现代智能优化方法

课程编码：070105M05002H 英文名称：Intelligent Optimization Methods 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：韩丛英

本课讲授近年来流行的多种智能优化算法，包括：遗传算法、禁忌搜索算法、模拟退火算法、蚁群算法等；还有近年来的研究热点粒子群算法；扑食搜索算法和动态环境下的进化算法等。本课程结合最新的中英文文献，研究这些算法的产生和发展、算法的基本思想和理论以及相关算法和变形，给出一定算例和实际应用案例。智能优化算法理论和算法收敛性、收敛速度的证明重点不作为本课程的重点，重点讲授这些算法如何解决实际中的优化问题。

高等数学、运筹学、计算机语言

«智能优化方法» , 汪定伟，王俊伟，张瑞友，郭哲. 北京, 高等教育出版社, 2007.

第一章 智能优化方法的产生与发展（1学时）
1） 最优化方法的意义
2） 传统优化方法的求解思想及存在的局限性
3） 智能优化方法的产生及发展
4） 应用举例解释：算法发展的前景与学习意义
第二章 伪随机数的产生（1学时）
1） 伪随机数在智能优化方法中的作用
2） 产生0-1均匀分布伪随机数的乘同余法
3） 产生正态分布伪随机数的方法
4） 产生其他分布伪随机数的方法
第三章 遗传算法（8学时）
1） 生物进化、遗传和变异
2） 遗传算法基本原理
3） 算法改进与变形
4） 应用实例（中英文文献阅读）
第四章 禁忌搜索算法（6学时）
1） 禁忌搜索算法基本原理
2） 算法设计及流程
3） 改进算法
4） 算法应用实例（中英文文献阅读）
第五章 模拟退火算法（4学时）
1） 模拟退火算法的基本原理
2） 模拟退火算法的设计与流程
3） 算法的收敛性分析
4） 应用案例
第六章 蚁群算法（4学时）
1） 蚁群算法产生原理及发展
2） 基本蚁群算法
3） 改进蚁群算法
4） 应用案例（中英文文献阅读）
第七章 粒子群优化算法（2学时）
1）基本原理
2）改进算法
3）应用案例
第八章 其他智能优化算法（6学时）
1）扑食搜索算法
2）动态进化算法
3）偏微进化算法
4）相关的学习算法
5）应用举例（英文文献）
上机内容：
1） 练习遗传算法，结合课堂案例以及文献问题完成相关算法求解问题。（2学时）
2） 练习模拟退火和蚁群算法，结合课堂案例以及文献问题进行算法实现，并比较分析算法性能。（2学时）
3） 练习粒子群、扑食算法和动态进化相关算法。（2学时）
4） 偏微进化算法应用问题，案例来源于英文文献。（2学时）

1.《智能优化算法原理与应用», 李士勇. 哈尔滨， 哈尔滨工业大学出版社， 2012.
2.《Introduction to Evolutionary Computing》, A.E.Eiben, J.E.Smith . Springer, 2003 电子书.
3.《Multi-Objective Optimization using Evolutionary Algorithms》, Kalyanmoy Deb, JOHN WILEY & SONS, LTD, 2001
4.《Differential Evolution》, Kenneth V.Price, Rainer M.Storn, Jouni A.Lampinen, Germany, Springer, 2005.

略