《实时优化与先进控制》课程教学大纲（本科）.docx

《《实时优化与先进控制》课程教学大纲（本科）.docx》由会员分享，可在线阅读，更多相关《《实时优化与先进控制》课程教学大纲（本科）.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、实时优化与先进控制(Real-time Optimization and Advanced Control)课程代码：05410182学分：2学时：32 （其中：课堂教学学时：32实验学时：0上机学时：0课程实践学时:0） 先修课程：运筹学、自动化工具软件、自动控制理论适用专业：自动化教材：智能优化算法及其MATLAB实例，包子阳，余继周编著，电子工业出版 社，2016年8月一课程性质与课程目标（一）课程性质（需说明课程对人才培养方面的贡献）实时优化与先进控制是自动化专业的一门专业方向选修课，课程主要介绍先进智能优化算 法理论与应用等相关内容。通过本课程的学习，使学生了解智能优化算法的基本概念

2、、基本原理、 设计方法以及应用领域；掌握典型的智能优化算法，包括进化优化、群智能优化以及多目标优化理 论等内容；并且能够在计算机软件MATLAB的辅助下，设计智能优化算法求解工程优化问题。本课程 注重提高学生解决问题与软件应用能力，为他们今后处理工程优化问题，从事科研活动和继续深造 打下扎实的基础。（二）课程目标（根据课程特点和对毕业要求的贡献，确定课程目标。应包括知识目标和能力 目标。）1 .知识方面1.1 掌握连续优化与离散优化问题的数学描述；1.2 掌握遗传算法、差分进化以及免疫算法等进化优化算法的思想、原理、实现步骤与应用领域;L3掌握蚁群优化、粒子群优化以及人工蜂群优化等群智能优化算

3、法的思想、原理、实现步骤与 应用领域；1.4 了解模拟退火、禁忌搜索等其它智能优化算法;总成绩；可让学生查阅资料，了解本课 程相关技术发展情况，并根据自身发展 需要，自主学习。3期末考试试卷题型主要包含简答题与分析应用题，以卷面成绩的70%计入课程总成绩。70%注：1.分学期设置和考核的课程应按学期分别填写上表。2 .考核方式或途径主要包括课堂表现、平时作业、阶段测试、期中考试、期末考试、大作 业、小论文、项目设计和作品等。3 .考核要求包括作业次数、考试方式（开卷、闭卷）、项目设计要求等。4 .考核权重指该考核方式或途径在总成绩中所占比重。五、参考书目及学习资料（书名，主编，出版社，出版时间

4、及版次）.仿生智能计算，段海滨，张祥银，徐春芳编著，科学出版社，2011年1月1 .自然计算，莫宏伟，徐立芳，科学出版社，2016年10月2 . MATLAB程序设计基础与应用，刘帅奇、李会雅、赵杰编著，清华大学出版社，2016年10 月六、大纲说明（内容可包括课程基本要求、习题要求及其它一些必要的说明）1 .主要采用多媒体教学手段，主要知识点板书与多媒体相结合，多种教学手段综合运用。2 .课后共需完成大约6-8道习题作业，以加深学生对所学内容的理解和掌握，建议学生利用网 络教学平台和网络学习资源。2017年9月20日L5掌握多目标优化的概念，了解多目标遗传算法、多目标差分进化、多目标粒子群等

5、典型多目标优化算法；2.能力方面2.1 能够熟练运用MATLAB编写差分进化、粒子群优化等典型智能优化算法;2.2 掌握不同智能优化算法的设计方法，并解决相关的工程优化问题；2.3 逐步培养学生的阅读文献、交流、分析和演绎等能力。（三）课程目标与专业毕业要求指标点的对应关系本课程支持的毕业要求指标点如下：指标点1-3.掌握计算机基础知识，具有分析和设计计算机软硬件系统的能力。指标点4-3.能够基于实验方案构建实验系统，安全的开展实验，提取有效实验参数或数据指标点5-1.初步掌握解决复杂自动化工程问题所需的Matlab、Multisim、Altium等现代工程工 具。注：L工程类专业通识课程的课

