(完整版)《计算智能》授课大纲

《计算智能》授课大纲课程性质：必修课，3学分，共48~54课时（共16周)。

一、课程介绍《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。

内容包括绪论以及进化计算、群体智能、人工免疫算法、分布估计算法、神经网络、模糊逻辑和多目标进化算法等。

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人工智能的实际问题及其解决方法。

二、教学内容1.导论(1课时)（1）计算智能简介（2）计算智能典型方法2.优化理论(2课时)（1）优化问题（2）优化方法分类a)非约束优化b)约束优化c)多解问题d)多目标优化e)动态优化问题3.进化计算(9课时)(1)进化计算导论(2)遗传算法a)经典遗传算法b)交叉、变异c)控制参数d)模式定理与积木块假设e)遗传算法的变体f)前沿专题（小生境遗传算法、约束处理、多目标优化、动态环境）g)应用(3)遗传编程、进化规划、进化策略(4)差分进化(5)文化计算(6)协同进化4.人工免疫系统(6课时)（1）自然免疫系统（2）人工免疫模型a)克隆选择模型b)网络理论模型c)危险理论（3）免疫优化计算5.群体智能(3课时)（1）粒子群优化（2）蚁群算法6.多目标进化算法及应用（6课时）5.1 绪论5.2 主要的多目标进化算法5.3 多目标进化算法性能评价和问题测试集5.4 多目标优化的新进展5.5 应用实例7.神经网络(6课时)（1）人工神经元（2）监督学习神经网络（3）非监督学习神经网络（4）径向基函数网络（5）增强学习（6）监督学习的性能问题8.深度学习算法（Deep Learning）（3课时）9.分布估计算法(3课时)10.计算智能算法在各研究方向的应用(6~9课时)（讨论计算智能算法在每个研究生的研究方向中的结合应用）三、教材与参考书2、张军,詹志辉.计算智能[M].清华大学出版社[北京].2009.11.3、吴微,周春光,梁艳春.智能计算[M].高等教育出版社[北京].2009.12.4、段海滨,张祥银,徐春芳.仿生智能计算.科学出版社[北京].2011.1.。

《计算智能》课程教学大纲开课目的：本课程系统地讲授计算智能的有关理论、技术及其主要应用，并给学生们全面地介绍计算智能研究的前沿领域与最新进展。

通过本课程的学习，要求学生系统地掌握计算机智能的基本内容与方法，了解计算智能的主要应用领域。

开课基础：学习本课程之前，要求学生已经选修过《高等数学》，《计算机基础与算法》《人工智能基础》和《模式识别基础》等课程。

教学方式：课堂讲授为主，专题讨论为辅。

考试方式：笔试（闭卷）。

成绩组成：作业占40%，期中考试占20%，期末考试占40%。

授课老师：谭营北京大学信息科学与技术学院智能科学系教授课程内容与学时分配：第一章 计算智能概论(3学时)术语介绍传统人工智能计算智能计算智能的主要内容与分类主要应用领域第二章 人工神经网络 (6学时)人工神经元与感知器模型前向多层网络径向基函数网络反馈神经网络SOM网络第三章 支撑向量机理论 (6学时)VC维学习过程的一致性结构风险最小归纳原理支撑向量机核函数第四章 自适应提升算法 (3学时)提升算法自适应提升算法算法的性能分析第五章 进化计算与遗传算法 (6学时) 遗传进化的基本原理遗传算法及其数学基础遗传算法的改进进化计算的理论与分析组合优化与多目标优化第六章 模拟退火算法(3学时)随机模拟退火算法玻尔兹曼机确定性退火算法第七章 群体智能优化算法(9学时)蚁群算法粒子群算法典型应用介绍第八章人工免疫(6学时)生物免疫机理人工免疫网络模型免疫学习算法克隆算法人工免疫系统第九章 模糊集与模糊信息处理(6学时) 模糊数学基础模糊逻辑与模糊推理模糊控制原理模糊控制系统的分析和设计模糊模式聚类与识别第十章 粗糙集理论与粒度计算(3学时) 粗糙集与模糊集知识的约简和依赖性信息粒度概念粒度计算及其应用第十一章 计算智能的未来发展 (3学时)目前计算智能的研究成果计算智能的发展动力未来的发展方向教材与参考书（作者、书名、出版社及出版年）：1、Andries P. Engelbrecht, Computational Intelligence: An Introduction,Wiley, New York, 2002. ISBN 0-470-84870-7.2、丁永生 编著，《计算智能——理论、技术与应用》，科学出版社，2004.8.ISBN7-03-013902-X. P.481.3、徐宗本，张讲社，郑亚林， 编著，《计算智能中的仿生学：理论与算法》，科学出版社，2003.5，ISBN7-03-010792-6. P.315.4、徐宗本，编著，《计算智能（第一册）---模拟进化计算》，高等教育出版社，2004.2，ISBN7-04-013839-5. P.141.5、王国俊，编著，《计算智能（第二册）---词语计算与Fuzzy集》，高等教育出版社，2005.2，ISBN7-04-016032-3. P.106.6、罗四维，著，《大规模人工神经网络理论基础》，清华大学出版社和北方交通大学出版社，2004.2，ISBN7-81082-174-1. P.177.7、褚蕾蕾，陈绥阳，周梦编著，《计算智能的数学基础》，科学出版社，20028、史忠植 编著，《知识发现》，清华大学出版社，2002.1。

