智能算法MATLAB 30程序及分析
第1 章
1、案例背景
遗传算法（Genetic Algorithm，GA）是一种进化算法，其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。遗传算法的做法是把问题参数编码为染色体，再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息，最终生成符合优化目标的染色体。
在遗传算法中，染色体对应的是数据或数组，通常是由一维的串结构数据来表示，串上各个位置对应基因的取值。基因组成的串就是染色体，或者叫基因型个体( Individuals) 。一定数量的个体组成了群体（Population)。群体中个体的数目称为群体大小（Population Size），也叫群体规模。而各个个体对环境的适应程度叫做适应度( Fitness) 。
2、案例目录：
1.1 理论基础
1.1.1 遗传算法概述
1. 编码
2. 初始群体的生成
3. 适应度评估
4. 选择
5. 交叉
6. 变异
1.1.2 设菲尔德遗传算法工具箱
1. 工具箱简介
2. 工具箱添加
1.2 案例背景
1.2.1 问题描述
1. 简单一元函数优化
2. 多元函数优化
1.2.2 解决思路及步骤
1.3 MATLAB程序实现
1.3.1 工具箱结构
1.3.2 遗传算法中常用函数
1. 创建种群函数—crtbp
2. 适应度计算函数—ranking
3. 选择函数—select
4. 交叉算子函数—recombin
5. 变异算子函数—mut
6. 选择函数—reins
7. 实用函数—bs2rv
8. 实用函数—rep
1.3.3 遗传算法工具箱应用举例
1. 简单一元函数优化
2. 多元函数优化
1.4 延伸阅读
1.5 参考文献
3、主程序：
1. 简单一元函数优化：
clc
clear all
close all
%% 画出函数图
figure(1);
hold on;
lb=1;ub=2; %函数自变量范围【1,2】
ezplot('sin(10*pi*X)/X',[lb,ub]); %画出函数曲线
xlabel('自变量/X')
ylabel('函数值/Y')
%% 定义遗传算法参数
NIND=40; %个体数目
MAXGEN=20; %最大遗传代数
PRECI=20; %变量的二进制位数
GGAP=0.95; %代沟
px=0.7; %交叉概率
pm=0.01; %变异概率
trace=zeros(2,MAXGEN); %寻优结果的初始值
FieldD=[PRECI;lb;ub;1;0;1;1]; %区域描述器
Chrom=crtbp(NIND,PRECI); %初始种群
%% 优化
gen=0; %代计数器
X=bs2rv(Chrom,FieldD); %计算初始种群的十进制转换
ObjV=sin(10*pi*X)./X; %计算目标函数值
while gen FitnV=ranking(ObjV); %分配适应度值 SelCh=select('sus',Chrom,FitnV,GGAP); %选择 SelCh=recombin('xovsp',SelCh,px); %重组 SelCh=mut(SelCh,pm); %变异 X=bs2rv(SelCh,FieldD); %子代个体的十进制转换 ObjVSel=sin(10*pi*X)./X; %计算子代的目标函数值 [Chrom,ObjV]=reins(Chrom,SelCh,1,1,ObjV,ObjVSel); %重插入子代到父代，得到新种群X=bs2rv(Chrom,FieldD); gen=gen+1; %代计数器增加 %获取每代的最优解及其序号，Y为最优解,I为个体的序号 [Y,I]=min(ObjV); trace(1,gen)=X(I); %记下每代的最优值 trace(2,gen)=Y; %记下每代的最优值 end plot(trace(1,:),trace(2,:),'bo'); %画出每代的最优点 grid on; plot(X,ObjV,'b*'); %画出最后一代的种群 hold off %% 画进化图 figure(2); plot(1:MAXGEN,trace(2,:)); grid on xlabel('遗传代数') ylabel('解的变化') title('进化过程') bestY=trace(2,end); bestX=trace(1,end); fprintf(['最优解:\nX=',num2str(bestX),'\nY=',num2str(bestY),'\n']) 2. 多元函数优化 clc clear all close all %% 画出函数图 figure(1); lbx=-2;ubx=2; %函数自变量x范围【-2,2】 lby=-2;uby=2; %函数自变量y范围【-2,2】 ezmesh('y*sin(2*pi*x)+x*cos(2*pi*y)',[lbx,ubx,lby,uby],50); %画出函数曲线hold on; %% 定义遗传算法参数 NIND=40; %个体数目 MAXGEN=50; %最大遗传代数 PRECI=20; %变量的二进制位数 GGAP=0.95; %代沟 px=0.7; %交叉概率 pm=0.01; %变异概率 trace=zeros(3,MAXGEN); %寻优结果的初始值 FieldD=[PRECI PRECI;lbx lby;ubx uby;1 1;0 0;1 1;1 1]; %区域描述器 Chrom=crtbp(NIND,PRECI*2); %初始种群 %% 优化 gen=0; %代计数器 XY=bs2rv(Chrom,FieldD); %计算初始种群的十进制转换 X=XY(:,1);Y=XY(:,2); ObjV=Y.