智能优化及其应用 教学大纲

第页智能优化及其应用一、课程说明课程编号：090175Z10课程名称：智能优化及其应用/IntelligentOptimizationandItsApplication课程类别：专业教育课程学时/学分：32/2先修课程：运筹学、概率论、人工智能适用专业：智能科学与技术、计算机科学、自动化教材、教学参考书：1．《智能优化算法及其应用》黄友锐，国防工业大学出版社，2008年2．《智能优化算法及其应用》王凌，清华大学出版社，2001年二、课程设置的目的意义本课程是大学本科三年级智能科学与技术专业的专业选修课。智能优化是一种以数学为基础，用于求解各种工程问题优化解的技术。该课程的学习目的在于系统地讲授智能优化的有关理论、技术及主要应用，并给学生们全面介绍智能优化的前沿领域与最新进展。通过本课程学习，学生可以系统地掌握智能优化的基本方法与内容，了解智能优化的主要应用领域，激发学生的对智能优化的学习兴趣，为今后从事与智能优化相关开发与设计工作打下良好的基础。三、课程的基本要求知识：掌握最优化问题的定义及其分类；掌握遗传算法、进化策略、进化规划、差异进化、粒子群优化算法的原理、异同点、及改进措施；掌握群智能算法的思想和步骤；掌握各种智能优化算法在约束优化、多目标优化、非线性方程系统、多模态优化问题中的求解原理，。了解智能优化算法在药学计量学、汽车设计等实际问题中应用情况。能力：熟悉智能优化与传统优化的区别和联系，建立如何对优化问题采用智能方法求解的思维体系；掌握在求解实际优化问题时，如何将问题的领域知识和智能优化方法结合来提高效率；针对具体问题能分析判断其问题基本类型和可行的解决方案，拓宽解决问题的思路，提高分析、发现、研究和解决问题的能力。素质：在《智能优化及其应用》这门课程中，首先需要了解优化的基本原理和思想，建立基于群体迭代寻优的观念，通过增加讨论环节，引导学生逐步学会自己从前人研究问题、分析问题、演绎推导结果的过程中，体会和领悟科学研究和发现的进程，使学生真正学有所获；同时鼓励有兴趣的同学，对问题建模、算法的性态分析和改进等较深入的问题进行进一步的研究和提高。四、教学内容、重点难点及教学设计章节教学内容总学时学时分配教学重点教学难点教学方案设计（含教学方法、教学手段）讲课(含研讨)实践第1章智能优化算法绪论220最优化问题及其分类，优化算法及其分类，邻域函数与局部搜索计算复杂性与NP完全问题从计算机复杂性这一最基础的计算机理论出发介绍优化的重要性。第2章遗传算法、进化策略、进化规划642遗传算法、进化策略、进化规划的基本流程，模式定理和隐含并行性，关键参数与操作的设计，各种改进与算法实现遗传算法、进化策略、进化规划的基本原理和异同点由多模态优化问题和单模态优化问题出发，引入基于群体搜索的重要性，接着介绍各种智能优化算法的基本原理和实现过程，并且通过演示进化曲线来解释智能优化的优势，加深学生对智能优化的理解。第3章差异进化算法、粒子群优化算法842差异进化算法和粒子群优化算法的基本流程和关键参数与操作的设计，差异进化算法和粒子群优化算法的改进如何改进差异进化算法和粒子群优化算法的优化性能差异进化算法和粒子群优化算法是受自然界启发的群体智能优化算法。将以鸟群寻找食物为例介绍群智能的基本原理和思想，并从计算机模拟群体智能行为介绍差异进化算法和粒子群优化算法的设计过程。第4章智能优化算法在约束优化和多目标优化中的应用1082如何处理约束条件，现有的约束处理技术的原理及其分类，如何同时优化多个目标函数，现有的多目标进化算法的特点约束处理技术和多目标优化技术的主要目的和作用通过实际工程应用引出约束优化和多目标优化的重要性，以及约束条件和多个目标函数给问题求解带来哪些困难，通过选取具有代表性的约束处理技术和多目标优化技术解释其有效性第5章智能优化算法在非线性方程系统和多模态优化中的应用662非线性方程系统和多模态优化问题的表达形式，这两类问题的异同点非线性给两类问题的求解提出了什么新的要求详细介绍这两类问题的数学表达形式和最优解的实际情况，分析这两类问题的相似点，基于该相似点探讨如何采用一个统一的框架对其进行求解第6章智能优化算法在实际工程中的应用22实际工程问题的建模方式，如果设计进化算法实际工程问题进行求解如何提取实际工程问题的领域知识，并且将提取出的知识与智能优化算法有机结合以两个实际工程问题为例讲解智能优化算法的求解过程，将采用采用循序渐进的方式进行讲解。首先介绍实际问题的建模，接着探讨如何提取领域知识，最后介绍求解步骤和实验结果。合计32328五、实践教学内容和基本要求（课程中有实践内容可参照此部分）实验名称实验内容学时基本要求遗传算法的实现采用一种编程语言实现遗传算法2掌握如何设计编码、解码、交叉和变异算子，以及如何联合这些步骤实现完整的遗传算法程序粒子群优化算法的改进通过对粒子群优化算法速度更新公式进行改进，提高其性能2掌握粒子群优化算法速度更新公式的原理和意义，以及速度更新公式的改进技巧智能优化算法求解约束优化问题采用一种智能优化算法，并且用计算机程序实现约束优化问题的求解2掌握如何设计约束处理技术和进化搜索模型，并且弄清楚约束处理技术和进化搜索模型的各自原理智能优化算法求解多模态优化问题如何采用多目标优化的方法求解多模态优化问题2掌握如何将多模态优化问题转换为多目标优化问题，降低求解难度六、核方式及成绩评定教学过程中采取讲授、讨论、分析、大型作业、课前导学的方式进行，注重过程考核，考核方式包括：笔试、作业、讨论、辩论、课内互动，课外阅读等；过程考核占总评成绩的50%，期末考试点50%。考核方式考核内容成绩比例（%）备注课内互动和抢答基本知识，学习主动性10