《计算智能》课程教学大纲 一、课程基本信息 课程代码：20110013 课程名称：计算智能 英文名称：Computational intelligence 课程类别：专业选修课 学时：48 学分：3 适用对象：计算机科学与技术专业、计算机科学与技术专业（人工智能方向） 考核方式：考查 先修课程：数据结构、算法设计与分析 二、课程简介 《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。内容包括绪论及神经网络、模 糊逻辑、遗传算法、蚁群算法、粒子群算法、模拟退火算法、免疫算法及禁忌搜索算 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实际问题及其解决 方法。 Computational intelligence introduces the main algorithms in the field of computational intelligence.focusing on the source of ideas,process structure.development and improvement,parameter setting and related applications.The content includes introduction,neural network,fuzzy logic,genetic algorithm,ant colony algorithm,particle swarm optimization,simulated annealing algorithm,and immune algorithm and tabu search algorithm.The practical problems and their solutions are discussed from the perspective of engineering application and combining with other AI research directions 三、课程性质与教学目的 近年来，各种计算智能算法的研究得到了蓬勃发展，其中有广为人知的遗传算法、 模拟退火算法、蚁群算法、神经网络算法等。迄今为止，计算智能算法在各个学科和 各种实际应用场合中已经得到了广泛且有效的使用。本课程将紧密跟踪学术界最新发
1 《计算智能》课程教学大纲 一、课程基本信息 课程代码：20110013 课程名称：计算智能 英文名称：Computational intelligence 课程类别：专业选修课 学 时：48 学 分：3 适用对象: 计算机科学与技术专业、计算机科学与技术专业（人工智能方向） 考核方式：考查 先修课程：数据结构、算法设计与分析 二、课程简介 《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。内容包括绪论及神经网络、模 糊逻辑、遗传算法、蚁群算法、粒子群算法、模拟退火算法、免疫算法及禁忌搜索算 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实际问题及其解决 方法。 Computational intelligence introduces the main algorithms in the field of computational intelligence, focusing on the source of ideas, process structure, development and improvement, parameter setting and related applications. The content includes introduction, neural network, fuzzy logic, genetic algorithm, ant colony algorithm, particle swarm optimization, simulated annealing algorithm, and immune algorithm and tabu search algorithm. The practical problems and their solutions are discussed from the perspective of engineering application and combining with other AI research directions. 三、课程性质与教学目的 近年来，各种计算智能算法的研究得到了蓬勃发展，其中有广为人知的遗传算法、 模拟退火算法、蚁群算法、神经网络算法等。迄今为止，计算智能算法在各个学科和 各种实际应用场合中已经得到了广泛且有效的使用。本课程将紧密跟踪学术界最新发
