• 课堂讲解--理论知识学习

• 软件平台应用--实验仿真

• 中国大学MOOC--科学计算与MATLAB语言（中南大学）

• 中国大学MOOC--计算智能基础（北京交通大学）

成绩体现过程考核：

•  平时成绩=出勤＋理论作业＋实验作业+MOOC

•  总成绩=平时成绩*50%+期末考试*50%

•  课程设计（单独考核，一周时间）

• 掌握三大计算智能模块理论：模糊计算、神经计算、进化计算，会运用Python\Matlab进行仿真编程，实现每种计算的过程。

• 通过课程设计，使学生学会与人交流沟通、锻炼团队合作能力，提升人际交往能力；锻炼编程实践能力；训练报告撰写能力；提升查阅文献能力。
  

• 教材：

《计算智能》 陈丽芳，侯伟 著，清华大学出版社，2025.1

• 参考书目：

1、《计算智能基础》张汝波，刘冠群，吴俊伟，哈尔滨工程大学出版社，2013.7

2、《计算智能》张军， 詹志辉，清华大学出版社，2009.11

   《计算智能》课程教学大纲

一、课程简介

《计算智能》课程是智能科学与技术专业的专业必修课程，主要讲授计算智能研究领域中模糊计算、神经计算、进化计算三大模块，系统讲授智能计算的有关理论、技术及其主要应用，全面介绍计算智能研究的前沿领域与最新进展，以及三大智能计算理论在不精确、不完整、不确定的真实世界中数据的知识表达、学习、挖掘和归纳等方面的处理技术和方法。

通过本课程的学习，应使学生系统地掌握计算智能的基本内容与方法，了解计算智能的主要应用领域，使学生能够深刻理解计算智能的基本概念、基本理论和学科内涵。通过对模糊计算、神经计算、进化计算相关知识的学习，理解与掌握这些算法的基本流程，拓展基本应用技能，了解计算智能在模式识别、行业领域中的典型应用。掌握计算智能所涉及的编程技术和过程，学会收敛性分析、程序设计的思路和方法，为后续研究提供必要的基础。培养学生运用计算智能方法所提供的思想和方法解决实际工程问题的能力，增强学生综合运用知识的能力以及分析问题、解决问题的能力。

二、课程内容及学时分配

第1单元：绪论（建议学时数：2学时）

【学习目的和要求】

1、知识掌握

掌握智能的定义、理解生物智能、机器智能、计算智能之间的关系，以及计算智能的相关技术。

2、能力培养

布置课下任务，使学生通过查阅资料，了解最新的计算智能进展，并在课堂上展示所查资源，结合自己的理解讲解，培养学生网络资源使用的能力。

3、教学方法

课堂讲授、课下思考、文献查阅等形式。

【重点】

生物智能、人工智能、计算智能的层次。

【难点】

计算智能相关技术概述。

第2单元：模糊系统理论及实现方法（建议学时数：4学时）

【学习目的和要求】

1、知识掌握

掌握模糊集合隶属函数、模糊集合的表示方法、模糊集合的运算等内容；掌握模糊关系的定义与性质、模糊矩阵、模糊关系的合成、相似矩阵与相似关系等知识；理解倒置关系与转置矩阵、模糊关系的传递性；掌握模糊聚类分析、模糊模式识别、模糊综合评判、模糊控制等应用模糊计算解决实际问题的方法。

