原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
PAGE
PAGE1
广州大学研究生课程教学大纲
课程名称
中文
智能计算
课程编号
0006200074
英文
IntelligentComputing
开课单位
计算机科学与网络工程学院
考核方式
考查
学时
32学时
学分
2
课程类别
专业课
编制者
吴昱
适用对象
学术型硕士、专业型硕士
课程简介(中文)：
智能计算是受到大自然智慧和人类智慧的启发而设计的一类优化计算方法，以解决科学研究和工程实践中遇到的复杂优化问题。作为优化计算课程体系的重要课程，本课程主要讲授各种智能计算方法的思想来源、流程结构、发展改进、参数设置和相关应用。要求学生系统学习目前具有代表性的智能计算方法的理论基础和应用，借助各种工具进行科学文献检索，能够应用相关优化算法对各类实际问题进行优化计算。
课程简介(英文)：
Intelligencecomputingisakindofoptimizationmethodinspiredbycharacteristicofnatureintelligenceorhumanintelligence,whichisusedto?solvecomplicated?optimization?problems?inscientificresearchandengineeringpractice.Thecoursemainlyintroducestheoriginal?idea,processstructure,development,parametersettingandrelatedapplicationsofvariousintelligentmethods.Studentsarerequiredtosystematicallystudythemethods’theoreticalbasisandapplication,tosearchscientificliteratureswithdifferenttools,andtosolvevariouspracticalproblemsbyapplyingrelatedoptimizationalgorithms.
课程目标与基本要求：
课程目标：智能计算是计算数学及计算机应用技术等专业的重要必修课程。通过该课程的学习，要求学生掌握模拟进化计算、人工神经网络和群智能计算等智能计算方法的理论、模型和算法，了解国内外智能计算的发展状态，并能应用所学内容解决实际问题或方法上有所创新。
基本要求：
1.?理论内容方面，通过本课程学习，要求学生系统地掌握一些主流智能计算方法的基本理论、设计思路、性能特点和适用范围；
2.?实践训练方面，要求学生能够运用编程工具和编程语言实现相关算法，并应用算法解决实际问题；
3.?要求学生了解智能计算理论研究方法，能够阅读相关中英文文献，了解其最新动态，使学生受到更严密、更系统的学术研究及其思维方法的训练。
课程内容及学时分配：
教学主题1：智能计算概述（3学时）
[主要内容]：讲解课程安排、教学目标和要求、成绩计算方法；
最优化问题和分类介绍、智能计算理论、应用和最新进展；
介绍文献检索知识等
[课后作业1]：选择一种智能算法为主题（如遗传算法、蚁群算法、粒子群算法、差分进化算法等）写一份算法综述（包括算法起源、流程结构、算法改进、实践应用等方面），了解智能算法的前世今生，以及未来发展趋势
教学主题2：遗传算法（4学时）
[主要内容]：遗传算法的基本原理、研究进展、流程结构、改进算法中算子的选择和参数设置等；
[课后作业2]：用老师给的遗传算法程序，求解连续函数问题，并对算法参数进行调查，写成报告。
教学主题3：粒子群优化算法和差分进化算法（5学时）
[主要内容]：两种算法的基本原理、研究进展、流程结构、参数设置和相关应用等；
[课后作业3]：编码实现粒子群优化算法（或者差分进化算法程序），求解连续函数问题
教学主题4：组合优化问题（4学时）
[主要内容]：个人作业2汇报
介绍TSP问题、0-1背包问题等问题模型和相对应的优化方法；
[课后作业4]：编码实现基于遗传算法的TSP问题求解
教学主题5：约束优化（3学时）
[主要内容]：约束优化问题模型、约束优化方法中主流的几种约束处理技术和相关具体算法流程；
教学主题6：蚁群优化算法（4学时）
[主要内容]：个人作业2汇报
蚁群优化算法的基本原理、研究进展、流程结构、参数设置和相关应用等；
教学主题7：多峰值优化与多目标优化（4学时）
[主要内容]：不同优化问题的模型、问
文档评论（0）