*sin(2*pi*X)+X.*cos(2*pi*Y); %计算目标函数值 while gen FitnV=ranking(-ObjV); %分配适应度值 SelCh=select('sus',Chrom,FitnV,GGAP); %选择 SelCh=recombin('xovsp',SelCh,px); %重组 MATLAB 智能算法30个案例分析（终极版） 1 基于遗传算法的TSP算法（王辉） 2 基于遗传算法和非线性规划的函数寻优算法（史峰） 3 基于遗传算法的BP神经网络优化算法（王辉） 4 设菲尔德大学的MATLAB遗传算法工具箱（王辉） 5 基于遗传算法的LQR控制优化算法（胡斐） 6 遗传算法工具箱详解及应用（胡斐） 7 多种群遗传算法的函数优化算法（王辉） 8 基于量子遗传算法的函数寻优算法（王辉） 9 多目标Pareto最优解搜索算法（胡斐） 10 基于多目标Pareto的二维背包搜索算法（史峰） 11 基于免疫算法的柔性车间调度算法（史峰） 12 基于免疫算法的运输中心规划算法（史峰） 13 基于粒子群算法的函数寻优算法（史峰） 14 基于粒子群算法的PID控制优化算法（史峰） 15 基于混合粒子群算法的TSP寻优算法（史峰） 16 基于动态粒子群算法的动态环境寻优算法（史峰） 17 粒子群算法工具箱（史峰） 18 基于鱼群算法的函数寻优算法（王辉） 19 基于模拟退火算法的TSP算法（王辉） 20 基于遗传模拟退火算法的聚类算法（王辉） 21 基于模拟退火算法的HEV能量管理策略参数优化（胡斐） 22 蚁群算法的优化计算——旅行商问题（TSP）优化（郁磊） 23 基于蚁群算法的二维路径规划算法（史峰） 24 基于蚁群算法的三维路径规划算法（史峰） 25 有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测（郁磊） 26 有导师学习神经网络的分类——鸢尾花种类识别（郁磊） 27 无导师学习神经网络的分类——矿井突水水源判别（郁磊） 28 支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断（郁磊） 29 支持向量机的回归拟合——混凝土抗压强度预测（郁磊） 30 极限学习机的回归拟合及分类——对比实验研究（郁磊） 智能算法是我们在学习中经常遇到的算法，主要包括遗传算法，免疫算法，粒子群算法，神经网络等，智能算法对于很多人来说，既爱又恨，爱是因为熟练的掌握几种智能算法，能够很方便的解决我们的论坛问题，恨是因为智能算法感觉比较“玄乎”，很难理解，更难用它来解决问题。 因此，我们组织了王辉，史峰，郁磊，胡斐四名高手共同写作MATLAB智能算法，该书包含了遗传算法，免疫算法，粒子群算法，鱼群算法，多目标pareto算法，模拟退火算法，蚁群算法，神经网络，SVM等，本书最大的特点在于以案例为导向，每个案例针对一 第一章算法概述 1.算法：解决问题的一种方法或过程；由若干条指令组成的有穷指令。 2.算法的性质： 1)输入：有零个或多个输入 2)输出：有至少一个输出 3)确定性：每条指令是清晰的、无歧义的 4)有限性：每条指令的执行次数和时间都是有限的 3.算法与程序的区别 程序是算法用某种程序设计语言的具体实现 程序可以不满足算法的有限性 4.算法复杂性分析 1)算法的复杂性是算法运行所需要的计算机资源的量，需要时间资源的量称为时间复 杂性，需要空间资源的量称为空间复杂性 2)三种时间复杂性：最坏情况、最好情况、平均情况 3)可操作性最好且最有实际价值的是最坏情况下的时间复杂性 第二章递归与分支策略 1.递归概念：直接或间接调用自身的算法 2.递归函数：用函数自身给出定义的函数 3.递归要素：边界条件、递归方程 4.递归的应用 ?汉诺塔问题 void Hanuo(int n,int a,int b,int c) { if(n==1) return; Hanuo(n-1,a,c,b); move(a,b) Hanuo(n-1,c,b,a); } ?全排列问题 void Perm(Type list[],int k,int m) { //产生list[k,m]的所有排列 if(k == m) { for(int i = 0;I <= m;i++) cout< VB录入、运行源程序的操作、使用教案 一、教材分析 算法作为信息科技课程教学内容，旨在培养和提高学生的逻辑思维能力，以及用计算机去分析问题、解决问题的能力。然而算法的相关概念比较枯燥，理论过于抽象，对学生的能力要求较高，所以在教学过程中往往难以把握，也不容易引发学生的兴趣。因此需要教师在教学设计和课堂教学中，运用各种手段，使教学内容生动起来，活起来。 二、关于教学目标 在知识目标方面：通过对出租车计价器收费方法的算法设计，使学生理解分支结构解决问题的基本思想，能用分支结构算法来解决实际问题。 