《智能优化算法及其应用》课程教学大纲.docx

智能优化算法及其应用教学大纲一、课程基本信息课程名称智能优化算法及其应用Intelligent Optimization Algorithms with Applications课程编码CTL122921020开课院部控制科学与工程学院课程团队智能控制课程团队学分2.0课内学时32讲授32实验0上机0实践0课外学时32适用专业自动化授课语言中文先修课程高等数学(2-1).高等数学(2-2).数学实验、自动控制原理课程简介 (限选)本课程是一门智能优化算法入门课程，简明而系统地介绍模拟退火、遗传算法、粒子群优化等热点智能优化算法。内容涉及优化机 制、流程、技术，结合实例分析指导算法应用，突出实用技术性和结构统一性。同时，介绍国内外最新研究进展，引导学生自学蚁群算 法、差分进化等智能优化方法，并开展相应的设计与应用研究。通过学习使学生了解智能优化算法在控制科学与工程中的地位和作用以及 解决工程优化问题的正确方法。通过本课程的学习，进一步拓宽本科生的优化理论与技术知识，使本科生掌握智能优化算法基本知识，提 高学生应用智能进化理论解决实际的问题能力。(对应毕业要求指标点：1.3、5.4、4.3、12.2)This course is an introductory course for intelligent optimization algorithms, which briefly and systematically introduces hot intelligent optimization algorithms such as simulated annealing, genetic algorithm and particle swarm optimization. The content involves optimization mechanism, process and technology, and combines case analysis to guide the application of algorithm, highlighting practical technology and structural unity. At the same time, the latest research progress at home and abroad is introduced to guide students to learn intelligent optimization methods such as ant colony algorithm and differential evolution by themselves, and the corresponding design and application research are carried out. Through learning, students can understand the position and function of intelligent optimization algorithm in Control Science and Engineering and the correct method to solve engineering optimization problems. Through the study of this course, the optimization theory and technical knowledge of undergraduates will be further broadened, so that undergraduates can master the basic knowledge of intelligent optimization algorithms and improve students' ability to apply intelligent evolution theory to solve practical problems. (Corresponding graduation requirements index points: 1. 3, 5.4, 4. 3, 12.2)负责人大纲执笔人审核人二、课程目标序号代号课程目标OBE毕业要求指标点任务自选1Ml目标1 ：掌握模拟退火、遗传和粒子群等智能优化算法知识，并能将相关知识用于解决自动化领域复 杂工程问题。是1.31.32M2目标2 ：掌握应用Matlab编写模拟退火、遗传和粒子群等智能优化算法。是5.45.43M3目标3 ：分析/评价智能优化算法参数选择等对优化问题求解速度、收敛的影响。是4.34.34M4目标4 ：学会关注智能优化算法领域的前沿发展现状和趋势。是12.212.2三、课程内容序号章节号标题课程内容/重难点支撑课程目标课内学时教学方式课外 学时课外环节1第1章概论本章重点：最优化问题求解算法分类。本章难点：优化算法计 算复杂度计算。Ml, M4/ /21. 1最优化问题及其求 解算法分类最优化问题描述，函数优化问题与组合优化问题，确定性问题 与不确定问题，约束问题与无约束问题，单极小问题与多级小 问题，优化算法描述和分类Ml1讲授1作业/自学31.2计算复杂度时间复杂度，空间复杂度Ml, M41讲授1作业/自学4第2章模拟退火算法 (Simulated Annealing Algorithm, SAA)本章重点：模拟退火算法的收敛性设计方法。本章难点：模拟 退火算法的收敛性分析。3/52. 1模拟退火算法简介 和收敛性算法提出动机，物理退火和模拟退火算法机制，马氏链简介， 算法的马氏链描述，算法的收敛性。