《计算智能》授课大纲.docx

《 计 算 智 能 》 授 课 大 纲 课程性质：必修课，3 学分，共 48~54 课时（共 16 周)。 一、课程介绍 《计算智能》课程对计算智能领域的主要算法进行介绍，重点讨论各种算法的思想来源、流程结构、发展改进、参数设置和相关应用。内容包括绪论以及进化计算、群体智能、人工免疫算法、分布估计算法、神经网络、模糊逻辑和多目标进化算法等。并从工程应用及与其他人工智能研究方向相结合的角度讨论人工智能的实际问题及其解决方法。 《计算智能》课程对计算智能领域的主要算法进行介绍，重点讨 论各种算法的思想来源、流程结构、发展改进、参数设置和相关应用。 内容包括绪论以及进化计算、群体智能、人工免疫算法、分布估计算 法、神经网络、模糊逻辑和多目标进化算法等。并从工程应用及与其 他人工智能研究方向相结合的角度讨论人工智能的实际问题及其解 决方法。 二、教学内容 导论(1 课时) 计算智能简介 计算智能典型方法 优化理论 (2 课时) 优化问题 优化方法分类 非约束优化 约束优化 多解问题 多目标优化 动态优化问题 进化计算(9 课时) (1)进化计算导论(2)遗传算法 经典遗传算法 交叉、变异 控制参数 模式定理与积木块假设 遗传算法的变体 前沿专题（小生境遗传算法、约束处理、多目标优化、动态环境） 应用 (3)遗传编程、进化规划、进化策略(4)差分进化 (5)文化计算(6)协同进化 人工免疫系统(6 课时) 自然免疫系统 人工免疫模型 克隆选择模型 网络理论模型 危险理论 免疫优化计算 群体智能(3 课时) 粒子群优化 蚁群算法 多目标进化算法及应用（6 课时） 绪论 主要的多目标进化算法 多目标进化算法性能评价和问题测试集 多目标优化的新进展 应用实例 神经网络(6 课时) 人工神经元 监督学习神经网络 非监督学习神经网络 径向基函数网络 增强学习 监督学习的性能问题 深度学习算法（Deep Learning）（3 课时） 分布估计算法(3 课时) 计算智能算法在各研究方向的应用(6~9 课时) （讨论计算智能算法在每个研究生的研究方向中的结合应用） 三、教材与参考书 2、张军,詹志辉.计算智能[M].清华大学出版社[北京].2009.11. 3、吴微,周春光,梁艳春.智能计算[M].高等教育出版社[北京].2009.12. 4、段海滨,张祥银,徐春芳.仿生智能计算.科学出版社[北京].2011.1.