在能力目标方面：通过对出租车计价器收费方法的算法设计，培养和提高学生逻辑思维能力以及培养学生在算法研究中的自学探究能力和解决具体问题的能力。在情感目标方面：通过对出租车计价器收费方法的算法设计，激发学生兴趣，提高学生学习的主动性和积极性。让学生知道算法设计在现实生活中的重要性和程序设计的实用性。同时也倡导同学间的相互研究讨论的风气，逐步养成合作学习的好风气，取长补短、共同提高。 三、关于教学设计 中小学信息科技课程既承担着让中小学生了解、熟悉、掌握信息科技的基础知识和基本操作技能的任务，又承担着通过学习，学会利用信息技术发展创造性思维，培养解决真实、开放问题能力的任务。 四、关于教学策略 通过项目式学习，一般要求学生应以小组为单位，联系学习、生活的实践，设计学习任务、课题或项目，教师只起组织、指导作用，并考虑制定可行的评价方案。对于在项目活动中出现学生思维出现盲点或陷入小巷思维时，教师因势利导，给与学生适时的引导与帮助。这样将更有利于学生正确地分析问题、思考问题，学生思维才能得到更有效的培养和锻炼。 最后，期望通过本项目学生能充分理解分支结构解决问题的基本思想，根据算法画出流程图。同时能形成相互研究讨论的风气，逐步养成合作学习的好风气，取 【程序5-1】分治法 SolutionType DandC(ProblemType P) { ProblemType P1，P2， ，P k。 if (Small(P)) return S(P)。//子问题P足够小，用S(P)直接求解 else { Divide(P，P1，P2， ，P k)。//将问题P分解成子问题P1, P2, …,P k Return Combine(DandC(P1)，DandC(P2)，…，DandC(P k))。//求解子问题，并合并解 } } 【程序5-2】一分为二的分治法 SolutionType DandC(int left，int right) { if (Small(left，right)) return S(left，right)。 else { int m=Divide(left，right)。//以m为界将问题分解成两个子问题Return Combine(DandC(left，m)，DandC(m+1，right))。//分别求解子问题，并合并解 } } 【程序5-3】可排序表类 template 数据结构课程设计报告 设计名称：1）简单个人电话号码查询系统 2）哈希表设计 《程序设计与算法分析》课程设计报告 一、简单个人电话号码查询系统 1、需求分析 1、程序的功能：实现一个简单的个人电话号码查询系统，根据用户输入的信息进行排序（按电话号码）并且可以进行快速查询（按姓名），同时还可以进行插入、删除、修改等维护功能 2、输入输出的要求：电话本中每个人的各项信息需要由键盘进 行输入，应用getch 函数进行输入，printf 函数实现输出。 3、测试数据。 2、概要设计 1、存储结构设计说明： 应用结构体类型的数组对电话本中的记录进行存储。 struct record { char name[20]; char phone[20]; char mailbox[20]; }people[60]; 2、程序设计组成框图 3、详细设计 1、主函数 函数功能：对写入文件函数及主菜单函数进行调用。实现主菜单的显示 函数类型：未调用参数，且无返回值。 函数调用关系描述：调用主菜单函数及写入文件函数，实现主菜 个人电话本系统 主菜单 文件导入函数 添加记录函 数 修改菜单 按姓名修改 删除菜单 删除函数 查找菜单 查找函数 排序菜单 排序函数 显示所有 写入文件 单的显示。 2、从文件导入函数 函数功能：判断文件是否存在，存在进行导入，不存在进行文件导入。 函数类型：未调用参数，且无返回值。 算法说明（流程图表示） 开始 是否为输入打开文件失败 是否为输出打开文件失败 建立失败 通讯录 已建立 返回主菜单 退出 指针调到文件尾 文件当 前位置 是否大 于0 返回文件头部，遍历 向电话本中写入信 息 文件导入 成功 任意键回主 菜单 文件导入成功， 无任何记录，任 意键回主菜单 返回主菜单 否 否 否 是 是 是 从文件导入函数流程图 《计算机算法设计与分析》习题及答案 一．选择题 1、二分搜索算法是利用（A ）实现的算法。 A、分治策略 B、动态规划法 C、贪心法 D、回溯法 2、下列不是动态规划算法基本步骤的是（A ）。 A、找出最优解的性质 B、构造最优解 C、算出最优解 D、定义最优解 3、最大效益优先是（ A ）的一搜索方式。 A、分支界限法 B、动态规划法 C、贪心法 D、回溯法 4. 回溯法解旅行售货员问题时的解空间树是（ A ）。 A、子集树 B、排列树 C、深度优先生成树 D、广度优先生成树 5．下列算法中通常以自底向上的方式求解最优解的是（ B ）。 A、备忘录法 B、动态规划法 C、贪心法 D、回溯法 6、衡量一个算法好坏的标准是（C ）。 A 运行速度快 B 占用空间少 C 时间复杂度低 D 代码短 7、以下不可以使用分治法求解的是（D ）。 A 棋盘覆盖问题 B 选择问题 C 归并排序 D 0/1背包问题 8. 实现循环赛日程表利用的算法是（ A ）。 A、分治策略 B、动态规划法 C、贪心法 D、回溯法 9．下面不是分支界限法搜索方式的是（ D ）。 