《智能优化算法解析》(教学大纲)

“智能优化算法解析”课程教学大纲英文名称：AnalysisofIntelligentOptimizationAlgorithms课程编码：XXXXX课程性质：XXXXX学分：2学时：32面向对象：计算机、自动化等相关专业本科生、研究生先修课程：集合与图论、代数与逻辑、数据结构与算法、高级语言程序设计教材：冀俊忠、王鼎、等，智能优化算法解析，机械工业出版社，2024年一、课程简介优化问题是现实世界中的一种客观存在，它不仅普遍存在于我们的学习、生活和工作中，而且也广泛遍布于人工智能的许多研究和工程应用领域，所以，优化问题的求解一直以来是人工智能学者所关注的前沿热点。智能优化算法是一种现代启发式优化算法，又称元启发式搜索算法，它是一种具有全局优化能力、通用性强且求解效率高的算法。其机理是通过模拟自然演化规律、人类智慧和知识、生物社会性行为等来实现在问题解空间中的高效搜索。伴随人工智能理论和方法从符号智能到计算智能（群体智能）的转变，智能优化算法在不断演化中迎来了蓬勃发展。与此同时，智能优化算法在工业制造、生产调度、系统控制、模式识别、任务分配、图像处理、生物识别、机械设计等领域获得了广泛应用，并在提高求解性能、系统效率、节能减耗等方面得到了显著效果。总之，智能优化算法一直以来都是人工智能的最核心技术之一，也是人工智能促进社会发展的一种重要手段。本课程共包含7章主要内容，第一章为绪论，首先讲授了什么是优化问题，什么是智能优化算法。然后讲授了智能优化算法的技术特征、基本术语、机制以及应用步骤。最后，按照五种类型分别讲授了智能优化算法的发展历程，并总结了相应智能优化算法的发展趋势。第二章为基于进化规律的智能优化算法，讲授了一类受自然界生物进化概念和规律启发，主要通过选择、交叉、变异等操作来实现问题求解的智能优化算法。该章以遗传、差分进化、生物地理学优化三种算法为例对具体问题的求解进行详细讲授。第三章为基于物理原理的智能优化算法，讲授了一类通过模拟宇宙中的一些物理规则和原理来实现问题求解的智能优化算法。该章以模拟退火、引力搜索、量子近似优化等三种算法为例对具体问题的求解进行详细讲授。第四章为基于化学原理的智能优化算法，讲授了一类通过模拟化学原理和过程来实现问题求解的智能优化算法。该章以化学反应、人工化学、材料生成等三种算法为例对具体问题的求解进行详细讲授。第五章为基于人类行为的智能优化算法，讲授了一类通过模拟人类的一些行为和感知来实现问题求解的智能优化算法。该章以人工神经网络、禁忌搜索、头脑风暴优化等三种算法为例对具体问题的求解进行详细讲授。第六章为基于群智能的智能优化算法，讲授了一类通过模拟由简单个体组成的群体进行交互与合作的集体社会行为来实现问题求解的智能优化算法。该章以蚁群优化、粒子群优化、菌群优化、浣熊优化等四种算法为例对具体问题的求解进行详细讲授。第七章为基于智能优化算法的工程问题求解案例。结合智慧环保、生物信息、脑科学等新兴领域中的现实需求，讲授了粒子群优化、神经网络、菌群优化、萤火虫优化四种智能优化算法在解决污水处理系统中多目标优化设计、蛋白质连接组中蛋白质网络功能模块检测、脑连接组中脑效应连接网络学习等实际工程中的应用案例。二、课程地位与目标（一）课程地位本课程是可以作为计算机类专业的课程，属于软件技术系列。旨在继程序设计、数据结构与算法等课程后，引导学生系统、科学地再认识程序和算法，培养其计算思维、程序设计与实现、算法设计与分析、计算机系统4大专业基本能力。增强学生对抽象、理论、设计3个学科形态/过程的理解，学习基本思维方法和研究方法；引导学生追求从问题出发，通过形式化去建立求解模型，强化学生数字化、算法、模块化等专业核心意识；除了学习知识外，还要学习自顶向下、自底向上、递归求解、模块化等典型方法；给学生提供参与、设计和实现小型复杂系统的机会，培养其工程意识和能力。