展动态，为本科生掌握最新的计算智能技术抛砖引玉。 本课程将系统讲授计算智能的基础理论和应用技术，深入探讨最新的研究成果， 并结合应用实例进行讲解，使得听课的学生不仅能够全面掌握计算智能的核心理论， 而且能将其应用到各自相关研究工作中。 同时，在教学过程中融入思政教学，激励学生树立热爱专业、热爱学校、热爱祖 国和人民，为实现伟大祖国的中国梦而努力学习，立志成为德智体美劳全面发展的社 会主义建设者和接班人的坚定信念和远大理想。 四、教学内容及要求 第1章概论 (一)目的与要求 1、了解计算智能的产生、发展、趋势： 2、熟悉计算智能的课程体系、学习目标、目的、内容、方法： 3、通过介绍国内计算智能在生产、生活中的应用，并介绍中国研究人员 在这个方面的贡献，使学生了解其对社会经济发展的推动作用。 (二)教学内容 1.1最优化问题 1.1.1函数优化问题 1.1.2组合优化问题 L.2计算复杂性及NP理论 1.2.1计算复杂性 1.2.2NP理论 1.3智能优化计算方法：计算智能算法 1.3.1计算智能的分类与理论 1.3.2计算智能的研究与发展 1.3.3计算智能的特征与应用 (三)思考与实践 你打算利用计算智能技术在哪些方面促进社会发展？ (四)教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体
2 展动态，为本科生掌握最新的计算智能技术抛砖引玉。 本课程将系统讲授计算智能的基础理论和应用技术，深入探讨最新的研究成果， 并结合应用实例进行讲解，使得听课的学生不仅能够全面掌握计算智能的核心理论， 而且能将其应用到各自相关研究工作中。 同时，在教学过程中融入思政教学，激励学生树立热爱专业、热爱学校、热爱祖 国和人民，为实现伟大祖国的中国梦而努力学习，立志成为德智体美劳全面发展的社 会主义建设者和接班人的坚定信念和远大理想。 四、教学内容及要求 第 1 章 概论 （一）目的与要求 1、了解计算智能的产生、发展、趋势； 2、熟悉计算智能的课程体系、学习目标、目的、内容、方法； 3、通过介绍国内计算智能在生产、生活中的应用，并介绍中国研究人员 在这个方面的贡献，使学生了解其对社会经济发展的推动作用。 （二）教学内容 1.1 最优化问题 1.1.1 函数优化问题 1.1.2 组合优化问题 1.2 计算复杂性及 NP 理论 1.2.1 计算复杂性 1.2.2 NP 理论 1.3 智能优化计算方法： 计算智能算法 1.3.1 计算智能的分类与理论 1.3.2 计算智能的研究与发展 1.3.3 计算智能的特征与应用 （三）思考与实践 你打算利用计算智能技术在哪些方面促进社会发展？ （四）教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体
第2章神经网路 (一)目的与要求 1、了解神经网络的产生、发展和作用 3、重点理解和掌握神经网络的典型结构、学习算法及BP神经网络 (二)教学内容 2.1神经网络简介 2.1.1神经网络的基本原理 2.1.2神经网络的研究进展 2.2神经网络的典型结构 2.2.1单层感知器网络 2.2.2前馈型网络 2.2.3前馈内层互联网络 2.2.4反馈型网络 2.2.5全互联网络 2.3神经网络的学习算法 2.3.1学习方法 2.3.2学习规则 2.4BP神经网络 2.4.1基本思想 2.4.2算法流程 2.4.3应用举例 2.5进化神经网络 2.6神经网络的应用 (三)思考与实践 查阅文献，了解神经网络的最近进展及各个领域的应用 (四)教学方法与手段 采用课堂教学、课堂讨论、案例分析的教学方法，采用多媒体等教学手段。 第3章模糊逻辑 (一)目的与要求 1、了解模糊逻辑的产生、发展及应用： 3