A、广度优先 B、最小耗费优先 C、最大效益优先 D、深度优先 10．下列算法中通常以深度优先方式系统搜索问题解的是（ D ）。 A、备忘录法 B、动态规划法 C、贪心法 D、回溯法 11.备忘录方法是那种算法的变形。（B ） A、分治法 B、动态规划法 C、贪心法 D、回溯法 12．哈夫曼编码的贪心算法所需的计算时间为（ B ）。 A、O（n2n） B、O（nlogn） C、O（2n） D、O（n） 13．分支限界法解最大团问题时，活结点表的组织形式是（ B ）。 A、最小堆 B、最大堆 C、栈 D、数组 14．最长公共子序列算法利用的算法是（ B ）。 A、分支界限法 B、动态规划法 C、贪心法 D、回溯法 15．实现棋盘覆盖算法利用的算法是（ A ）。 A、分治法 B、动态规划法 C、贪心法 D、回溯法 16.下面是贪心算法的基本要素的是（ C ）。 A、重叠子问题 B、构造最优解 C、贪心选择性质 D、定义最优解 17.回溯法的效率不依赖于下列哪些因素（ D ） A.满足显约束的值的个数 B. 计算约束函数的时间 C.计算限界函数的时间 D. 确定解空间的时间 18.下面哪种函数是回溯法中为避免无效搜索采取的策略（ B ） A．递归函数 B.剪枝函数C。随机数函数 D.搜索函数 19. （ D ）是贪心算法与动态规划算法的共同点。 智能算法30个案例分析 【篇一：智能算法30个案例分析】 智能算法是我们在学习中经常遇到的算法，主要包括遗传算法，免 疫算法，粒子群算法，神经网络等，智能算法对于很多人来说，既 爱又恨，爱是因为熟练的掌握几种智能算法，能够很方便的解决我 们的论坛问题，恨是因为智能算法感觉比较“玄乎”，很难理解，更 难用它来解决问题。 因此，我们组织了王辉，史峰，郁磊，胡斐四名高手共同写作 matlab 智能算法，该书包含了遗传算法，免疫算法，粒子群算法， 鱼群算法，多目标pareto 算法，模拟退火算法，蚁群算法，神经网络，svm 等，本书最大的特点在于以案例为导向，每个案例针对一 个实际问题，给出全部程序和求解思路，并配套相关讲解视频，使 读者在读过一个案例之后能够快速掌握这种方法，并且会套用案例 程序来编写自己的程序。本书作者在线，读者和会员可以向作者提问，作者做到有问必答。 本书和目录如下：基于遗传算法的tsp算法（王辉） tsp (旅行商问题—traveling salesman problem)，是典型的np 完全问题，即其 最坏情况下的时间复杂性随着问题规模的增大按指数方式增长，到 目前为止不能找到一个多项式时间的有效算法。遗传算法是一种进 化算法，其基本原理是仿效生物界中的“物竞天择、适者生存” 的演 化法则。遗传算法的做法是把问题参数编码为染色体，再利用迭代 的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息，最终生成符合优化目标的染色体。实践证明，遗传算法对于解决 tsp 问题等组合优化问题具有较好的寻优性能。 基于遗传算法和非线性规划的函数寻优算法（史峰）遗传算法提供 了求解非线性规划的通用框架，它不依赖于问题的具体领域。遗传 算法的优点是将问题参数编码成染色体后进行优化，而不针对参数 本身，从而不受函数约束条件的限搜索过程从问题解的一个集合开始，而不是单个个体，具有隐含并行搜索特性，大大减少陷入局部 最小的可能性。而且优化计算时算法不依赖于梯度信息，且不要求 目标函数连续及可导，使其适于求解传统搜索方法难以解决的大规模、非线性组合优化问题。 用于模式分类、模式识别等方面．但 bp 算法收敛速度慢，且很容易 陷入局部极小点，而遗传算法具有并行搜索、效率高、不存在局部 目录 第二章递归与分治 (3) 1、用递归思想求N! (3) 2、用递归思想求Fibonacci数列 (3) 3、用递归思想求排列问题 (4) 4、用递归思想求整数划分问题 (5) 5、用递归思想求汉诺塔问题 (6) 6、用递归思想实现插入排序 (7) 7、用分治思想实现二分查找 (8) 8、用分治法求两个大整数的乘法 (9) 9、用分治思想求一个数组的最大值与最小值 (10) 10、用分法思想实现合并排序 (12) 11、用分治思想实现快速排序 (13) 12、用分治法实现线性时间选择问题 (15) 13、用分法思想实现残缺棋盘问题 (15) 第三章动态规划法 (18) 1、矩阵连乘问题 (18) 2、最长公子序列 (20) 3、最大子段和问题 (23) 4、图像压缩问题 (28) 5、电路布线问题 (31) 6、最 (31) 7、最 (31) 第四章贪心算法 (32) 1、哈夫曼编码 (32) 4、Kruskal算法求最小生成树 (35) 5、集装箱问题 (38) 6、活动安排问题 (40) 第五章回溯法 (42) 1、用回溯法求0－1背包问题 (42) 2、用回溯法求N皇后问题 (45) 3、用回溯法求旅行售货员问题 (46) 4、用回溯法求圆排列问题 (48) 5、用回溯法求符号三角形问题 (50) 6、用回溯法求批处理作业调度问题 (52) 7、用回溯法求连续邮资问题 (54) 8、用回溯法求图的m着色问题 (57) 9、用回溯法求最大团问题 (59) 第六章回溯法 (62) 1、用分支限界法求0－1背包问题 (62) 第二章递归与分治1、用递归思想求N! 