免疫、抗体与人工免疫算法 物理退火与模拟退火算法 优化计算 多目标优化、组合优化 遗传算法优化 粒子群优化 蚁群优化 混沌优化 人工免疫算法优化 基于数据的分类与模式识别 神经网络分类器 支持向量机分类器 粗糙集分类器 模糊聚类 基于数据的非线性建模 神经网络非线性建模 支持向量回归机建模 模糊建模 混沌时间序列预测建模 计算智能方法之间的融合 模糊神经网络分类器 利用神经网络挖掘模糊逻辑 进化神经网络 基于粗集的神经网络 几种优化算法对神经网络权值、阈值及支持向量机超参数的启发式寻优