《人工智能》（何泽奇）491-6教案 第11课 计算智能概述与进化计算

PAGE10PAGE10PAGE7PAGE7课题计算智能概述与进化计算课时2课时（90min）教学目标知识技能目标：（1）熟悉计算智能的概念（2）熟悉计算智能的分类（3）理解并掌握遗传算法的基本思想和算法流程思政育人目标：学习工匠精神，培养专注敬业精神关心国家大事，抓住机遇，展现新作为，增强爱党、爱国情感感受科技力量，增强民族自豪感，加强“科技改变生活”的理念教学重难点教学重点：计算智能的概念和分类教学难点：遗传算法的基本思想和算法流程教学方法讲授法、讨论法、问答法教学用具计算机、投影仪、多媒体课件、教材教学设计→→→传授新知（20min）→→传授新知（50min）→课堂练习（7min）→课堂小结（3min）→作业布置（2min）教学过程主要教学内容及步骤设计意图课前任务【教师】布置课前任务，和学生负责人取得联系，让其提醒同学通过文旌课堂APP或其他学习软件，完成课前任务请大家搜索了解一下鲁班根据茅草发现锯子的故事，想一想这故事蕴含了怎样的思想？【学生】完成课前任务通过课前任务，使学生了解本次课程的重点，增加学生的学习兴趣考勤

（2min）【教师】通过文旌课堂APP让学生签到【学生】签到，班干部交假条培养学生的组织纪律性，掌握学生的出勤情况问题导入（3min）【教师】提出以下问题，并邀请学生回答什么是计算智能？【学生】讨论、举手回答【教师】通过学生的回答引入要讲的知识，并板书：计算智能CI综合大家的讨论，总结。本节课主要介绍计算智能的相关知识。【学生】聆听通过问题导入的方法，引导学生主动思考，激发学生的学习兴趣传授新知

（20min）6.1计算智能概述6.1.1什么是计算智能【教师】讲解新知计算智能（computationalintelligence，CI）是人们受自然规律和生物智能机制的启迪，根据其原理模仿设计的一组算法，用于解决复杂的现实世界问题。目前，计算智能还没有统一的定义，下面列举部分学者对计算智能的不同描述。（1）计算智能主要是借鉴仿生学的思想，基于人们对生物体智能机制和自然规律的认识，采用数值计算的方法去模拟和实现人类智能、生物智能和自然规律。（2）计算智能是依靠生产者提供的数值数据进行加工处理，而不是依赖于知识。（3）计算智能是一种智力方式的低层认知，只处理数值数据，而人工智能是一种智力方式的中级认知，可以处理符号形式的知识。如果一个系统仅处理底层的数值数据，含有的模式识别部分，没有使用人工智能意义上的知识，且具有计算适应性、计算容错性、接近人的计算速度和近乎人的误差率这4个特性，则该系统是智能计算系统。计算智能是一种以模型（包括数字模型和计算模型）为基础，以分布和并行计算为特征的自然智能模拟方法。6.1.2计算智能分类【教师】展示表格“计算智能分类”，并讲解计算智能的研究与发展反映了当代科学技术多学科交叉融合发展的重要趋势。根据算法设计依据的原理不同，可将计算智能分为进化计算、群体智能、神经计算、模糊计算、免疫计算和人工生命等，它们的简介如表所示。【学生】聆听记录【教师】讲解大国工匠相关内容什么是人工智能？北京大学的谭教授（人工智能专家）这样说：“让机器去做需要人类智能才可以做的那些事情。其最终目的是要把相关技术应用于生产过程和社会经济生活或者来提高人们的生活质量，来为我们人类服务。”作为北京大学计算智能实验室创建人、烟花算法发明人，谭教授已经在人工智能领域走过了整整30年。在这30年中，他在神经网络、进化计算、群体智能、人工免疫系统、机器学习与数据挖掘等领域做出了骄人成绩和贡献，并把研究方向拓展到模式识别、计算机安全和金融预测等领域。对于30年的坚持，谭教授这样说：“我的研究工作能对社会经济发展或者对某些行业的发展起到作用，我就满足了。”