（二）课程目标1.教学目标：总的教学目标是：使学生掌握“智能优化”中的基本概念、基本理论、基本方法，在系统级上再认识程序和算法，提升计算机问题求解的水平，增强系统能力和对实际复杂工程问题的求解能力，体验实现智能求解的乐趣。2.育人目标：落实立德树人根本任务，在人工智能的理论和方法讲授中，努力紧扣时代脉搏，引导学生坚定共产主义理想信念、厚植家国情怀、培养民族自信、孕育勇于担当的责任心、规范职业素养和行为操守，将社会主义的核心价值观、责任担当价值观融入到课堂教学、学生培养和指导之中，促进学生德智体美劳全面发展。培养拥护中国共产党领导和我国社会主义制度、立志为中国特色社会主义奋斗的有用人才。

三、课程教学内容分章节列出课程教学内容及对课程目标的支撑，详见表1。表1教学内容与课程目标的对应关系章节名称教学内容及重点（▲）、难点（★）第一章绪论教学目的（▲）、优化问题定义与类别（▲）、智能优化算法的定义（▲）、基本术语（▲）、发展历程、典型应用第二章基于进化的智能优化算法遗传算法的基本概念（▲）、发展历程、算法流程（▲）、适应度函数的设计（★）、编码策略（★）、选择算子（★）、交叉算子（★）、变异算子（★）；差分进化算法的基本概念（▲）、发展历程、算法流程（▲）、差分变异算子（★）、实值编码与交叉策略（★）；生物地理学优化的基本概念（▲）、发展历程、算法流程（▲）、多种迁移模型与迁移策略（★）、融入局部结构的生物地理学优化算法（★）第三章基于物理原理的智能优化算法模拟退火算法的基本概念（▲）、优化过程（▲）、降温策略（★）、接受准则（★）、算法流程（▲）；引力搜索算法的基本概念（▲）、引力常数与质量更新策略（★）、算法流程（▲）；量子计算的基本概念、量子近似优化算法的优化策略（▲）、算法流程（▲）第四章基于化学原理的智能优化算法化学反应优化算法的相关概念（▲）、核心思想（★）、算法流程（▲）、算法特点（▲）；化学反应的种类、人工化学反应优化的相关概念（▲）、算法流程（▲）；材料生成的基本概念、材料生成算法的基本原理（▲）、核心思想（★）、材料生成算法的基本流程（▲）第五章基于人类行为的智能优化算法神经网络算法原理（▲），神经元、激活函数、单层感知机、多层感知机（★），反向传播神经网络（▲），径向基函数神经网络（▲）；禁忌搜索算法（▲），禁忌表、特设准则（★）；头脑风暴优化算法（▲），算法组成、有效性因素（▲），聚类、变异（★）第六章基于群智能的智能优化算法蚁群算法的基本原理（▲），蚂蚁系统算法（▲），蚁群系统算法（▲），最大-最小蚂蚁系统算法（▲），信息素更新、启发信息函数的设计、状态转移概率、种群的并行机制等（▲）（★）；粒子群优化算法的基本原理（▲），速度位置更新机制（★），多目标粒子群优化（▲）；菌群优化算法的基本原理（▲），趋向机制、聚集机制、复制机制、迁徙机制（★）；浣熊优化算法（▲）第七章基于智能优化算法的实际问题求解案例污水处理能耗和水质模型（▲），污水处理优化模型（▲），污水处理系统智能评判优化控制设计（★）；蛋白质功能模块基本概念（▲），基于细菌觅食优化的蛋白质功能模块检测（★）；萤火虫算法（▲），脑效应连接网络基本概念（▲），基于萤火虫算法的脑效应连接网络学习方法（★）四、教授方法与学习方法指导教授方法：理论教学和实验教学相结合。根据课程内容的教学要求以及理论与实践相结合的特点，采取包括讲授、举办答疑、留作业、项目驱动、案例教学、线上、线下混合等多种教学模式与方法。学习方法：根据课程及学生学习特点，提出该门课程的指导和建议。包括本门课程特点的学习策略、学习技巧、自主学习指导、课程延伸学习资料获取途径及信息检索方法、教学网站及学习注意事项、学习效果自我检查方法指导等内容。五、教学环节及学时分配教学环节及各章节学时分配，详见表2。