王晓东版——《计算机算法设计与分析（第四版）》P11页，例2－1 2、用递归思想求Fibonacci数列 王晓东版——《计算机算法设计与分析（第四版）》P12页，例2－2 Program算法设计与分析基础中文版答案 习题 5..证明等式gcd(m,n)=gcd(n,m mod n)对每一对正整数m,n都成立. Hint: 根据除法的定义不难证明: 如果d整除u和v, 那么d一定能整除u±v; 如果d整除u,那么d也能够整除u的任何整数倍ku. 对于任意一对正整数m,n,若d能整除m和n,那么d一定能整除n和r=m mod n=m-qn；显然，若d能整除n和r，也一定能整除m=r+qn和n。 数对(m,n)和(n,r)具有相同的公约数的有限非空集，其中也包括了最大公约数。故gcd(m,n)=gcd(n,r) 6.对于第一个数小于第二个数的一对数字,欧几里得算法将会如何处理?该算法在处理这种输入的过程中,上述情况最多会发生几次? Hint: 对于任何形如0<=m 设sqrt(x)是求平方根的函数) 算法Quadratic(a,b,c) 描述将十进制整数表达为二进制整数的标准算法 a.用文字描述 b.用伪代码描述 解答： a.将十进制整数转换为二进制整数的算法 输入：一个正整数n 输出：正整数n相应的二进制数 第一步：用n除以2，余数赋给Ki(i=0,1,2...)，商赋给n 第二步：如果n=0，则到第三步，否则重复第一步 第三步：将Ki按照i从高到低的顺序输出 b.伪代码 算法 DectoBin(n) .n]中 i=1 while n!=0 do { Bin[i]=n%2; n=(int)n/2; i++; } while i!=0 do{ print Bin[i]; i--; } 9.考虑下面这个算法,它求的是数组中大小相差最小的两个元素的差.(算法略)对这个算法做尽可能多的改进. 算法 MinDistance(A[0..n-1]) 解析算法及程序实现教学设计 一、设计思想 根据《新课标》的要求，本课“解析算法”的学习目的是使学生进一步体验算法设计思想。为了让学生更易理解其算法的思想：用解析法找出数学表达式，用它来描述问题的原始数据与结果之间的关系。本堂课的设计思路：通过一元二次方程求解实例引入主题——认知主题——实践体验主题——扩展与提高这几个阶段层层深入的递进式方法使学生充分掌握解析算法。从而使学生形成解析算法的科学逻辑结构。 二、教材分析 本课的课程标准内容： 结合实例，经历分析问题、确定算法、编程求解等用计算机解决问题的基本过程，认识算法和程序设计在其中的地位和作用。掌握使用解析算法设计程序解决问题的方法基本要求：1.初步掌握解析算法。2.初步掌握解析算法的程序实现。 教材中很多例子，但是考虑到课时，具体采用了“计算1900年开始的任意一天是星期几”的问题。 三、学情分析 学生对程序的3种基本模式已有一个了解的基础，对于简单的程序段也有一定的认知意识。并且已学习了枚举算法，这对本节课的教学产生积极的作用。但学生还是会觉得算法设计比较难掌握，困难之处在于，如何将题目的设计思想转化为流程图，根据流程图写出相应的代码并通过自己编制程序上机实践来体验。因此在课堂分析过程中，学生应当从听课认识——分析理解——实践探究这些过程中全面掌握解析算法的设计思想，并能用此算法来解决日常生活问题及与其他学科有所关联的一些简单问题。 四、教学目标 知识与技能：理解解析算法的概念和特点，通过分析了解解析算法的解题结构，初步掌握对解析算法的程序实现。 过程与方法：通过具体问题分析，归纳解析算法的基本思想和方法，确定解题步骤。让学生理解如何用3步法来解决实际问题（提出问题——分析问题——解决问题）； 情感态度与价值观：通过小组合作，增进学生间的学习交流，培养合作能力，激发学生学习能动性；感受解析算法的魅力，养成始终坚持、不断积累才能获得成功的意志品质。 五、重点与难点 重点：通过计算1900年开始的任意一天是星期几，让学生理解解析算法的思想，初步 “智能计算平台应用开发（中级）”课程大纲 一、课程概要 二、课程定位 本课程是人工智能技术服务等专业的专业核心课程，主要目标是培养人工智能技术服务等专业学生的智能计算开发软件系统的安装部署、系统管理、系统调测、数据处理和人工智能基础算法及中级应用开发测试等能力。通过本课程的学习能完成软件开发系统的软件安装部署、计算资源调测、人工智能基础算法产品的应用开发测试等工作任务。本课程以企业需求为导向，通过与华为等世界级主流企业建立密切合作关系，将企业的教育资源融入到教学 体系中，确保学生学习到最先进和实用的人工智能技术。学完本课程后，学生可以参加智能计算平台应用开发1+X认证考试，为将来走向工作岗位奠定坚实的基础。 三、教学目标 （一）知识目标 1.掌握人工智能软件库、IDE的安装配置的主要工作内容； 2.掌握智能计算平台的存储资源扩容和升级改造原理； 3.掌握人工智能专用型服务器系统管理的主要工作内容； 4.掌握智能计算平台系统调测的主要工作内容； 5.掌握大数据采集系统的基本组成和搭建知识； 6.掌握ETL的基本操作和流程； 7.掌握数据标注的方法； 8.掌握数据库管理相关的知识； 9.掌握数据备份与恢复的概念、工具和流程； 10.掌握机器学习基础算法； 11.掌握人工智能基础应用软件开发测试的流程和方法； （二）能力目标 1.具备人工智能软件库、IDE的安装配置能力； 2.具备智能计算平台的存储资源扩容和升级能力； 3.