第四章计算智能(1)教学内容：本章讨论计算智能所涉及的领域和范围，计算智能的含义及它与传统的人工智能的区别。

介绍人工神经网络的由来、特性、结构、模型和算法；神经网络的表示和推理。

简要地介绍模糊数学的基本概念、运算法则、模糊逻辑推理和模糊判决等。

教学重点：计算智能；人工神经网络的结构、模型和算法，以及表示和推理。

教学难点：人工神经网络的结构、算法和推理；模糊数学的运算法则和模糊逻辑推理。

教学方法：课堂教学为主。

适当提问，加深学生对概念的理解。

教学要求：通过对本章的学习，使学生掌握人工神经网络的结构、模型和算法，了解计算智能所涉及的领域和范围，了解人工神经网络的特性、表示和推理，了解模糊数学的基本概念、运算法则、模糊逻辑推理和模糊判决等。

4.1概述教学内容：本节介绍计算智能所涉及的领域和范围，计算智能的含义及其与传统人工智能的区别。

贝兹德克提出的“ABC”，及它与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。

教学重点：计算智能的含义及其与传统的人工智能的区别。

教学难点：“ABC”及其与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。

教学方法：课堂教学。

教学要求：掌握计算智能的含义，了解计算智能与传统的人工智能有何区别。

了解贝兹德克提出的“ABC”及其与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。

信息科学与生命科学的相互交叉、相互渗透和相互促进是现代科学技术发展的一个显著特点。

计算智能涉及神经网络、模糊逻辑、进化计算和人工生命等领域，它的研究和发展正是反映了当代科学技术多学科交叉与集成的重要发展趋势。

把神经网络（NN）归类于人工智能（AI）可能不大合适，而归类于计算智能（CI）更能说明问题实质。

进化计算、人工生命和模糊逻辑系统的某些课题，也都归类于计算智能。

计算智能取决于制造者（manufacturers）提供的数值数据，不依赖于知识；另一方面，人工智能应用知识精品（knowledge tidbits）。

计算智能基础教学大纲计算智能基础教学大纲人工智能已经成为国际竞争的新焦点，其在图像识别、语音翻译、行为分析等方面得到广泛应用，智能机器人、无人商店、机器翻译、共享汽车、自动驾驶等新产品备受瞩目，在城市规划、智能交通等领域的应用也颇具特色。

本课程目的是使学生了解计算智能基础知识，掌握神经网络、模糊计算、进化算法等算法。

课程概述人工智能已经成为国际竞争的新焦点，其在图像识别、语音翻译、行为分析等方面得到广泛应用，智能机器人、无人商店、机器翻译、共享汽车、自动驾驶等新产品备受瞩目，在城市规划、智能交通等领域的应用也颇具特色。

随着新一轮科技革命和产业变革应运兴起，网络设施的演进、大数据的形成、理论算法的革新、计算能力的提升，新一代人工智能正在创造新市场、新机会，全面重塑传统行业发展模式和格局。

本课程目的是使学生了解计算智能基础知识，掌握神经网络、模糊计算、进化算法等主要计算智能算法。

通过学习本课程，学生可以学习和应用最新的深度学习等方面的最新知识和技术。

神经网络部分主要包括各种不同的神经网络结构、神经网络权值的确定和学习算法，重点介绍以多层感知器为代表的神经网络及其BP 学习算法，径向基神经网络以及神经网络在分类和函数拟合中的应用等；模糊逻辑及模糊控制部分主要包括模糊集合、隶属度函数、模糊逻辑和模糊推理以及模糊控制等方面的一些基础知识；进化计算部分主要包括遗传算法、蚁群算法、粒子群算法等。