3 第 2 章 神经网路 （一）目的与要求 1、了解神经网络的产生、发展和作用 3、重点理解和掌握神经网络的典型结构、学习算法及 BP 神经网络 （二）教学内容 2.1 神经网络简介 2.1.1 神经网络的基本原理 2.1.2 神经网络的研究进展 2.2 神经网络的典型结构 2.2.1 单层感知器网络 2.2.2 前馈型网络 2.2.3 前馈内层互联网络 2.2.4 反馈型网络 2.2.5 全互联网络 2.3 神经网络的学习算法 2.3.1 学习方法 2.3.2 学习规则 2.4 BP 神经网络 2.4.1 基本思想 2.4.2 算法流程 2.4.3 应用举例 2.5 进化神经网络 2.6 神经网络的应用 （三）思考与实践 查阅文献，了解神经网络的最近进展及各个领域的应用 （四）教学方法与手段 采用课堂教学、课堂讨论、案例分析的教学方法，采用多媒体等教学手段。 第 3 章 模糊逻辑 （一）目的与要求 1、了解模糊逻辑的产生、发展及应用；
2、重点掌握模糊逻辑推理、流程； (二)教学内容 3.1模糊逻辑简介 3.1.1模糊逻辑的基本原理 3.1.2模糊逻辑与模糊系统的发展历稻 3.2模糊集合与模糊逻辑 3.2.1模糊集合与隶属度函数 3.2.2模糊集合上的运算 3.2.3模糊逻辑 3.2.4模糊关系及其合成运算 3.3模糊逻辑推理 3.3.1模糊规则、语言变量和语言算子 3.3.2模糊推理 3.4模糊计算的流程 3.4.1基本思想 3.4.2算法流程 3.5模糊逻辑的应用 (三)思考与实践 查阅文献，了解模糊逻辑的最近进展及各个领域的应用 (四)教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体 第4章遗传算法 (一)目的与要求 1、了解遗传算法的原理。 2、着重掌握遗传算法的基本流程及应用。 (二)教学内容 4.1遗传算法简介 4.1.1基本原理 4.1.2研究进展 4.2遗传算法的流程
4 2、重点掌握模糊逻辑推理、流程； （二）教学内容 3.1 模糊逻辑简介 3.1.1 模糊逻辑的基本原理 3.1.2 模糊逻辑与模糊系统的发展历程 3.2 模糊集合与模糊逻辑 3.2.1 模糊集合与隶属度函数 3.2.2 模糊集合上的运算 3.2.3 模糊逻辑 3.2.4 模糊关系及其合成运算 3.3 模糊逻辑推理 3.3.1 模糊规则、语言变量和语言算子 3.3.2 模糊推理 3.4 模糊计算的流程 3.4.1 基本思想 3.4.2 算法流程 3.5 模糊逻辑的应用 （三）思考与实践 查阅文献，了解模糊逻辑的最近进展及各个领域的应用 （四）教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体。 第 4 章 遗传算法 （一）目的与要求 1、了解遗传算法的原理。 2、着重掌握遗传算法的基本流程及应用。 （二）教学内容 4.1 遗传算法简介 4.1.1 基本原理 4.1.2 研究进展 4.2 遗传算法的流程
4.2.1流程结构 4.2.2应用举例 4.3遗传算法的改进 4.3.1算子选择 4.3.2参数设置 4.3.3混合遗传算法 4.3.4并行遗传算法 4.4遗传算法的应用 (三)思考与实践 查阅文献，了解遗传算法的最近进展及各个领域的应用 (四)教学方法与手段 采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体、互联网。 第5章蚊群优化算法 (一)目的与要求 1.掌握蚁群优化算法的基本概念 2.掌握蚁群优化算法基本原理及流程： (二)教学内容 5.1蚁群优化算法简介 5.1.1基本原理 5.1.2研究进展 5.2蚁群优化算法的基本流程 5.2.1基本流程 5.2.2应用举例 5.3蚁群优化算法的改进版本 5.3.1精华蚂蚁系统 5.3.2基于排列的蚂蚁系统 5.3.3最大最小蚂蚁系统 5.3.4蚁群系统 5.3.5蚁群算法的其他改进版本 5.4蚁群优化算法的相关应用
5 4.2.1 流程结构 4.2.2 应用举例 4.3 遗传算法的改进 4.3.1 算子选择 4.3.2 参数设置 4.3.3 混合遗传算法 4.3.4 并行遗传算法 4.4 遗传算法的应用 （三）思考与实践 查阅文献，了解遗传算法的最近进展及各个领域的应用 （四）教学方法与手段 采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体、互联网。 第 5 章 蚁群优化算法 （一）目的与要求 1．掌握蚁群优化算法的基本概念； 2．掌握蚁群优化算法基本原理及流程； （二）教学内容 5.1 蚁群优化算法简介 5.1.1 基本原理 5.1.2 研究进展 5.2 蚁群优化算法的基本流程 5.2.1 基本流程 5.2.2 应用举例 5.3 蚁群优化算法的改进版本 5.3.1 精华蚂蚁系统 5.3.2 基于排列的蚂蚁系统 5.3.3 最大最小蚂蚁系统 5.3.4 蚁群系统 5.3.5 蚁群算法的其他改进版本 5.4 蚁群优化算法的相关应用