SPOC学校专有课程
智能优化算法及应用
分享
spContent=近年来，随着计算机技术的快速发展以及量子计算的出现，为了在一定程度上解决大空间、非线性、全局寻优、组合优化等复杂问题，许多新智能优化方法不断涌现，例如：群智能算法、神经网络算法、量子计算与智能优化等。这些算法，因其独特的优点和机制，得到了国内外学者的广泛关注，掀起了研究热潮，在信号、图像处理、模式识别、自动控制和金融、财务等众多领域得到了成功应用。 本门课程教学，我们主要讲述四部分内容：一是人工神经之网络：BP神经元网络、卷积神经元网络、长短期记忆神经元网络；二是群体智能算法：遗传算法、粒子群算法；三是量子智能优化算法：量子遗传算法、量子粒子群算法；四是混合智能优化算法：基于量子粒子群、量子遗传算法优化有关各种神经网络的混合智能优化算法、量子神经元网络算法。 世上无难事、只要肯登攀；大家只要带着问题去学习；勤思考，勤动手上机实验，就一定能够学好这门课程，最后祝大家学有所成，前程似锦。
—— 课程团队
课程概述

   智能优化算法是近些年来一种新兴的、源于生命科学的优化方法，是人工智能主要研究领域之一。本课程主要概述4种智能优化算法，包括：算法来源、原理、算法流程等以及程序开发应用。这4种智能优化算法是：遗传算法、 神经网络（RPNN递归神经网络，卷积神经网络等）、粒子群算法、量子优化算法以及上述有关算法的结合，如：量子神经网络等。课程目标是使学生在当前人工智能快速发展的今天，熟悉、初步掌握有关进化优化算法，毕业后更好服务于国家经济建设。

   通过学习本课程，学生能了解、熟悉及初步掌握4种智能优化算法来源、原理、算法流程以及程序开发应用等，通过参加研究型教学主题活动，提高学生分析问题与解决问题能力，培养学生团队协作、攻关等能力。

   研究主题，例如：（1）参考运用教学中所分析的智能优化算法应用实验示例，结合个人所学专业知识和文献资料查找与学习，试完成一项智能优化算法及应用实验并写出相应实验报告；（2）基于你对智能优化算法及应用知识与技术的认识，如果让你应用智能优化算法开发一个创意项目或改进一个系统、产品等，你将如何去做？试写出研发思路与草案。

 教学安排：32个学时，厦大开学后 第4周-11周上课，10月5日开始，11月28日结课；每周  4学时  

 课程 QQ群 693918964


成绩 要求

1 线上学习与表现 50%：观看视频时间长度、完成单元作业、参与课程讨论情况（共计占50%）；具体为：单元学习与作业完成项：40% ， 课程讨论项：10% 

  2 小组（2-3人）或个人，完成期末课程实验报告或论文 50%：具体为：域外成绩项：50 % 。


课程大纲
预备知识

预备知识

1 掌握：MATLAB、Python、C++、R语言等，其中任意一种编程语言方法技术。

2 线性代数、概率论、数理统计方面知识。

3 对人工智能、机器学习、有关优化问题有一定了解与认识。


参考资料

1.汪定伟 王俊伟 王洪峰著，智能优化方法高等教育出版社2017.5 第7次印刷

2李士勇 李盼池 著 量子计算与量子优化算法 哈尔滨工业大学 2009.5 

3孙俊 等著 量子行为粒子群优化 原理及其应用 清华大学出版社 2011.5

4包子阳  智能优化算法及其Matlab实例  电子工业出版社 2016.8 (电子书，当当云阅读 )

5卓金武   MATLAB在数学建模中的应用，北京航空航天大学出版社，第2版，2019.4.

6其它 优化算法研究社群、MATLAB官网、Python研究社群等