智能计算实验课程教学大纲doc.doc

附件三：实验课程教学大纲基本格式 智能计算实验课程教学大纲 课程名称： 智能计算 课程编码： 英文名称： Intelligent Computation 学 时： 16 其中必做： 16 学 分： 0.5 开课学期： 第7学期 适用专业： 计算机科学与技术 课程类别： 选修 课程性质： 专业课 先修课程： 程序设计基础 一、课程性质及任务 智能计算是计算机专业本科生的一门选修课程，也是一门理论与实践相结合的课程。智能计算实验课程是它的重要组成部分和补充。本课程旨在培养学生对人工智能、智能计算领域学习兴趣，使学生了解和掌握智能计算的基本概念、理论和一些主流的智能计算方法，进一步加强和培养学生独立分析和解决问题的能力，为将来在人工智能、智能计算领域的进一步研究和实践奠定良好的基础。 二、课程的教学要求 了解和掌握智能计算的基本概念、理论。理解一些主流智能计算方法的设计思路、性能特点以及适用范围。能够运用编程工具和编程语言对一些标准方法进行实现，并能够在实现过程中进行调试、排错，保证算法实现的正确性，从而达到理论知识和实验知识的融会贯通，知行合一的目的。事先应先编好程序或者伪代码，在实验结束后，应整理出实验报告。 三、实验项目与学时分配 序号 项目 内容提要 学时 性质 要求 1 人工神经网络实验 编写人工神经网络实验程序，要求神经元个数可调，能够验证不同神经元个数对问题求解的影响 2 验证 必做 2 BP网络非线性函数拟合 给定一个非线性函数，构建BP网络对其进行拟合 2 综合 必做 3 Hopfiled网络求解TSP问题 给出一个旅行商（TSP）问题，用Hopfiled网络对其进行求解 2 设计 必做 4 模糊聚类实验 实现模糊C-均值聚类算法，并与K-均值算法进行比较，测试数据取自UCI数据库 2 综合 必做 5 遗传算法实验 编写遗传算法，掌握遗传算法的思想和流程，通过函数优化问题来验证算法正确性 2 验证 必做 6 遗传算法深入实验 实现遗传算法，并对函数进行优化，分析不同群体规模、交叉概率、变异概率对算法性能的影响 2 设计 必做 7 蚁群算法实验 实现蚁群算法，理解算法的思想和流程，通过函数优化问题来验证算法正确性 2 验证 必做 8 粒子群算法实验 实现粒子群算法，理解算法的思想和设计原理，通过函数优化问题来验证算法正确性 2 验证 必做 9 自组织神经网络实验 建立自组织网络模型，实现特征选择和聚类 综合 选做 10 模糊神经网络实验 将模糊理论与神经网络相结合，建立模糊神经网络，应用于模式识别问题 设计 选做 11 遗传算法的改进 对遗传算法进行修改，设计修改策略，通过函数优化问题，和原算法进行对比，并根据对比结果对改进算法进行分析 创新 选做 12 蚁群算法求解聚类问题 讨论蚁群算法如何应用于聚类问题的求解，并通过UCI数据库中的数据集进行测试 创新 选做 13 粒子群算法参数分析 针对函数优化问题，设计一种对惯性权重或其他参数自适应调整的方案，并分析参数的变化对求解效率和质量的影响 设计 选做 14 粒子群算法的改进 对标准的粒子群算法进行修改，设计修改策略，通过函数优化问题，并根据结果对改进算法进行分析 创新 选做 15 模拟退火算法实验 学习模拟退火算法，实现算法，并用于求解函数优化问题 综合 选做 16 人工蜂群算法求解TSP问题 学习人工蜂群算法，实现算法，并求解旅行商问题 综合 选做 17 混合优化算法 根据算法自身的原理、特点等，将两种或两种以上的算法相结合，共同优化 创新 选做 注：项目性质：演示、验证、综合、设计、创新 项目要求：必做、选做 四、考核及成绩评定 1、考核方式：操作 2、考核标准及比例：预习报告 10%、出勤 20%、操作 40%、实验报告 30% 五、主要教材、参考书 吴微 周春光 梁艳春. 《智能计算》. 高等教育出版社：北京. 2009年12月 Andries. P. Engelbrecht 著 谭营等 译. 《计算智能导论（第二版）》. 北京：清华大学出版社.2010年6月 段海滨等. 《仿生智能计算》. 北京：科学出版社.2011年1月 制定人：田野 审定人：赵建平 2012年07月 XX课程教学大纲 2 2