计算智能基础理论与应用-教学计划

《计算智能基础理论与应用》教学计划一、课程基本信息前置课程计算机科学与技术教学方式理论讲授、多媒体演示、案例分析二、课程简介本课程系统介绍计算智能的基本理论、关键方法和典型应用。课程内容包括进化计算、群体智能、启发式优化、神经网络与深度学习、多目标优化、数据驱动优化、神经架构搜索及工程应用等。通过学习，学生能够理解代表性计算智能算法的基本原理、流程和适用场景，掌握复杂优化、模式识别和智能决策问题的基本建模与求解方法，为后续人工智能、智能优化和机器学习相关研究与应用奠定基础。三、课程目标目标1：了解计算智能的基本概念、技术体系和发展趋势，掌握进化计算、群体智能和经典启发式优化算法的基本原理、算法流程及适用场景，增强复杂优化问题建模与求解能力。目标2：掌握神经网络与深度学习的基本模型和训练方法，理解多目标优化算法的分类、性能评价指标和测试问题，加强文献检索、算法分析和知识提取能力。目标3：掌握数据驱动优化和神经架构搜索的基本思想、算法框架和性能评估方法，了解计算智能典型工程应用，增强持续学习和算法应用效果评价能力。四、课程目标与毕业要求支撑关系课程目标支撑的毕业要求（或指标点）及内容描述程度（H/M/L）1毕业要求3.2能够针对人工智能、智能优化及相关复杂工程问题的特定需求，完成算法模型、系统模块或应用方案的设计与分析，具备将计算智能方法用于复杂问题建模、算法设计和智能求解的能力。H2毕业要求4.3具有分析与解决复杂优化问题、机器学习问题和智能决策问题的能力，能够基于进化计算、群体智能、启发式算法、神经网络和多目标优化等方法开展算法分析、实验设计、性能比较与结果评价。H3毕业要求12.1掌握正确的学习方法，理解在人工智能与计算智能技术快速发展环境下自主学习和持续探索的重要性，具备跟踪数据驱动优化、神经架构搜索及计算智能工程应用等前沿方向的能力。H程度：H-支撑程度高、M-支撑程度中、L-支撑程度低。五、课程安排知识模块

（章节）教学内容教学要求理论实验上机设计课外教学方法对应目标第1章

绪论计算智能的定义、历史背景、基本理论、技术类别、挑战与机遇、理论与方法的发展趋势知识理解40000理论讲授

多媒体演示1第2章

进化计算进化计算的基本概念与基本框架，遗传算法、进化规划、进化策略、遗传规划、差分进化算法的原理、流程与进化算子分析比较

算法实现40000理论讲授

多媒体演示2第3章

群体智能群体智能算法的基本原理、典型方法与改进策略掌握原理

灵活运用40000理论讲授

多媒体演示2第4章

其他启发式算法分布估计、模拟退火和禁忌搜索等启发式算法的原理、流程与应用分析比较

算法实现20000理论讲授

多媒体演示2第5章

神经网络与深度学习神经网络与深度学习的基本原理、典型模型及训练方法掌握原理

灵活运用40000理论讲授

多媒体演示1第6章

多目标优化算法多目标优化基本概念与分类，基于支配、分解和指标的多目标优化算法，性能评价指标与测试问题掌握原理

灵活运用40000理论讲授

多媒体演示3第7章

数据驱动优化算法数据驱动优化算法的基本原理、分类方法及典型工程应用掌握原理

灵活运用40000理论讲授

多媒体演示1第8章

神经架构搜索神经架构搜索的基本概念与基本框架，搜索空间设计、搜索策略、性能评估方法、代理模型、网络态射和权重共享等方法重点掌握灵活运用40000理论讲授

多媒体演示3第9章

应用计算智能在工业制造、医疗健康、网络系统和智能装备等领域的典型应用知识理解20000理论讲授

多媒体演示3总学时320000注：1.每一教学内容至少对应一条课程目标。

2.教学内容包括主要教学内容、教学重点与难点等。

3.教学要求简要给出学习成效，体现对课程目标的支撑。

4.教学方法可包括课堂讲授、专题研讨、案例教学、实验上机、实践调研等。六、考核方式与成绩评定课程目标考核形式及其成绩占比(%)分值及成绩比例%第一次随堂考试第二次随堂考试目标115%15%目标230%25%55%目标330%30%合计45%55%100%七、课程目标达成情况评价标准评价等级目标1目标2目标3优秀（≥90）能够准确掌握计算智能基本概念和主要优化算法，较好具备复杂优化问题建模与求解能力。能够准确掌握神经网络、多目标优化等基本方法，具备文献检索、算法分析和知识提取能力。能够准确掌握数据驱动优化、神经架构搜索及典型应用，具备持续学习和算法应用评价能力。良好（80-89）能够很好地了解计算智能基本概念和主要优化算法，具备复杂优化问题建模与求解能力。能够很好地掌握神经网络、多目标优化等基本方法，具备文献检索、算法分析和知识提取能力。能够很好地掌握数据驱动优化、神经架构搜索及典型应用，具备持续学习和算法应用评价能力。达成（60-79）能够基本了解计算智能基本概念和主要优化算法，一定程度上具备复杂优化问题建模与求解能力。能够基本掌握神经网络、多目标优化等基本方法，一定程度上具备文献检索、算法分析和知识提取能力。能够基本掌握数据驱动优化、神经架构搜索及典型应用，一定程度上具备持续学习和算法应用评价能力。未达成（＜60）不能够了解计算智能基本概念和主要优化算法，不具备复杂优化问题建模与求解能力。不能够掌握神经网络、多目标优化等基本方法，不具备文献检索、算法分析和知识提取能力。不能够掌握数据驱动优化、神经架构搜索及典型应用，不具备持续学习和算法应用评价能力。八、参考书目及教学资源郑金华，邹娟等，《‌多目标进化优化‌》，科学出版社‌，2017；张军，詹志辉等，《计算智能》，清华大学出版社，2021；[南非]安德里斯·P.恩格尔布雷希特等.ComputationalIntelligence:AnIntrodu