6、程目标应覆盖相应的工程教育认证毕业要求通用标准；2.工程类专业课程的课程目标应按下表表述对专业毕业要求指标点的支撑关系。业要求指 示点 课程目标、毕业要求指标点1-3毕业要求指标点4-3指标点5-1.课程目标1.1q课程目标1.2qq课程目标L3课程目标L4课程目标1.5课程目标2.1课程目标2.2课程目标2.3二、课程内容与教学要求（按章撰写）第一章绪论（一）课程内容1 .2最优化问题及其分类；2 .3智能优化计算方法；.3智能优化计算方法的共同点；3 .4计算复杂性与NP完全问题。（-）教学要求.掌握最优化问题的定义与分类；4 . 了解几种常见的智能优化算法及其特点；. 了解算法的计算复杂

7、性理论；5 .理解NP完全问题的概念。（三）重点与难点.重点掌握优化问题的定义以及智能优化算法的特点。1 .难点计算复杂性理论与NP完全问题的相关概念。第二章遗传算法（一）课程内容1 .遗传算法简介；.遗传算法的生物学基础；2 .遗传算法的基本概念；.遗传算法的流程；3 .遗传算法的应用领域；.遗传算法的应用领域以及MATLAB仿真实例。（二）教学要求.掌握遗传算法的基本概念与原理；1 .掌握遗传算法的实现步骤；.能够在MATLAB在编程实现遗传算法并用于求解典型优化问题。（三）重点与难点.重点掌握遗传算法的基本操作和遗传算法的设计步骤。1 .难点了解遗传算法的模式定理、收敛性等相关数学理论。

8、第三章差分进化算法（一）课程内容.差分进化算法简介；1 .差分进化算法的基本概念与原理；差分进化算法的变异、交叉与选择算子；2 .基本差分进化算法的流程以及相关参数分析；.几种改进版本的差分进化算法及其应用；3 .差分进化算法的应用领域以及MATLAB仿真实例。（二）教学要求.掌握差分进化算法的变异、交叉与选择算子；1 .掌握基本差分进化算法的流程以及相关参数分析；.能够在MATLAB实现差分进化算法，并用于连续函数寻优。（三）重点与难点.重点熟悉差分进化算法的变异、交叉与选择算子，并掌握其算法流程。1 .难点了解差分进化算法的几种变异操作原理及参数选取方法。第四章免疫优化算法（-）课程内容1

9、 .免疫优化算法简介；.生物免疫系统；2 .免疫算法概念、特点与算子；.免疫算法种类：克隆选择算法、免疫遗传算法、反向选择算法与疫苗免疫算法;3 .免疫算法的流程以及相关参数分析；.免疫算法的应用领域以及MATLAB仿真实例。（二）教学要求.掌握免疫优化算法的概念、特点与原理；1 . 了解几种典型的免疫优化算法；.能够在MATLAB实现免疫优化算法进行参数寻优。（三）重点与难点.重点熟悉典型免疫优化算法，如克隆选择算法、免疫遗传算法等。1 .难点了解免疫优化算法的理论分析方法。第五章蚁群优化算法（一）课程内容1 .蚁群优化算法简介；.真实蚁群的觅食过程与人工蚁群的优化过程；2 .基本蚁群优化算

10、法流程及其特点；3 .几种改进的蚁群优化算法：精英蚂蚁系统，最大最小蚂蚁系统，基于排序的蚁群算法以 及自适应蚁群算法；.蚁群优化算法的应用领域以及MATLAB仿真实例。（二）教学要求.熟悉蚁群优化算法的流程；1 . 了解精英蚂蚁系统，最大最小蚂蚁系统等几类改进版本的蚁群优化算法。2 .能够在MATLAB实现蚁群优化算法求解旅行商问题。（三）重点与难点.重点掌握人工蚁群优化算法的原理与迭代过程；了解几种改进的蚁群优化算法。1 .难点蚁群优化算法的图论分析模型以及算法收敛性理论。第六章粒子群优化算法（-）课程内容1 .粒子群算法简介；.粒子群算法的基本原理与社会行为学分析；2 .基本粒子群的实现流

11、程与关键参数分析；.粒子群算法的拓扑结构分析，全局与局部模型；3 .改进版本粒子群算法：惯性权重粒子群，压缩系数粒子群，综合学习粒子群以及全信息粒子群等；4 .粒子群算法的收敛性与稳定性理论；.粒子群算法的应用领域及其MATLAB仿真实例。（二）教学要求.掌握粒子群算法的社会学分析与基本原理；1 .掌握基本粒子群迭代流程以及几种改进版本的粒子群优化算法；. 了解粒子群的收敛性与稳定性分析理论；2 .能够在MATLAB实现粒子群优化算法求解各类优化问题。（三）重点与难点.重点掌握粒子群算法的概念与原理；掌握基本粒子群的全局与局部拓扑模型；熟悉改进版本粒 子群算法的实现步骤。1 .难点粒子群的稳定