授课目标使学生了解计算智能基础知识，掌握神经网络、模糊计算、进化算法等主要计算智能算法，并为学习后继课程打下良好的知识基础。

1、掌握计算智能基本理论、方法、技术等基础知识，包括人工神经网络基础、BP神经网络及设计、自组织神经网络及设计、反馈神经网络、模糊逻辑及其应用简介、模糊集合与隶属度函数、模糊模式识别、模糊聚类分析、模糊推理、模糊控制理论、进化算法的基本概念、进化算法中的遗传算法和粒子群算法。

2、获得计算智能在现代交通工程领域分析问题、开展研究、设计解决方案的基本训练，获得一定的使用现代工具的锻炼。

《计算智能导论》教学大纲课程编号：课程名称：计算智能导论英文名称：Introduction of Computational Intelligence 学分：3 学时：48课程类型：必修课程性质：专业基础课适用专业：智能科学与技术专业先修课程：离散数学、高等数学、算法设计与分析开设学期：第6学期开课院系：电子工程学院一、课程的教学目标与任务计算智能是模拟自然以实现对复杂问题求解的科学，是生物学、神经科学、认知科学、计算机科学、免疫学、哲学、社会学、数学、信息科学、非线性科学、工程学、音乐、物理学等众多学科相互交叉融合的结果，是人们对自然智能认识和模拟的最新成果。

目前计算智能已经成为智能与信息科学中最活跃的研究领域之一，它的深入发展将极大地改变人们认识自然，求解现实问题的能力和水平。

计算智能导论这门课程主要介绍了计算智能的3个典型范例：人工神经网络、进化计算、模糊系统，它们分别建模了以下自然系统：生物神经网络、进化、和人类思维过程。

通过本课程的学习，要求学生了解并掌握人工神经网络、进化计算、和模糊系统等计算智能模型。

二、课程具体内容及基本要求（一）计算智能简介（4学时）内容：计算智能的基本概念，计算智能的典型方法和计算智能的发展历史。

1. 基本要求（1）了解人计算智能的发展历史、研究现状及发展过程中的几个研究途径；（2）掌握最计算智能的基本概念；2. 重点、难点重点：计算智能概念难点：计算智能的认知观3. 作业及课外学习要求（二）人工神经网络基础（6学时）内容：人工神经元与神经网络模型，人工神经网络结构及工作方式和人工神经网络的学习。

1. 基本要求（1）理解人工神经元与神经网络模型；（2）掌握人工神经网络结构及工作方式和人工神经网络的学习。

2. 重点、难点重点：工神经网络结构及工作方式难点：人工神经网络的学习3. 作业及课外学习要求（三）常用的学习神经网络（6学时）内容：监督学习神经网络（包括神经网络的类型，监督学习规则，隐层单元的功能和集成神经网络）和非监督学习神经网络（包括非监督学习，Hebb学习规则）1. 基本要求（1）掌握监督学习神经网络（2）理解相非监督学习神经网络的思想与算法。

重庆大学研究生《智能计算》课程教学大纲1、课程名称：智能计算课程编码：（在MIS系统中的课程编号）2、学时学分：32学时/2学分3、适用的专业学位类型或工程硕士领域：软件工程、控制工程、计算机技术、信息处理技术等领域4、先修课程：已经修过《高等数学》、《计算机基础与算法》等课程。

5、使用教材及主要参考书目1)《智能计算——若干理论问题及其应用》梁久祯国防工业出版社2)《智能计算》吴微周春光等编高等教育出版社3)《智能学简史》冯天瑾科学出版社4)《计算智能——理论、技术与应用》丁永生编著，科学出版社5)《计算智能的数学基础》褚蕾蕾、陈绥阳编著，科学出版社6)《遗传算法-理论、应用与软件实现》王小平西安交通大学出版社7)《神经计算科学》阮晓钢国防工业出版社8)《人工神经网络教程》韩力群北京邮电大学出版社9)《模糊数学教程》蒋泽军国防工业出版社10)《智能计算》曾黄麟重庆大学出版社11)《蚁群优化》[意] Marco Dorigo著张军胡晓敏等译6、课程简介及主要内容（500字）智能计算是借助自然界（生物界）规律的启示，基于人们对生物体智能机理和某些自然规律的认识，采用数值计算的方法设计出求解问题的算法，模拟和实现人类的智能、生物智能、其它社会和自然规律。

物理学、化学、数学、生物学、心理学、生理学、神经科学、计算机科学等学科的现象与规律，都可能成为智能计算算法的基础和思想来源。

智能计算主要包括：神经计算（Neural Computation，人工神经网络）、模糊计算（Fuzzy Computation，模糊逻辑/推理/系统）、演化计算（Evolutionary Computation，遗传/蚁群优化/粒子群/模拟退火算法）。

