常用下载   /  加入收藏  
 
 
    欢迎访问!今天是2018年02月24日  星期六  正月初九      
更多»公告
    当前位置: 首页 » 本科生教育 » 教学大纲 » 信息与计算科学 »  《计算智能》教学大纲
 上一篇:《矩阵论》教学大纲
 下一篇:《现代密码学》教学大纲
《计算智能》教学大纲
作者:管理员  来源:本站原创  发布时间:2016年5月11日  点击次数:275

《计算智能》教学大纲

Computational Intelligence

 

课程编码:09A03120              学分: 3.5          课程类别: 专业任选课

计划学时:64              其中讲课:48       实验或实践: 0       上机:16

适用专业:信息与计算科学

推荐教材:张军. 计算智能[M]. 清华大学出版社, 2009.

参考书目:周春光. 计算智能[M]. 吉林大学出版社, 2005.

海金. 神经网络与机器学习[M]. 机械工业出版社, 2011.

 

课程的教学目的与任务

 

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。

 

课程的基本要求

 

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。

 

 

 

 

 

 

各章节授课内容、教学方法及学时分配建议(含课内实验)

 

第一章:   绪论                                建议学时:2

[教学目的与要求] 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。

[教学重点与难点] 重点是优化问题的分类,智能计算方法的讲解,

[      ] 上课讲解,学生查阅资料

[      ]

第一节 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

第二章:   遗传算法                                建议学时: 12+4(上机)

[教学目的与要求] 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;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;编写遗传算法的程序;讲授MATLAB中遗传算法工具箱的使用,目的是学生多一种选择,针对以后的一些设计可以采用工具箱做实际的求解,要求学生掌握工具箱的使用实际使用MATLAB中遗传算法工具箱来求解一个函数优化问题,学会如何灵活使用这种工具箱;利用MATLAB工具箱实现遗传算法求解具体问题;要从算子的选择,参数的设置、混合遗传算法和并行遗传算法几个方面对基本遗传算法进行改进,从而提高遗传算法的求解能力,要求学生认识基本遗传算法的不足,了解遗传算法的改进方面,知道遗传算法的一些应用面。

[教学重点与难点] 重点是遗传算法的流程,遗传算法中各种算子的设计与实现,难点是遗传算法的编码实现

[      ] 上课讲解,上机练习

[      ]

2.1 遗传算法简介

基本原理、研究进展

2.2 基本遗传算法的流程

2.3 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

上机实验项目1: 编写基本遗传算法的代码

2.4 MATLAB遗传算法工具箱

MATLAB中遗传算法工具箱的使用,参数设置,利用MATLAB遗传算法工具箱求解实际问题

上机实验项目2: 利用MATLAB工具箱实现遗传算法求解优化问题

2.5 遗传算法的改进及应用

 算子选择,参数设置,混合遗传算法,并行遗传算法,遗传算法的应用

 

第三章:   蚁群优化算法                                建议学时:10+4(上机)

[教学目的与要求] 本章内容介绍蚁群优化算法,主要讲解蚁群算法的基本原理,基本流程,以及设计算法中的数据结构。目的是为学生讲解一种新的算法,要求学生了解算法的生物学机理,学会设计算法中的数据结构,掌握算法的基本流程;本节内容从编码的角度来讲解蚁群算法,目的是让学生能够真正的会编写程序实现所讲解的蚁群优化算法,解决TSP问题,要求学生利用所学的编程语言,实现课堂讲解的内容;编写蚁群优化算法的程序;本节内容主要分析蚁群优化算法的不足之处,从而对算法进行改进,并介绍几种改进的蚁群算法。目的是让学生开阔思路,探讨新的求解方法,要求学生能够了解改进算法的改进之处,以及改进后带来的性能上的提高。本节内容介绍蚁群算法的应用面以及使用蚁群算法时一些参数设置的注意问题。目的是要给学生一个蚁群优化算法的应用面的介绍,不要求学生对每个应用问题都能掌握,只需了解问题的基本情况,知道蚁群算法能够解决这类问题即可。

[教学重点与难点] 重点是蚁群算法的流程图,算法中的各个环节的实现方法,难点是蚂蚁信息素的更新,路径选择原理与实现。

[      ] 上课讲解,上机练习

[      ]

3.1 蚁群优化算法简介

 基本原理、研究进展

3.2 蚁群优化算法的基本流程

 基本流程 算法用到的数据结构设计

3.3 蚁群优化算法的代码实现

TSP问题讲解;TSP数据的获取与处理;实现蚁群算法求解TSP问题

上机实验项目3: 编写蚁群算法求解TSP问题(4学时)

3.4 蚁群优化算法的改进版本

3.4.1 精华蚂蚁系统

3.4.2 基于排列的蚂蚁系统

3.4.3 最大最小蚂蚁系统

3.4.4 蚁群系统

3.4.5 蚁群算法的其他改进版本

3.5 蚁群算法的相关应用

3.6 蚁群优化算法的参数设置

第四章:   粒子群优化算法                                建议学时:8+2(上机)