可见，他始终不忘初心，努力推动社会经济向前发展。2010年谭教授发明了独特的烟花算法。对于烟花算法，谭教授特别强调：“我们还有烟花算法的开放性论坛，相关算法及其源码都是公开的，我希望更多的人能够学会，并且将烟花算法应用到更广的领域。”除了做科研，谭教授非常看重培养学生。不墨守成规，崇尚新思想，是谭教授的工作方式。他常这样教导学生：“不要迷信权威，要尊重事实。”作为导师，谭教授更多的是充当一个引导者，给学生们建议。当学生遇到疑难问题，他会单独面对面交流，当有一些新想法的时候，他会召集学生们一起讨论。科研应该培养学生的独立思维——这是谭教授所秉持的。【学生】聆听、记录、理解通过教师的讲解和课堂互动，使学生理解计算智能的概念课堂思政，加强学生的国家荣誉感，让学生感受科技力量，增强民族自豪感，加强“科技改变生活”的理念新知导入（3min）【教师】讲解新的知识达尔文的生物进化论大家耳熟能详，主要讲的是生物群体的生存过程普遍遵循达尔文的进化准则，即物竞天择、适者生存。生物通过个体间的婚配、交叉、变异和竞争来适应大自然的环境。人工智能也有类似于这种生物进化的进化计算的思想，接下来咱们一起看一下。【学生】聆听【教师】导入新的知识点：进化计算通过导入环节，激发学生的学习兴趣传授新知（50min）6.2进化计算【教师】讲解进化计算的概念6.2.1什么是进化计算【教师】展示“生物进化过程”图片，并提问什么是进化计算？【学生】讨论、举手回答生物群体的生存过程普遍遵循达尔文的进化准则，即物竞天择、适者生存。生物通过个体间的婚配、交叉、变异和竞争来适应大自然的环境，如图所示。进化计算又称演化计算，是一类模拟生物进化机制设计的成熟的具有高鲁棒性和广泛性的全局优化方法，具有自组织、自适应、自学习的特性，能够不受问题性质的限制，有效地处理传统优化算法难以解决的复杂问题。进化计算是采用简单的编码技术来表示各种复杂的结构，并通过简单的遗传操作和优胜劣汰的自然选择来指导学习和确定搜索的方向。进化计算是一个“算法簇”，包括遗传算法、遗传规划、进化策略和进化规划等。其中，遗传算法是最初形成的一种最具影响力的模拟生物进化的优化算法。6.2.2遗传算法的基本术语遗传算法（geneticalgorithm，GA）是模仿生物遗传学和自然选择机理而设计的计算模型，是人工构造的一种搜索最优解的方法。它常用于处理传统方法难以解决的复杂和非线性优化问题。【教师】展示表格“基本术语”，讲解一些遗传算法涉及的基本术语遗传算法涉及的基本术语如表所示。6.2.3遗传算法的基本思想遗传算法的基本思想是从初始种群出发，采用优胜劣汰、适者生存的自然法则选择适应度高的个体，并通过交叉、变异来产生新一代种群，新的种群既继承了上一代的基因，又优于上一代。如此迭代进化，群体中个体的适应度不断提高，直到满足目标条件为止。6.2.4遗传算法流程【教师】用PPT展示“遗传算法流程”图片，进行讲解遗传算法流程可用图描述，其中主要包含了5个基本要素，即参数编码、群体设定、适应度函数、遗传操作（选择、交叉和变异）和控制参数。【学生】聆听、理解【教师】提醒：在遗传算法运行过程中，对其性能产生重大影响的一组参数称为控制参数，主要包括二进制串长度L、群体规模N、选择概率Pr、交叉概率Pc和变异概率Pm。（1）确定实际问题的参数集。在实际的应用中，遗传算法是从问题的有限解中寻找最优解或次优解，因此，构造算法之前首先要确定包含问题最优解或次优解的解空间，然后确定问题的参数集。（2）参数编码，采用某一编码方法将问题参数表示成遗传空间的个体。【教师】提醒：遗传算法不能直接处理问题空间的参数，因此，须通过编码将要求解的问题表示成遗传空间的染色体或个体。常用的编码方法有二进制编码、格雷码编码、实数编码和排列编码等。