计算智能理论及应用韩晓霞.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：??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（计算智能的背景知识及其分类、研究与发展、特征与应用等） 2 神经网络（6学时） 2.1 神经网络的结构和学习算法 2.2 神经网络分类及模式识别 2.3 神经网络优化计算 2.4 神经网络非线性系统建模 3 模糊系统（6学时） 3.1 模糊逻辑推理系统 3.2 模糊推理与系统建模 3.3 模糊划分及模糊聚类方法 3.4 模糊系统混沌时间序列预测 4 进化计算（4学时） 4.1 进化计算的基本框架 4.2 遗传算法简介 4.3 遗传算法的流程及改进 4.4 遗传算法与其他智能方法的融合 5 群体智能（6学时） 5.1 粒子群优化算法基本思想及实现 5.2 蚁群算法基本思想及实现 5.3 多目标优化基本概念 5.4 Memetic算法简介 6 人工免疫系统（4学时） 6.1 自然免疫系统 6.2 免疫网络及其计算特性 6.3 基于免疫系统的建模 6.4 基于免疫系统的优化与调度 7 模拟退火与禁忌搜索（2学时） 7.1 模拟退火算法及其设计 7.2 禁忌搜索算法 8 粗糙集理论（4学时） 8.1 基于粗糙集理论概念的应用 8.2 基于粗糙集理论方法的系统简化 8.3 从数据中挖掘决策规则 9 支持向量机（4学时） 9.1 统计学习理论与VC维 9.2 支持向量机学习算法 9.3 支持向量机分类及模式识别 9.4 支持向量回归机建模 10 混沌理论（2学时） 10.1 混沌及其特性 10.2 混沌预测算法 10.3 混沌优化方法 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