表2教学环节及各章节学时分配表章节名称教学内容学时分配合计讲授习题讨论其它第一章绪论教学目的、优化问题定义与类别、智能优化算法的定义基本术语、发展历程、典型应用20002第二章基于进化的智能优化算法遗传算法的基本概念、发展历程、算法流程、适应度函数设计、编码策略、选择算子、交叉算子、变异算子；差分进化算法的基本概念、发展历程、算法流程、差分变异算子、实值编码与交叉策略；生物地理学优化的基本概念、发展历程、算法流程、多种迁移模型与迁移策略、融入局部结构的生物地理学优化算法41106第三章基于物理原理的智能优化算法模拟退火算法的基本概念、优化过程、降温策略、接受准则、算法流程；引力搜索算法的基本概念、引力常数与质量更新策略、算法流程；量子计算的基本概念、量子近似优化算法的优化策略、算法流程31004第四章基于化学原理的智能优化算法化学反应优化算法的相关概念、核心思想、算法流程、算法特点；化学反应的种类、人工化学反应优化的相关概念、算法流程；材料生成的基本概念、材料生成算法的基本原理、核心思想、材料生成算法的基本流程31004第五章基于人类行为的智能优化算法神经网络算法原理，神经元、激活函数、单层感知机、多层感知机，反向传播神经网络，径向基函数神经网络；禁忌搜索算法，禁忌表、特设准则；头脑风暴优化算法，算法组成、有效性因素，聚类、变异31105第六章基于群智能的智能优化算法蚁群算法的基本原理，蚂蚁系统算法，蚁群系统算法，最大-最小蚂蚁系统算法，信息素更新、启发信息函数的设计、状态转移概率、种群的并行机制等；粒子群优化算法的基本原理，速度位置更新机制，多目标粒子群优化；菌群优化算法的基本原理，趋向机制、聚集机制、复制机制、迁徙机制；浣熊优化算法41106第七章基于智能优化算法的实际问题求解案例污水处理能耗和水质模型，污水处理优化模型，污水处理系统智能评判优化控制设计；蛋白质功能模块基本概念，基于细菌觅食优化的蛋白质功能模块检测；萤火虫算法，脑效应连接网络基本概念，基于萤火虫算法的脑效应连接网络学习方法20305合计2156032六、考核与成绩评定课程考核以考核学生对课程目标达成为主要目的，检查学生对教学内容的掌握程度为重要内容。课程成绩包括平时成绩、实践项目成绩、考试成绩三部分。平时成绩10%、实践项目成绩50%、考试成绩40%。平时成绩主要反应学生的课堂表现、平时的信息接收、自我约束。成绩评定的主要依据包括：课程的出勤率、课堂的基本表现、主要是课堂作业和课外作业，主要考察学生对已学知识掌握的程度以及自主学习的能力。实践项目成绩主要反应学生的动手能力和理论联系实际的能力。成绩评定的主要依据是学生的课程设计代码的编写与报告的完成情况；考试成绩为对学生学习情况的全面检验。强调考核学生对基本概念、基本方法、基本理论等方面掌握的程度，及学生运用所学理论知识解决复杂问题的能力。七、考核环节及质量标准本课程各考核环节及质量标准，详见表3。表3考核环节及质量标准考核方式评分标准ABCDE90～10080～8970～7960～69﹤60作业知识掌握完整，独立完成作业，答案正确，书写整齐并及时交作业知识掌握比较完整，独立完成作业，答案比较正确，书写整齐并及时交作业知识掌握比较完整，独立完成作业，答案比较正确，书写潦草，及时交作业知识掌握比较完整，独立完成作业，答案不正确，书写潦草，及时交作业不满足D要求考勤和课堂表现上课认真听讲，课堂参与度高，回答问题正确，综合运用知识能力强上课认真听讲，课堂参与度较高，回答问题较正确，综合运用知识能力较强上课比较认真听讲，课堂参与度较高，回答问题基本正确，综合运用知识能力一般上课比较认真听讲，课堂参与度不高，回答问题不正确，综合运用知识能力欠缺不满足D要求实践项目准确地完成课程设计、代码完整、报告内容丰富、美观基本准确地完成课程设计、代码与报告内容较丰富能够完成课程设计、代