Ml2讲授/讨论2作业/自学62.2模拟退火算法的设 计初始化，状态产生函数，状态接受函数，退火函数，抽样稳定 准则，算法终止准则，算法参数选取。Ml, M24讲授/讨论4作业/自学72.3模拟退火算法的应 用基于模拟退火算法的复杂优化及状态生产函数研究，基于模拟 退火算法的TSP研究及软件演示。M2, M32/2作业/自学8第3章遗传算法(Genetic Algorithms, GA)本章重点：遗传算法工作原理和设计分析。本章难点：遗传算 法工作收敛性证明。3/93. 1遗传算法简介遗传算法的生物学基础，遗传算法的基本概念、基本实现、特 点及应用。Ml2讲授/讨论2作业/自学103.2遗传算法理论隐含并行性，遗传算法的马氏链描述，遗传算法的收敛性。Ml, M22讲授/讨论2作业/自学113.3遗传算法的设计初始化、交叉、变异、选择、种群更新、算法终止准则、算法 参数选取。M2, M34讲授/讨论4作业/自学123.4遗传算法的应用基于遗传算法的系统辨识，基于遗传算法的TSP研究与软件演M2, M32讲授/讨论2作业/自学13第4章粒子群算法 (Particle Swarm Optimization, PSO)本章重点：粒子群智能算法流程与设计。本章难点：粒子群智 能算法收敛性分析。3/144. 1粒子群优化算法简 介粒子群搜索示例，粒子群进化机制，算法流程和收敛性。Ml2讲授/讨论2作业/自学154.2粒子群优化算法的 设计初始化，状态产生函数，候选解选择，比较/记忆机制，适应性 指标，终止准则。M1,M24讲授/讨论4作业/自学164.3粒子群优化实现与 应用基于粒子群优化的复杂函数优化问题。M2, M32讲授/讨论2作业/自学17第5章智能优化算法在控 制系统设计中的应 用本章重点：基于智能进化算法（GA、PSO）的P1D控制器参数整定 方法。本章难点：智能进化算法与控制系统设计结合。M3, M4/185. 1基于GA的PID控 制器参数整定PID参数整定问题描述，优化问题的构建，适应度函数的选 择，GA优化结果的分析。M3, 42讲授2作业/自学195.2基于PSO的P1D控 制器参数整定PSO优化结果分析及与GA优化结果的对比（最优性,收敛性）， 控制性能（快速性、稳定性）分析对比。M3, M42讲授2作业/自学四、考核方式序号考核环节操作细节总评占比1平时表现1 .完成每章布置的作业。2 .参加课堂活动，随堂提问、随堂测试、课堂讨论等。30%2文献综述 报告1 .围绕智能优化算法最新前沿和发展趋势，自主调研科技文献，并撰写不少于2000字的文献综述报告；2 .重点突出智能进化算法在控制领域的应用。20%3大作业1 .根据课程教学内容，设计并编程实现智能优化算法用于调整PID参数；2 .能对仿真结果进行全面分析。50%五、评分细则序号课程目标考核环辛大致占比评分等级1Ml平时表现50%A-熟悉智能优化算法的基本原理和设计方法.B-基本掌智能进化算法基本原理和设计方法.C-了解智能进化 算法基本原理和设计方法. D-不了解智能进化算法原理和设计基本方法2Ml大作业50%A-深刻理解模拟退火、遗传和粒子群优化算法的各自特点和应用场合，能够根据优化问题选择合适算法去 解决.B-正确理解模拟退火、遗传和粒子群优化算法的各自特点和应用场合，能够根据优化问题选择合适算 法去解决.C-基本了解模拟退火、遗传和粒子群优化算法的各自特点和应用场合。.D-不了解模拟退火、遗 传和粒子群优化算法的各自特点和应用场合。3M2平时表现30%A-熟悉智能优化算法的基本原理和设计方法.B-基本掌握先进控制技术基本原理和设计方法.C-了解先进控 制基本原理和设计方法.D-不/解先进控制原理和设计基本方法4M2大作业70%A-掌握Mat lab编写模拟退火、遗传和粒子群等智能进化算法的方法，并能熟练用于调整PID控制器参 数。B-基本掌握模拟退火、遗传和粒子群等智能进化算法设计基本坏书，并能用于调整PID控制器参数。 C-基本掌握模拟退火、遗传和粒子群等智能进化算法设计基本环节。D-没有掌握模拟退火、遗传和粒子群 等智能进化算法设计基本环节。5M3平时表现30%A-熟悉智能优化算法的基本原理和设计方法.B-基本掌智能进化算法基本原理和设计方法.C-了解智能进化 算法基本原理和设计方法.D-不/解智能进化算法原理和设计基本方法。6M3大作业70%A-掌握采用智能优化算法寻优结果分析的方法，以及优化算法参数对寻优收敛性和快速性的影响。B-基本掌握采用智能优化算法寻优结果分析的方法，了解优化算法参数对寻优收敛性和快速性的影响。c-初步掌 握采用智能优化算法寻优结果分析的方法，了解优化算法参数对寻优收敛性和快速性的影响。D-不能对智 能优化算法寻优结果进行正确分析，不了解优化算法参数对寻优收敛性和快速性的影响。7M4文献综述 报告100%A-熟练掌握利用科研检索网站查阅科学文献的方法。B-基本掌握利用科研检索网站查阅科学文献的方法。C-了解利用科研检索网站查阅科学文献的方法。D-不能正确利用科研检索网站查阅科学文献的方法。评分等级说明：A, B, C, D, E = 90-100, 80-89, 70-79, 60-69, 0-59; A, B, C, D = 90-100, 75-89, 60-74, 0-59; A, B, C = 90-100, 75-89, 60-74, 0-59; M, N = 80-100, 0-79六、教材与参考资料序号教学参考资料明细1图书1智能进化算法概述及应用，张强，富宇，李盼池编，哈尔滨工业大学出版社，2018-09-01, ISBN:978756037643L （*主教材）2图书1智能优化算法及其MATLAB实例第2版，子阳，电子工业出版社，2018-01-01, ISBN:9787121330308. （*主教材）