授课计划-数学科学学院-济南大学.docVIP

授 课 计 划 2017— 2018学年第二学期 学 院： 数学科学学院 课程名称： 计算智能 课程编码： 09A03120 课程类别： 专业任选课 计划学时： 64 （理论：48 实验：16 ） 学 分： 3.5 授课时间： 周一1、2节，7、8节（双周），周五3、4节（单周） 授课地点： 7JC603 教 学 班： 计算1501 授课教师： 徐法升 填报日期： 2018 年 3 月 3 日 计算智能课程授课计划 一、课程内容简介与教学目的 （一）本课程主要介绍计算智能方法，包括模拟进化计算、群智能和人工神经网络。通过本课程的教学，使得学生能够了解计算智能的研究目标与意义，掌握模拟进化计算中的常见的几种智能算法，包括遗传算法、粒子群优化算法、蚁群算法等；掌握人工神经网络的基本概念、基本原理、神经网络模型的设计、训练算法、仿真程序的设计、实际应用。通过本课程的学习，达到教会学生能够区分常见的优化问题，采用何种优化算法，为以后的学生更深入的科研和工作打好基础。 （二）计算智能是受到大自然智慧和人类智慧的启发而设计的一类算法的统称，它在国内外得到广泛的关注，已经成为人工智能以及计算机科学的重要研究方向。作为信息与计算科学的学生，利用所学的数学以及计算机知识，结合最新的计算智能方法，来求解科学工程中的实际问题，应该成为本专业学生的特长。本课程发挥信息与计算科学的学生的特点，讲解计算智能的一些常用方法，并针对特定问题具体用代码实现算法，编写出可执行的程序，从而教会学生分析问题，解决问题的能力，并且能够真正的完成问题的求解，而不仅是纸上谈兵。 二、课程要求及教学活动项目 （一）课程要求： 通过本课程的学习要求学生达到以下的能力： 1、能够理解常见的优化问题的种类，分清一些优化问题属于哪一类； 2、会编码实现遗传算法并能够对遗传算法的一些改进进行学习，能够利用遗传算法求解一些常见的优化问题； 3、会编码实现粒子群优化算法、蚁群算法，能够利用粒子群优化算法求解函数的优化问题，能够利用蚁群算法求解TSP问题； 4、了解模拟退火算法、禁忌搜索算法等，能够利用这些算法求解一些常见的优化问题； 5、掌握常见的几种人工神经网络的拓扑结构、网络运行原理、网络所采用的算法、网络模型的特点和网络的设计。 6、掌握神经网络模型的仿真程序设计； 7、会利用所学的神经网络知识解决一些实际问题。 （二）教学活动项目及学时分配： 理论教学48学时；上机做实验16学时。 三、成绩考核 成绩考核采取考试的形式，百分制，成绩构成如下： （一）平时成绩：主要包括课堂出勤、上机表现、作业占总成绩的30%。 （二）期末考试成绩: 闭卷考试。 （三）最终成绩组成说明：平时成绩30%+期末考试成绩70% 四、教材及参考资料 推荐教材： 张军，詹志辉，《计算智能》，清华大学出版社，2009年 参考书目： 1. 王小平，曹立明，《遗传算法--理论、应用与软件实现》，西安交通大学出版社，2002年 2. (意)Marco Dorigo，(德)Thomas Stützle，《蚁群优化》，清华大学出版社，2007年 3. 段晓东，王存睿等，粒子群优化算法，辽宁大学出版社，2007年 五、教师联系方式及答疑要求 教师：徐法升，联系电话邮箱：ss_xufs@ujn.edu.cn,答疑时间：周二7、8节，答疑地点：7JC605。 六、课程教学计划安排及策略 周次 学时 授课内容 目的要求 作业 1 2 绪论 1.1最优化问题 1.2计算复杂性及NP理论 1.3智能优化计算方法：计算智能算法 本章提出当前科学工程中遇到的优化问题，分析这些问题的求解难点所在，介绍了一些求解方法。目的是展现计算智能算法的整体面貌。要求学生结合所学的数学知识，理解这些问题，从而探讨问题的求解方法。 P11 2、3、5 2 第四章 遗传算法 4.1 遗传算法简介 基本原理、研究进展 4.2 基本遗传算法的流程 本节内容旨在介绍遗传算法的形成原理以及研究进展，讲解基本遗传算法的流程，要求学生能够了解遗传算法的形成机理，掌握基本遗传算法的流程 P73 1、2 2 2 4.3 遗传算法的基本实现技术 遗传算法的编码、遗传算法的参数设定与约束处理、 遗传算法中的交叉变异、遗传算法中的适应度函数和选择算子 本节内容从编码的角度来讲解遗传算法，目的是让学生能够真正的会编写程序实现遗传算法，解决实际问题，要求学生利用所学的编程语言，实现课堂讲解的内容，设计遗传算法中的交叉、变异、选择算子，并且设计遗传算法中用到的适应度函数，目的是让学生能够真正的会编写程