同时，还要根据编码方法确定解码的方法。用遗传算法求解问题时，必须建立目标问题的实际表示与遗传算法染色体结构之间的对应关系，以便于编码与解码。遗传算法中包含两个数据转换操作，分别为编码和解码。①编码是指从表现型到基因型的转化，即将搜索空间中的参数或解转化成遗传空间中的染色体或个体的过程。②解码是指从基因型到表现型的转化，即将染色体或个体转化成参数的过程。（3）设定初始种群，【教师】提醒：遗传算法的操作对象是种群，所以必须为遗传算法设定一个初始种群。设定种群时主要考虑两方面内容，一是初始种群的产生，二是种群规模的确定。遗传算法初始种群中的个体可以采用随机方式产生，也可以采用某种策略设定。例如，从问题最优解所在的范围内设定初始种群；先随机产生一些个体，然后从中挑选最好的个体加入初始种群中。种群规模是指种群中个体的数量N，种群规模一般取值为20～100。（4）根据适应度函数f计算种群中个体的适应度。【教师】提醒：适应度函数是区分个体好坏的标准，是进行自然选择的唯一依据。适应度函数的设计要结合问题自身的要求而定。一般而言，适应度函数是由目标函数变换得到的。常用的变换方法是直接将目标函数作为适应度函数，并采用线性变换或非线性变换方法将目标函数的值域映射到适应度函数的值域。判断个体是否满足终止条件，若满足，则将个体转化为参数（即解码），输出最优解，算法终止。若不满足，则转向（6）。【教师】提醒：由于遗传算法的许多控制转移规则是随机的，在进化过程中，无法确定个体在解空间的位置，从而也无法通过传统的方法（即判断算法的收敛性）来终止算法。因此，可用以下3种方法来确定终止条件。①预先规定最大进化代数，进化代数达到规定值时，终止算法。②连续进化多代后，解的适应度没有明显改进时，终止算法。③达到明确的解目标时，终止算法。根据选择概率选择个体。其中，适应度高的个体更容易被选中，适应度低的个体易被淘汰。【教师】提醒：选择也可称为复制，是指先根据个体的适应度确定选择它的概率，计算个体选择概率常用的方法有适应度比例方法和排序方法；然后根据个体的选择概率确定选择哪些个体进行交叉、变异等操作，常用的方法有轮盘赌选择方法、锦标赛选择方法、最佳个体保存法等。（8）按照一定的交叉概率和交叉方法进行交叉，产生新的个体，得到新的种群。【教师】提醒：交叉也可称为重组，是指按照某种方式对选择的父代个体的染色体的部分基因进行交叉重组，从而形成新的个体。一般情况下，交叉概率。交叉方法可分为两种类型，即二进制交叉和实数交叉。二进制交叉包括单点交叉、两点交叉、多点交叉和均匀交叉等方法；实数交叉主要包括离散交叉和算数交叉等方法。（8）按照一定的变异概率和变异方法，使个体染色体的一个基因发生变异，产生新的染色体，得到新的种群，转向（4）。【教师】提醒：变异是指对选中个体的染色体中的某些基因进行随机变化，以形成新的个体。一般情况下，变异概率。主要的变异方法有位点变异、逆转变异、插入变异、互换变异和移动变异等。6.2.5遗传算法的主要特点遗传算法是一种基于空间搜索的算法，它通过选择、交叉、变异等操作模拟生物进化过程寻找所求问题的答案，可见，遗传算法的求解过程是优化的过程。遗传算法的特点有以下几点。（1）遗传算法从多个问题解开始搜索，而不是从单个解开始。这是遗传算法与传统优化算法的极大区别。传统优化算法是从单个初始值迭代求最优解的，因此容易得到局部最优解。遗传算法从多个问题解开始搜索，覆盖面大，利于全局择优。（2）遗传算法同时处理群体中的多个个体，即对搜索空间中的多个解进行评估，减少了陷入局部最优解的风险，同时算法本身易于实现并行化。（3）遗传算法基本上不用搜索空间的知识或其他辅助信息，而仅用适应度来评估个体，并在此基础上进行遗传操作。适应度函数不仅不受连续可微的约束，而且其定义域可以任意设定。