12、性与收敛性理论分析。第七章模拟退火算法（一）课程内容1 .模拟退火算法简介；.物理退火过程与模拟退火原理；2 .模拟退火算法思想与特点；.模拟退火算法的实现流程与参数分析；3 .模拟退火算法的改进方向；.模拟退火算法的应用领域以及MATLAB仿真实例。（二）教学要求.掌握模拟退火算法的基本思想与原理；1 .掌握模拟退火算法的流程与关键参数分析；.能够在MATLAB实现模拟退火算法求解典型优化问题。（三）重点与难点.重点熟悉模拟退火算法的思想、原理与算法流程。1 .难点了解模拟退火算法的关键参数分析。第八章禁忌搜索算法（-）课程内容.禁忌搜索算法简介；1 .局部邻域搜索的概念；.禁忌搜索算法的原

13、理与特点；2 .禁忌搜索算法的迭代流程与改进方向；.禁忌搜索算法的应用领域以及MATLAB仿真实例。（二）教学要求.掌握禁忌搜索算法的概念、原理与特点；1 .熟悉禁忌搜索算法的迭代流程与改进方向；.能够在MATLAB实现禁忌搜索算法求解典型优化问题。（三）重点与难点.重点掌握禁忌搜索算法的原理、特点与实现步骤。1 .难点了解禁忌搜索算法的设计方法与理论分析。第九章人工蜂群算法（一）课程内容.人工蜂群算法简介；1 .人工蜂群算法的原理与数学模型；.人工蜂群算法的实现步骤与关键参数分析；2 .人工蜂群算法的理论分析；.人工蜂群算法的应用领域以及MATLAB仿真实例。（二）教学要求.掌握人工蜂群算法

14、的原理与数学模型；1 .掌握人工蜂群算法的实现步骤与关键参数分析；.能够在MATLAB实现人工蜂群算法求解连续优化问题。（三）重点与难点.重点熟悉人工蜂群算法的数学模型与实现步骤。1 .难点掌握人工蜂群算法的收敛性理论分析。第十章多目标优化算法（一）课程内容.多目标优化问题；1 .帕累托支配与帕累托最优解；.典型多目标遗传优化算法的原理、实现步骤与特点；2 .典型多目标差分进化算法的原理、实现步骤与特点；.典型多目标粒子群优化算法的原理、实现步骤与特点；3 .多目标进化算法的应用领域以及MATLAB仿真实例。（二）教学要求.掌握多目标优化的概念与帕累托支配原理；1 .掌握典型多目标遗传优化算法

15、的原理与实现步骤；.掌握典型多目标差分进化算法的原理与实现步骤；2 .掌握典型多目标粒子群优化算法的原理与实现步骤；.能够在MATLAB实现多目标进化算法求解多目标优化问题。（三）重点与难点.重点掌握帕累托支配原理与典型多目标进化算法，如多目标遗传算法、多目标差分进化算法与 多目标粒子优化算法。1 .难点多目标进化算法中帕累托排序原理；多目标优化与单目标优化的差异。三、学时分配及教学方法章（按序填写）教学形式及学时分配主要教学方 法支撑的课程目 标课堂教 学实 验上机课程实 践小计第一章绪论22讲授第二章遗传算法22讲授、案例第三章差分进化算法44讲授、案例、对比第四章免疫优化算法22讲授、案例、自学第五章蚁群优化算法33讲授、案例、自学第六章粒子群优化算法44讲授、案例、对比、自学第七章模拟退火算法22讲授、案例、自学第八章禁忌搜索算法22讲授、案例、自学第九章人工蜂群算法33讲授、案例、自学第十章多目标优化算法88讲授、案例、自学合计3232四、课程考核序号考核方式或途径考核要求考核权重备注1课堂表现考查学生课堂出勤率、专心听讲、独立 思考、回答问题等情况，按10%计入课 程总成绩。10%2平时作业课后完成8-10个习题，主要考核学生对 每节课知识点的复习、理解和掌握度， 计算全部作业的平均成绩再按20%计入20%