一、課程名稱
1.中文名稱：智能優化算法及編程
2.英文名稱：Intelligent optimization algorithm and programming
二🧗♂️、課程概況
課程類別💗：專業學位課 學時數🧛：32 學分數🦊：2
適用專業🐏：交通運輸規劃與管理/交通運輸 考核方式：筆試
開課學期：第一學期 開課單位：文理意昂2
三、大綱編寫人🏵：蔣開明🍞、朱小林
四、教學目的及要求：
通過本課程的學習🥚，要求學生系統地掌握智能算法的基本內容、基本原理和應用範疇🤳🏿。較系統地學習神經網絡算法、支撐向量機、遺傳算法和粒子群算法的主要內容。對常用算法能進行數值模擬🍄🟫，通過實驗對MatLab在計算智能中的應用能有較深入的了解，對所學內容中的主要算法能進行數值模擬𓀍。
五、課程主要內容、教學安排及預修課程：
第一章 預備知識 6學時
1. 1 多元函數與超曲面
1. 2 求函數最值
1. 3 向量範數
1. 4 隨機數的生成
第二章 人工神經網絡 6學時
2．1 多層前向網
2．2 徑向基函數
2．3 回歸神經網絡
第三章 支撐向量機 6學時
3．1 最優分離超平面
3．2 支撐向量機
3．3 SVM學習算法
第四章 遺傳算法 8學時
4．1 簡單遺傳算法
4．2 個體與種群
4．3 遺傳算子
4．4 模式
第五章 粒子群算法 6學時
5．1 基本粒子群算法
5．2 帶慣性權重和收縮因子的粒子群算法
5．3 改進粒子群算法
5．4 應用算例
預修課程：
離散數學、高等數學🙍🏻♀️👷、程序設計
六、課程使用教材：
1. 褚蕾蕾等編著，《計算智能的數學基礎》📑，科學出版社，2002.9
七、課程主要參考資料🧔🏼♀️：
1. 楊淑瑩👩🏽🏫，張樺. 群體智能與仿生計算----Matlab技術實現💇🏼，電子工業出版社，
2012
2. 劉衍民，牛奔. 新型粒子群算法理論與實踐，科學出版社，2012
3. 玄光男，程潤偉著；於歆傑🏄🏽↖️，周根貴譯.遺傳算法與工程優化🍱，清華大學出版
社，2003(2009重印)
八、課程教學手段🙌🏻：
教室要求🎱：多媒體教室
課件來源：自製(朱小林⚁🍇、蔣開明)
九🛡🧜🏻♀️、實驗手段：
利用Matlab實現本課程中算法的數值模擬。