具备人工智能专用型服务器系统管理能力； 4.具备智能计算平台系统的调测能力； 5.能够搭建和使用大数据采集系统； 6.能够实现数据的ETL； 7.能够标注数据； 8.能够管理数据库； 9.能够执行日常数据的备份与恢复； 10.能够运用机器学习算法开发与测试人工智能应用软件。 （三）素质目标 算法分析与设计复习题及答案一、单选题 1．D 2．B 3．C 4．D 5．D 6．D 7．C 8．D 9．B 10．C 11．D 12．B 13．D 14．C 15．C 16．D 17．D 18．D 19．D 20．C 1．与算法英文单词algorithm具有相同来源的单词是（）。 A logarithm B algiros C arithmos D algebra 2．根据执行算法的计算机指令体系结构，算法可以分为（）。 Ａ精确算法与近似算法Ｂ串行算法语并行算法 Ｃ稳定算法与不稳定算法Ｄ３２位算法与６４位算法 3．具有１0个节点的完全二叉树的高度是（）。 Ａ６Ｂ５Ｃ3Ｄ 2 4．下列函数关系随着输入量增大增加最快的是（）。 Ａlog2n B n2 C 2n D n! 5．下列程序段的S执行的次数为( )。 for i ←0 to n-1 do for j ←0 to i-1 do s //某种基本操作 A.n2 B n2/2 C n*(n+1) D n(n+1)/2 6．Fibonacci数列的第十项为( )。 A 3 B 13 C 21 D 34 7．4个盘子的汉诺塔，至少要执行移动操作的次数为( )。 A 11次 B 13次 C 15次 D 17次 8．下列序列不是堆的是（）。 A 99，85，98，77，80，60，82，40，22，10，66 B 99，98，85，82，80，77，66，60，40，22，10 C 10，22，40，60，66，77，80，82，85，98，99 D 99，85，40，77，80，60，66，98，82，10，22 9．Strassen矩阵乘法的算法复杂度为（）。 ＡΘ(n3)ＢΘ(n2.807) ＣΘ(n2) ＤΘ(n) 10．集合A的幂集是（）。 A．A中所有元素的集合 B. A的子集合 C． A 的所有子集合的集合 D. 空集 11．与算法英文单词algorithm具有相同来源的单词是（）。 A logarithm B algiros C arithmos D algebra 12．从排序过程是否完全在内存中显示，排序问题可以分为（）。 Ａ稳定排序与不稳定排序Ｂ内排序与外排序 Ｃ直接排序与间接排序Ｄ主排序与辅助排序 13．下列（）不是衡量算法的标准。 Ａ时间效率Ｂ空间效率 Ｃ问题难度Ｄ适应能力 14．对于根树，出度为零的节点为（）。 Ａ０节点Ｂ根节点Ｃ叶节点Ｄ分支节点 15．对完全二叉树自顶向下，从左向右给节点编号，节点编号为１0的父节点编号为（）。 Ａ０Ｂ２Ｃ４Ｄ６ 16．下列程序段的算法时间的复杂度为（）。 for i ←0 to n do for j ←0 to m do 算法设计与分析的复习要点 第一章：算法问题求解基础 算法是对特定问题求解步骤的一种描述，它是指令的有限序列。 一．算法的五个特征： 1．输入：算法有零个或多个输入量； 2．输出：算法至少产生一个输出量； 3．确定性：算法的每一条指令都有确切的定义，没有二义性； 4．可行性：算法的每一条指令必须足够基本，它们可以通过已经实现的基本运算执行有限次来实现； 5．有穷性：算法必须总能在执行有限步之后终止。 二．什么是算法？程序与算法的区别 1．笼统地说，算法是求解一类问题的任意一种特殊的方法；较严格地说，算法是对特定问题求解步骤的一种描述，它是指令的有限序列。 2．程序是算法用某种程序设计语言的具体实现；算法必须可终止，程序却没有这一限制；即：程序可以不满足算法的第5个性质“有穷性”。 三．一个问题求解过程包括：理解问题、设计方案、实现方案、回顾复查。 四．系统生命周期或软件生命周期分为： 开发期：分析、设计、编码、测试；运行期：维护。 五．算法描述方法：自然语言、流程图、伪代码、程序设计语言等。 六．算法分析：是指对算法的执行时间和所需空间的估算。算法的效率通过算法分析来确定。 七．递归定义：是一种直接或间接引用自身的定义方法。一个合法的递归定义包括两部分：基础情况和递归部分； 基础情况：以直接形式明确列举新事物的若干简单对象； 递归部分：有简单或较简单对象定义新对象的条件和方法 八．常见的程序正确性证明方法： 1.归纳法：由基础情况和归纳步骤组成。归纳法是证明递归算法正确性和进行算法分析的强有力工具； 2.反证法。 第二章：算法分析基础 一．会计算程序步的执行次数（如书中例题程序2-1,2-2,2-3的总程序步数的计算）。二．会证明5个渐近记法。（如书中P22-25例2-1至例2-9） 三．会计算递推式的显式。（迭代法、代换法，主方法） 四．会用主定理求T(n)=aT(n/b)+f(n)。（主定理见P29，如例2-15至例2-18）五．一个好的算法应具备的4个重要特征： 1.正确性：算法的执行结果应当满足预先规定的功能和性能要求； 2.简明性：算法应思路清晰、层次分明、容易理解、利于编码和调试； 3.效率：算法应有效使用存储空间，并具有高的时间效率； 4.最优性：算法的执行时间已达到求解该类问题所需时间的下界。 六．影响程序运行时间的主要因素： 1.