[教学目的与要求] 本章内容介绍粒子群优化算法,主要讲解粒子群算法的基本原理,基本流程,以及设计算法中的数据结构。目的是为学生讲解一种新的算法,要求学生了解算法的生物学机理,学会设计算法中的数据结构,掌握算法的基本流程;本节内容从编码的角度来讲解粒子群优化算法,目的是让学生能够真正的会编写程序实现所讲解的粒子群优化算法,解决函数优化问题,要求学生利用所学的编程语言,实现课堂讲解的内容;编写粒子群优化算法的代码;本节内容主要分析粒子群优化算法的不足之处,从而对算法进行改进,并介绍几种改进的粒子群算法和粒子群算法的应用。目的是让学生开阔思路,探讨新的求解方法,要求学生能够了解改进算法的改进之处,以及改进后带来的性能上的提高和应用范围的拓宽。不要求学生对每个应用问题都能掌握,只需了解问题的基本情况,知道粒子群优化算法能够解决这类问题即可。

[教学重点与难点] 重点是粒子群优化算法的流程图,算法中的各个环节的实现方法,难点是粒子飞行路径和速度的确定方法及原理。

[      ] 上课讲解,上机练习

[      ]

4.1 粒子群优化算法简介

 思想来源,基本原理

4.2 粒子群优化算法的基本流程

基本流程 算法用到的数据结构设计

4.3 粒子群优化算法的代码实现

实现粒子群算法求解函数优化问题

上机实验项目4: 编写代码实现粒子群优化算法

4.4 粒子群优化算法的改进研究

4.4.1 理论研究改进

4.4.2 拓扑结构改进

4.4.3 混合算法改进

4.4.4 离散版本改进

4.5 粒子群优化算法的相关应用

4.5.1 优化与设计应用

4.5.2 调度与规划应用

4.5.3 其他方面的应用

4.5.4 粒子群优化算法的参数设置

第五章:  模拟退火与禁忌搜索算法                       建议学时: 4+2(上机)

[教学目的与要求] 本章内容介绍模拟退火算法的基本思想和流程,以及算法的应用方面举例。要求学生了解模拟退火算法的基本思想,掌握模拟退火实现流程,对于其中的关键步骤能够理解并会实际应用,了解模拟退火的应用方面;本节内容介绍禁忌搜索算法的基本思想和流程,以及算法的应用方面举例。要求学生了解禁忌搜索算法的基本思想,掌握禁忌搜索实现流程,对于其中的关键步骤能够理解并会实际应用,了解禁忌搜索的应用方面。上机编写模拟退火算法的实现,加深对算法的理解。

[教学重点与难点] 重点是模拟退火算法和禁忌搜索算法的原理,实现流程,难点是禁忌搜索的实现。

[      ] 上课讲解,上机练习

[      ]

5.1 模拟退火算法

5.1.1 算法思想

5.1.2 基本流程

5.1.3 应用举例

5.2 禁忌搜索算法

5.2.1 算法思想

5.2.2 基本流程

5.2.3 应用举例

上机实验项目5: 编码实现模拟退火算法

第六章:人工神经网络                                     建议学时:12+4(上机)

[教学目的与要求] 了解人工神经网络的发展简史、基本特征与功能、人工神经网络的应用领域。掌握神经元的数学模型和神经网络的学习规则。掌握单层感知器模型、单层感知器学习算法以及单层感知器的功能。掌握BP神经网络模型、标准BP算法及BP神经网络的设计。上机使用Matlab工具箱进行神经网络的设计和使用,加深对神经网络的理解。编写BP算法的程序,掌握BP算法的流程。

[教学重点与难点]  人工神经网络的基本特征与功能;神经元的数学模型、神经网络学习规则;单层感知器、BP神经网络模型、BP算法和BP神经网络的设计。

[      ] 课堂讲授和上机练习

[      ]

6.1  人工神经网络概述

6.1.1  人工神经网络发展简史

6.1.2  人工神经网络的基本特征与功能

6.1.3  人工神经网络的应用领域

6.2  人工神经网络基础知识

6.2.1 人工神经网络的生物学基础

6.2.2  人工神经元模型

6.2.3  人工神经网络模型

6.3 神经网络学习

6.3.1 hebb学习规则

6.3.2 perceptron学习规则

6.3.3 δ学习规则

6.3.4 lms学习规则

6.3.5 winner_take_all学习规则

6.4单层感知器

6.4.1感知器模型

6.4.2单节点感知器的功能分析

6.4.3感知器的学习算法

6.4.4感知器的局限性及解决途径

6.5  BP神经网络

6.5.1 bp网络模型

6.5.2 bp学习算法

6.5.3 bp算法的程序实现

6.5.4 bp网络的主要能力

6.5.5误差曲面与bp算法的局限性

上机实验项目6:使用Java编写bp算法

6.6  BP算法的改进

6.6.1增加动量项

6.6.2自适应调节学习率

6.6.3引入陡度因子

6.7  BP网络的设计基础

6.7.1网络信息容量与训练样本数

6.7.2训练样本集的准备

6.7.3初始权值的设计

6.7.4 bp网络结构设计

6.7.5网络训练与测试

上机实验项目7:利用Matlab工具箱实现神经网络

 

 

 

 

 

 

撰稿人:徐法升       审核人:靳绍礼

 
» 上一篇:《矩阵论》教学大纲
» 下一篇:《现代密码学》教学大纲
check_website_is_ok,made by zheng_guang_yu,Do not delete
 
Copyright 济南大学数学科学学院. All rights reserved.
地址:济南市市中区南辛庄西路336号济南大学西校区第七教学楼   邮编:250022   电话(传真):0531-82767313