本课程旨在系统地讲授智能计算的有关基础理论、技术及其主要应用。

通过本课程的学习，要求学生系统地掌握智能计算的基本内容与方法，了解智能计算的主要应用领域；将智能计算方法与学生未来研究方向相结合，培养学生独立科研思维能力；介绍智能计算研究的前沿领域与最新进展，培养学生科研兴趣。

《计算与人工智能概论》课程教学大纲一、课程简介本课程面向大学低年级学生开设，培养学生的科学与工程思维——计算思维，促进学生的计算思维与各专业思维交叉融合形成复合型思维，为各专业学生今后设计、构造和应用各种计算系统求解学科问题奠定思维基础，帮助学习者提高解读真实世界系统并解决全球范围复杂问题的能力。

课程采用线上线下混合教学方式，课程网站提供丰富教学资源。

课程强调能力培养，改变传统“知识输出”方式，转为以学生为中心的“能力训练”方式。

理论课堂精讲多练，讲练结合，做中学；实验课，学生通过Educoder平台进行大量针对性实训，采用游戏闯关方式，学生自主实训，教师辅导；团队实训提升学生合作意识和创新能力，多层次训练学生应用计算思维进行问题求解能力。

课程促进学生的计算思维与各专业思维交叉融合形成复合型思维，培养人工智能创新发展理念，为学生今后设计构造和应用各种计算系统，求解本学科问题奠定基础。

本课程主要内容第一部分对计算与人工智能进行概述，第二部分从机器人投篮案例任务分析出发，讲解Python 编程，介绍算法的概念和经典算法。

第三部分介绍了智能感知、机器学习、智能决策、智能机器人等人工智能的应用。

第四部分介绍计算机网络基础知识以及通过互联网获取信息的方法，以及计算机数据管理和数据分析的相关概念。

通过课程的学习，使学生了解计算学科和人工智能中的重要概念，培养学生由问题到算法的分析能力，以及程序编写和调试的能力。

掌握使用python相关库实现文件操作、网络数据爬取、数据分析、数据管理、算法优化、机器学习等应用，并将其应用于实际问题。

二、课程内容（一）课程教学目标1.课程目标：CT1：初步掌握社会/自然问题利用计算手段进行求解的基本思维模式，具有利用典型计算思维进行计算系统构造的初步能力。

CT2：理解高级语言/机器语言程序是如何被执行的,理解复杂系统化复杂为简单的基本思维，具有模拟不同计算环境执行程序的初步能力。

计算智能课件全套教案教案标题：计算智能课件全套教案教学目标：1. 了解计算智能的基本概念和应用领域；2. 掌握计算智能的基本原理和算法；3. 能够运用计算智能解决实际问题；4. 培养学生的创新思维和解决问题的能力。

教学内容：1. 计算智能的概念和分类；2. 人工智能的发展历程；3. 机器学习和深度学习的基本原理；4. 计算智能在图像识别、自然语言处理等领域的应用；5. 计算智能在实际问题中的应用案例。

教学步骤：第一课时：计算智能概述与分类1. 导入：通过展示一些计算智能应用的例子引起学生的兴趣，并引导学生思考计算智能的概念。

2. 讲解计算智能的概念和分类：介绍计算智能的定义和不同类型，如机器学习、深度学习、自然语言处理等。

3. 深入讲解机器学习和深度学习的基本原理：介绍监督学习、无监督学习和强化学习等基本概念，并解释深度学习的原理和应用。

4. 小结与展望：总结本节课的内容，并展望下节课将介绍计算智能在图像识别、自然语言处理等领域的应用。

第二课时：计算智能在图像识别和自然语言处理中的应用1. 导入：回顾上节课的内容，并引导学生思考计算智能在图像识别和自然语言处理中的应用。

2. 讲解计算智能在图像识别中的应用：介绍图像分类、目标检测和图像生成等应用，并讲解相关的算法和技术。

3. 讲解计算智能在自然语言处理中的应用：介绍文本分类、情感分析和机器翻译等应用，并讲解相关的算法和技术。

4. 案例分析：通过展示一些计算智能在图像识别和自然语言处理中的实际案例，让学生理解计算智能在实际问题中的应用。

5. 小结与展望：总结本节课的内容，并展望下节课将介绍计算智能在实际问题中的应用案例。

第三课时：计算智能在实际问题中的应用案例1. 导入：回顾上节课的内容，并引导学生思考计算智能在实际问题中的应用案例。

2. 讲解计算智能在医疗诊断中的应用案例：介绍计算智能在医学影像诊断、病理分析等方面的应用案例，并讲解相关的算法和技术。