程序所依赖的算法； 2.问题规模和输入数据规模； 3.计算机系统性能。 七．1.算法的时间复杂度：是指算法运行所需的时间； 第6章程序设计与算法分析 习题(答案) 一、选择题 1. A 2. D 3. A 4. C 5. D 6. B 7. B 8. D 9. ABCD 10. D 11. C 12. A 13. B 14. D 15. A 二、简答题 1．简述程序的概念。 答：一个程序就是能够实现特定功能的一组指令序列的集合。或者表示为：程序＝算法＋数据结构。 2．结构化程序设计的思想是什么？ 答：结构化程序设计的基本思想就是采用自上而下、逐步求精的设计方法和单入口单出口的控制结构。 3．结构化程序设计的原则是什么？ 答：结构化程序设计的原则是： (1) 使用顺序、选择、循环3种基本控制结构表示程序逻辑。 (2)程序语句组织成容易识别的语句模块，每个模块都是单入口、单出口。 (3)严格控制GOTO语句的使用。 4．结构化程序设计语言采用自顶向下的方法进行程序设计的特点是什么？ 答：利用结构化程序设计语言采用自上而下的方法进行程序设计的特点是： (1) 问题分解成子问题的结构必须与3种基本程序结构之一相对应。 (2) 问题的划分决定了程序的结构。一方面，子问题的划分决定了这一层次的程序是3种基本结构中的哪一种结构；另一方面，一个问题该如何划分成子问题是灵活的，并不是只有一种分解方法。分解的好坏就决定了设计的质量，也决定了程序的不同结构。 (3) 问题的边界应该清晰明确。只有这样才能精确地解决这些子问题，否则就会模棱两可，无从下手。 5．简述面向对象和结构化程序设计的区别。 答：面向对象是从本质上区别于传统的结构化方法的一种新方法、新思路。它吸收了结构化程序设计的全部优点，同时又考虑到现实世界与计算机之间的关系，认为现实世界是由一系列彼此相关并且能够相互通信的实体组成，这些实体就是面向对象方法中的对象，每个对象都有自己的自然属性和行为特征，而一类相似对象的共性的抽象描述，就是面向对象方法中的核心——类。 实验二 RSA算法 实验目的： 1．深入了解RSA加密算法的加密原理 2．通过编程模拟RSA算法的加密过程 实验内容： 一. RSA概述 ①RSA加密算法是一种最常用的非对称加密算法，CFCA在证书服务中离不了它。在公钥加密标准和电子商业中，RSA被广泛使用。 ②公钥和私钥 1.随意选择两个大的质数p和q，p不等于q，计算N=pq。 2.根据欧拉函数，不大于N且与N互质的整数个数为(p-1)(q-1) 3.选择一个整数e与(p-1)(q-1)互质，并且e小于(p-1)(q-1) 4.用以下这个公式计算d：d× e≡ 1 (mod (p-1)(q-1)) 5.将p和q的记录销毁。 (N,e)是公钥，(N,d)是私钥。(N,d)是秘密的。Alice将她的公钥(N,e)传给Bob，而将她的私钥(N,d)藏起来。 二.RSA算法的编程实现 #include MATLAB 智能算法30个案例分析 智能算法是我们在学习中经常遇到的算法，主要包括遗传算法，免疫算法，粒子群算法，神经网络等，智能算法对于很多人来说，既爱又恨，爱是因为熟练的掌握几种智能算法，能够很方便的解决我们的论坛问题，恨是因为智能算法感觉比较“玄乎”，很难理解，更难用它来解决问题。 因此，我们组织了王辉，史峰，郁磊，胡斐四名高手共同写作MATLAB智能算法，该书包含了遗传算法，免疫算法，粒子群算法，鱼群算法，多目标pareto算法，模拟退火算法，蚁群算法，神经网络，SVM等，本书最大的特点在于以案例为导向，每个案例针对一个实际问题，给出全部程序和求解思路，并配套相关讲解视频，使读者在读过一个案例之后能够快速掌握这种方法，并且会套用案例程序来编写自己的程序。本书作者在线，读者和会员可以向作者提问，作者做到有问必答。 本书和目录如下： 1 基于遗传算法的TSP算法（王辉） TSP (旅行商问题—Traveling Salesman Problem)，是典型的NP完全问题，即其最坏情况下的时间复杂性随着问题规模的增大按指数方式增长，到目前为止不能找到一个多项式时间的有效算法。遗传算法是一种进化算法，其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。遗传算法的做法是把问题参数编码为染色体，再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息，最终生成符合优化目标的染色体。实践证明，遗传算法对于解决TSP问题等组合优化问题具有较好的寻优性能。 2 基于遗传算法和非线性规划的函数寻优算法（史峰） 遗传算法提供了求解非线性规划的通用框架，它不依赖于问题的具体领域。遗传算法的优点是将问题参数编码成染色体后进行优化，而不针对参数本身，从而不受函数约束条件的限制；搜索过程从问题解的一个集合开始，而不是单个个体，具有隐含并行搜索特性，可大大减少陷入局部最小的可能性。而且优化计算时算法不依赖于梯度信息，且不要求目标函数连续及可导，使其适于求解传统搜索方法难以解决的大规模、非线性组合优化问题。 3 基于遗传算法的BP神经网络优化算法（王辉） BP模型被广泛地应用于模式分类、模式识别等方面．但BP算法收敛速度慢，且很容易陷入局部极小点，而遗传算法具有并行搜索、效率高、不存在局部收敛问题等优点而被广泛应用．