2、能力培养

通过思维转换，将以前精确表达的数学知识，转换成更贴近实际的处理方式，达到学科素质培养的目的。

3、教学方法

课堂讲授、上机操作、课后练习等形式

【重点】

模糊隶属函数、模糊关系、模糊矩阵、相似矩阵与相似关系、模糊推理。

【难点】

模糊概念的理解

第3单元：模糊应用（建议学时数：4学时）

【学习目的和要求】

1、知识掌握

掌握模糊聚类分析、模糊模式识别、模糊综合评判、模糊控制等应用模糊计算解决实际问题的方法。

2、能力培养

培养学生的模糊逻辑应用能力、用模糊思想解决问题的能力和知识系统规则认知能力，从模糊计算的思维角度，处理现实世界中的问题。

3、教学方法

课堂讲授、上机操作、课后练习等形式

【重点】

模糊聚类分析、模糊模式识别

【难点】

模糊控制

第4单元：人工神经网络基础（建议学时数：4学时）

【学习目的和要求】

1、知识掌握

人工神经网络的发展；神经网络基本特征；人工神经网络的模拟；神经元工作原理；单层感知器。

2、能力培养

培养学生创新思维能力，将人脑结构借鉴到人工智能领域，构建人工神经网络，模拟人脑神经元工作过程。

3、教学方法

课堂讲授、上机操作、课后练习等形式。

【重点】

神经网络工作原理，单层感知器

【难点】

神经元工作原理理解

第5单元：人工神经网络结构及学习方法（建议学时数：8学时）

【学习目的和要求】

1、知识掌握

反馈互联神经网络的结构及学习过程（Hopfield为主介绍）；

前向神经网络结构及学习过程（以BP网络、RBF网络为主介绍）。

2、能力培养

培养学生认知不同的网络结构，并理解什么样的问题适合使用哪种神经网络模型来解决。

3、教学方法

课堂讲授、上机操作、课后练习等形式

【重点】

BP网络结构及算法；RBF网络结构及算法

【难点】

反馈神经网络结构及算法

第6单元：支持向量机（建议学时数：2学时）

【学习目的和要求】

1、知识掌握

统计学习理论、分类支持向量机、回归支持向量机、支持向量机的应用。

2、能力培养

培养学生利用支持向量机解决分类、回归问题的能力。理解支持向量机在智能计算领域中的应用，借助工具更好的解决实际问题。

3、教学方法

课堂讲授、上机操作、课后练习等形式

【重点】

统计学习理论、支持向量机工作原理。

【难点】

VC维、核函数。

第7单元：深度学习（建议学时数：2学时）

【学习目的和要求】

1、知识掌握

了解深度学习平台（TensorFlow）搭建方法；理解深度学习技术原理。

2、能力培养

培养学生平台搭建的能力，训练终身学习的能力。理解深度学习在目前社会上的应用，借助工具更好的解决实际问题。

3、教学方法

课堂讲授、上机操作、课后练习等形式

【重点】

深度学习理论、TensorFlow平台。

【难点】

TensorFlow平台搭建。

第8单元：遗传算法（建议学时数：4学时）

【学习目的和要求】

1、知识掌握

掌握遗传算法的原理、特点、基本操作（复制、交叉、变异）；掌握遗传算法的理论基础，了解遗传算法的优劣性及应用过程中应注意的问题。

2、能力培养

培养学生优化算法的能力，用遗传算法解决TSP问题。理解遗传算法在智能计算领域中的应用，借助智能计算方法更好的解决实际问题。

3、教学方法

课堂讲授、上机操作、课后练习等形式。

【重点】

遗传算法的计算过程。

【难点】

应用于实际应注意的问题。

第9单元：总复习（建议学时数：2学时）

【学习目的和要求】

1、知识掌握

针对所学知识，进行梳理总结，形成知识体系。

2、能力培养

培养学生思维训练，总结知识的能力；逻辑思维训练。

3、教学方法

讲授式+问答式

【重点】

对模糊计算、神经计算、进化计算的深入理解。

【难点】

调动学习积极性和主动性，掌握理论知识。

第10单元：MATLAB软件的安装及简单语句（建议学时数：2学时）

【学习目的和要求】

1、知识掌握

【实验目的】

熟悉软件MATLAB的安装过程、基本使用方法，借助案例流程，模拟软件的使用过程，培养学生熟练使用Matlab软件编程。

2、能力培养

【实验内容】

软件的下载和安装、简单的矩阵操作和简单案例调试。

3、教学方法

上机动手实验

【重点】

【难点】

第11单元：模糊聚类仿真（建议学时数：2学时）

【学习目的和要求】

1、知识掌握

【实验目的】

掌握模糊聚类的手工计算过程，利用Matlab实现模糊聚类分析，编程给出每个步骤的计算结果，培养学生借助工具软件实现智能计算。

2、能力培养

【实验内容】

布置上机实验作业，利用上机时间完成模糊聚类分析并撰写实验报告。

3、教学方法

上机动手实验

【重点】

【难点】

第12单元：模糊控制仿真（Matlab软件）（建议学时数：2学时）

【学习目的和要求】

1、知识掌握

【实验目的】

掌握Matlab下的模糊逻辑工具箱，完成模糊K-means算法编程；练习模糊逻辑设计方法，能够使用Matlab实现不同的模糊逻辑算法仿真过程。进一步培养学生用Matlab软件实现模糊计算的能力。

2、能力培养

【实验内容】

模糊逻辑工具箱的使用方法练习；

模糊K-means算法编程练习；

模糊聚类分析、模糊模式识别、模糊综合评判、模糊控制等应用模糊计算解决实际问题的案例设计与实现，完成上机作业。

3、教学方法

上机动手实验

【重点】

【难点】

第13单元：神经网络工具箱（Matlab软件或Python）（建议学时数：8学时）

【学习目的和要求】

1、知识掌握

【实验目的】

掌握Matlab神经网络工具箱的使用方法，能够自己设计构建BP、RBF、Hopfield网络模型，并对教师指定数据，实现建模和仿真。进一步培养学生用Matlab软件进行神经网络建模的能力，进而实现科学决策。

2、能力培养

【实验内容】

设计构建BP网络，完成教师给定案例的建模与仿真；

设计构建RBF网络，完成教师给定案例的建模与仿真；

设计构建Hopfield网络，并对教师指定数据，实现建模和仿真；

设计构建SVM，对指定数据进行建模与仿真；

进一步培养学生用Matlab软件进行神经网络建模的能力，进而实现科学决策。

3、教学方法

上机动手实验

【重点】

【难点】

第14单元：遗传算法工具箱（Matlab软件）（建议学时数：2学时）

【学习目的和要求】

1、知识掌握

【实验目的】

掌握Matlab的遗传算法工具箱，理解遗传算法的工作原理，通过参数设计，构建遗传算法模型，仿真遗传算法的计算过程。

2、能力培养

【实验内容】

练习遗传算法工具箱的使用，通过参数设计，构建遗传算法模型，依托TSP问题，仿真整个遗传算法的计算过程。

3、教学方法

上机动手实验

【重点】

【难点】

三、考核方式及要求

总成绩=平时成绩（上机实验+作业+出勤）40%+阶段测验30%+课程设计占30%。

四、教材及相关资源

1、《计算智能基础》 张汝波，刘冠群，吴俊伟，哈尔滨工程大学出版社2013.7

2、《智能计算》曾黄麟著.重庆大学出版社，2004.6.

3、《计算智能》张军 詹志辉，清华大学出版社，2009.11

五、责任认定

1、大纲执笔人：陈丽芳

2、大纲审定人：杨光辉

3、制定时间：2024年10月