这一特点使得遗传算法的应用范围大幅度扩大。（4）遗传算法是采用概率的变迁规则来指导它的搜索方向，而不是采用确定性规则。【教师】提醒：在实际应用中，遗传算法找到的解不一定就是最优解，但是可采用一定的方法将解的误差控制在一定的范围内，得到次优解。6.2.6遗传算法的应用【教师】用PPT展示“蚂蚁搬家”表格，进行举例说明遗传算法是解决搜索问题的一种通用算法，它不仅在函数优化、组合优化、车间调度等传统领域有着较好的应用，还在人工智能和大数据计算等领域得到了广泛应用，其具体的应用领域举例如表所示。【学生】聆听、理解【教师】讲解创新强国相关内容6.2.7案例：函数求解【教师】安排学生扫描二维码“函数求解”，了解函数求解的过程现有函数，其中且x取整数，

求函数的最小值。【学生】扫码观看、了解案例【教师】提醒：该问题可转化为在中寻找使最小的点x，其中区间是解空间，x为个体，函数可作为适应度函数。（1）确定问题的参数集。分析题意可知，问题的解空间为自变量x的取值范围，则问题的参数集为。（2）参数编码。针对参数集，考虑采用二进制数对其编码。由于且参数集中含有负数，所以使用5位有符号二进制数表示个体x的染色体，用于求解问题。其中，二进制数的首位是符号位，若符号位取0表示该参数为正数，如表示1；符号位取1表示该参数为负数，如表示。（3）确定初始种群。设定种群规模N=4，并随机产生4个个体，构成初始种群。【教师】用PPT展示表格“个体适应度”，进行知识讲解【学生】聆听、理解（4）根据适应度函数计算种群中个体的适应度，如表6-4所示。（5）判断个体是否满足终止条件，个体中没有明确的目标解00001。【教师】用PPT展示表格“个体选择概率、累计概率和估计选中次数”，进行知识讲解【学生】聆听、理解（6）根据选择概率选择个体。其中，采用适应度比例方法计算选择概率，即，其中，计算每个个体的选择概率，同时计算个体的累计概率，如表所示。采用轮盘赌选择方法选择个体。设采用轮盘赌选择方法产生的随机数分别为、、、，查看累计概率值，发现随机数落在个体与之间，则个体被选中。同理分析，之后选中的个体依次是、、，每个个体被选中的总次数如表所示。按照一定的交叉概率和交叉方法进行交叉，产生新的个体，得到新的种群。设交叉概率，即选择的全部个体染色体都参与交叉。交叉方法是交换染色体的后两位基因，则将与交叉，与交叉可得到的新种群为。（9）按照一定的变异概率和变异方法，使个体染色体的一个基因发生变异，产生新的染色体，得到新的种群，转向（4）。设变异概率，种群变异基因位数为，，可见，种群变异基因位数不足1位，所以本轮进化染色体不变异。接着计算新种群的适应度，判断发现没有满足终止条件的个体，因此开始第二轮进化。第二轮中，种群为，且在进化过程中采用轮盘赌选择方法产生的随机数分别为、、、。经过此轮进化后，得到的新种群为。其中，个体满足终止条件。因此，进化结束，并将个体的染色体解码得到最优解1。将代入函数中，得到的最小值0。【教师】提问上文中已给出遗传算法中第二轮进化涉及的关键数据，请写出第二轮进化的具体过程。【学生】讨论、举手回答通过老师讲解，让学生了解什么是进化计算课堂思政，加强学生的国家荣誉感课堂练习（7min）【教师】安排学生完成以下题目让学生完成简答题（1）简述什么是计算智能。（2）简述遗传算法的基本思想。【学生】完成练习通过课堂练习，了解学生学情课堂小结

（3min）【教师】简要总结本节课的要点（1）计算智能是人们借助自然界规律和生物界智能机制的启迪，根据其原理模仿设计的一组算法，用于解决复杂的现实世界问题。根据算法设计依据的原理不同，可将计算智能分为进化计算、群体智能、神经计算、模糊计算、免疫计算和人工生命等。（2）进化计算又称演化计算，是一类模