遗传算法的寻优过程带有一定程度的随机性和盲从性，多数情况下只能收敛到全局次优解，且有过早收敛的现象．为了克服遗传算法寻优过程的盲从性，将有监督学习的BP算法与之结合以达到优势互补、提高算法的稳定性和全局搜索能力的目的。 4 设菲尔德大学的MATLAB遗传算法工具箱（王辉） Matlab 遗传算法(Genetic Algorithm)优化工具箱是基于基本操作及终止条件、二进制和十进制相互转换等操作的综合函数库。其实现步骤包括：通过输入及输出函数求出遗传算法主函数、初始种群的生成函数，采用选择、交叉、变异操作求得基本遗传操作函数。以函数仿真 实验一、归并排序及各种排序算法性能比较 一、实验实习目的及要求 了解归并排序等各种排序算法，并能独立在计算机上实现，同时并能够计算它们的时间复杂度，并用计算机来验证。 二、实验实习设备（环境）及要求（软硬件条件） 计算机eclipse软件，执行环境JavaSE-1.8. 三、实验实习项目、内容与步骤(注意是主要关键步骤，适当文字+代码+截图说明) 项目：对10 4 6 3 8 2 5 7进行从小到大排序，采用几种排序方法，并统计这几种方法的运行时间，与归并排序比较。 内容及步骤： (1)归并排序：将序列每次分成两组，再进行合并，直到递归完成； 1、递归调用mergeSort对数组排序 2、merge将两个有序数组合并为一个有序数组 3、主函数调用mergeSort对数组排序 4、统计时间 (2) 选择排序：每次选择一个当前最小的并和当前的相对的第一个元素交换，直到最后 只有一个元素时结束；也可选择当前最大的并与当前的相对的最后一个 元素交换，直到最后只有一个元素时结束。 1、数组长度为n，需要选择n-1次；每次选择完成后，将数组中的最大值与最后一 个元素互换，调用java.util包中Arrays类。 2、主函数调用ChooseSort对数组排序。 3、统计运行时间。 (3)插入排序：从第二个元素开始，每次插入一个到当前有序序列中，使得有序，当 所有的元素插入完毕时，就排好序了； 1、从第二个元素开始，与之前序列比较，插入到合适的位置。 2、主函数调用sort对数组排序。 3、统计运行时间 (4) 快速排序：每次选择一个中间元素，并进行交换，使得中间元素的左边比它小，右 边比它大，然后对左右两边进行递归； 1、选取一个基准位，从右边向左边看，找比基准位小的元素，再从左边向右边看， 找比基准位大的元素，若两者均存在则交换；若两者相遇，则相遇元素与基准位元素交换，然后递归排序左右半数组。 2012年第32 期 群智能算法是人们受自然界或生物界种群规律的启发，根据其原理，仿生模拟其规律而设计求解问题的算法。近几十年来，人们通过模拟自然生态系统机制以求解复杂优化问题的仿生智能算法相继被提出和研究。群智能算法有遗传算法、模拟退火算法、蚁群算法、粒子群算法等。 萤火虫算法是一种新颖的仿生群智能算法，是受自然界中的萤火虫通过荧光进行信息交流这种群体行为的启发演变而来的。萤火虫算法目前有两种版本：a)由印度学者Krishnanand等人［1］提出，称为GSO(glowworm swarm optimization)；b)由剑桥学者Yang[2]提出，称为FA( firefly algorithm)。两种算法的仿生原理相同，但在具体实现方面有一定差异。 本文分析了萤火虫算法的仿生原理，并从数学角度对两种版本的算法实现优化过程进行定义。 1．GSO算法 1.1算法的数学描述与分析 在基本GSO中，把n个萤火虫个体随机分布在一个D维目标搜索空间中，每个萤火虫都携带了萤光素li。萤火虫个体都发出一定量的萤光相互影响周围的萤火虫个体，并且拥有各自的决策域r i d(0＜r i d ≤r s)。萤火虫个体的萤光素大小与自己所在位置的目标函数有关，荧光素越大，越亮的萤火虫表示它所在的位置越好，即有较好的目标值,反之则目标值较差。决策域半径的大小会受到邻域内个体的数量的影响，邻域内萤火虫密度越小，萤火虫的决策域半径会加大，以便找到更多的邻居；反之，则萤火虫的决策域半径会缩小。最后，大部分萤火虫会聚集在多个位置上。初始萤火虫时，每个萤火虫个体都携带了相同的萤光素浓度l0和感知半径r0。 定义1萤光素更新 l i(t)=(1-ρ)l i(t-1)+γJ(x i(t))（1） 其中，J(x i(t))为每只萤火虫i在t迭代的位置x i(t)对应的目标函数值；l i(t)为荧光素值转化为荧光素值；γ为荧光素更新率。 定义2概率选择选择移向邻域集N i(t)内个体j的概率p ij(t)： p ij(t)=l j(t)-l i(t) k∈N i (t) Σ(l k(t)-l i(t)) （2） 其中，邻域集N i（t）={j:d ij(t)MATLAB-智能算法30个案例分析-终极版(带目录)
算法分析与设计总结
“出租车计费”算法分析与程序设计教案
算法设计与分析书中程序
《程序设计与算法分析》课程设计报告
计算机算法设计与分析习题和答案解析
智能算法30个案例分析
算法设计与分析所有程序
算法设计与分析基础课后习题答案
解析算法和程序实现教学设计Word版
智能计算平台应用开发(中级)教学大纲
算法分析与设计复习题及答案
算法设计与分析复习要点
第6章 程序设计与算法分析(答案)
RSA算法分析与编程实现
MATLAB智能算法30个案例分析
算法分析与设计实验报告
群智能优化算法_萤火虫算法
相关主题
文本预览