智能优化理论与方法（一）基本信息中文课程名称：智能优化理论与方法英文课程名称：Inteligent Optimization Theories andMethods课程编号：0307013学分：2.5学时：48（其中：理论学时：32实验学时：8）课程性质：必修适用专业：智能制造专业先修课程：高等数学、线性代数开课系（教研部）：智能制造系执笔：鲁宇明审核：冯占荣课程简介：《智能优化理论与方法》是智能制造专业的专业方向选修课程，具有较强的应用背景。课程内容主要讲述优化设计的数学基础、线性规划、非线性规划、多目标规划与动态规划的基本理论与方法以及随机优化方法的实现。通过该课程学习，学生掌握优化计算方法的基本概念和基本理论，初步学会处理优化方法解决实际问题。（二）课程目标本课程的主要目标是通过优化计算方法的基本概念和理论的学习，运用数学方法研究智能制造中的优化途径与方案，，培养解决实际问题的能力，支撑专业毕业目标中相应指标点的达成。课程目标对学生的能力要求如下：1.能够对智能制造领域的工程问题抽象建模；2.能够对智能制造领域的复杂工程问题进行识别、表达和分析，选择合适的优化算法解决设计问题；3.具备创新能力和发现问题、分析问题和解决问题能力。课程目标对毕业要求的支撑关系如下：毕业要求课程目标毕业要求指标点指标点1.3：能够将数学、自然科学的基本知识和智能制造工毕业要求1目标1程基础知识应用于复杂工程问题的描述和解释；指标点2.2：能够应用自然科学知识对智能制造领域的复杂工毕业要求2目标2程问题进行识别、表达和分析，以获得结论；指标点3.1：能够针对智能制造系统设计的复杂问题设计解决毕业要求3目标3方案；
智能优化理论与方法 （一）基本信息 中文课程名称：智能优化理论与方法 英文课程名称：Intelligent Optimization Theories and Methods 课程编号：0307013 学分：2.5 学时：48（其中：理论学时：32 实验学时：8） 课程性质：必修 适用专业：智能制造专业 先修课程：高等数学、线性代数 开课系（教研部）：智能制造系 执笔：鲁宇明 审核：冯占荣 课程简介： 《智能优化理论与方法》是智能制造专业的专业方向选修课程，具有较强的应用背景。 课程内容主要讲述优化设计的数学基础、线性规划、非线性规划、多目标规划与动态规划的 基本理论与方法以及随机优化方法的实现。通过该课程学习，学生掌握优化计算方法的基本 概念和基本理论，初步学会处理优化方法解决实际问题。 （二）课程目标 本课程的主要目标是通过优化计算方法的基本概念和理论的学习，运用数学方法研究智 能制造中的优化途径与方案，培养解决实际问题的能力，支撑专业毕业目标中相应指标点 的达成。 课程目标对学生的能力要求如下： 1. 能够对智能制造领域的工程问题抽象建模； 2. 能够对智能制造领域的复杂工程问题进行识别、表达和分析，选择合适的优化算法 解决设计问题； 3. 具备创新能力和发现问题、分析问题和解决问题能力。 课程目标对毕业要求的支撑关系如下： 毕业要求 毕业要求指标点 课程目标 毕业要求 1 指标点 1.3：能够将数学、自然科学的基本知识和智能制造工 程基础知识应用于复杂工程问题的描述和解释； 目标 1 毕业要求 2 指标点 2.2：能够应用自然科学知识对智能制造领域的复杂工 程问题进行识别、表达和分析，以获得结论； 目标 2 毕业要求 3 指标点 3.1：能够针对智能制造系统设计的复杂问题设计解决 方案； 目标 3
指标点10.1：能够就智能制造工程复杂问题撰写研究报告和毕业要求10设计文件：目标3（三）教学内容推荐教学对应的序号教学内容教学要求学时方式课程目标课堂了解优化方法的研究绪论讲授现状，掌握优化方法1)优化问题的数学模型12目标1+的概念及基本概念提问树立家国情怀。2)优化问题的一般算法环节掌握Python常用内置对象和运算符与表最优化模型达式。理解函数式编课堂程的模式。1）建模方法讲授6目标222）灵敏性分析培养学生解决问题和+实例分析问题的能力和理3）优化模型评价分析4）常用算法搜索结构论联系实际的能力。培养进益求精的工匠精神。掌握搜索方法，理解线性规划相关方法的思想和算课堂1）标准形式法讲授目标22）字符串常用桉树63培养进益求精的工匠+目标33）元祖类型精神。实例4）字典类型与函数分析掌握无约束优化方课堂无约束优化法，理解相关方法的讲授思想和算法1）最速下降法目标2+学生具备编程能力。8目标342）牛顿法实例分析3）共轭方向法+上4）变尺度法机有约束优化方法了解序列无约束极小课堂1）序列无约束极小化方法化方法的思想和算法目标25讲授82）罚函数法目标3步骤，运用此方法解+3）二次规划
毕业要求 10 指标点 10.1：能够就智能制造工程复杂问题撰写研究报告和 设计文件； 目标 3 （三）教学内容 序号 教学内容 教学要求 推荐 学时 教学 方式 对应的 课程目标 1 绪论 1） 优化问题的数学模型 及基本概念 2） 优化问题的一般算法 了解优化方法的研究 现状，掌握优化方法 的概念 树立家国情怀。 2 课堂 讲授 + 提问 环节 目标 1 2 最优化模型 1） 建模方法 2） 灵敏性分析 3）优化模型评价 4）常用算法搜索结构 掌握 Python 常用内 置对象和运算符与表 达式。理解函数式编 程的模式。 培养学生解决问题和 分析问题的能力和理 论联系实际的能力。 培养进益求精的工匠 精神。 6 课堂 讲授 + 实例 分析 目标 2 3 线性规划 1）标准形式 2）字符串常用桉树 3）元祖类型 4）字典类型与函数 掌握搜索方法，理解 相关方法的思想和算 法 培养进益求精的工匠 精神。 6 课堂 讲授 + 实例 分析 目标 2 目标 3 4 无约束优化 1）最速下降法 2）牛顿法 3）共轭方向法 4）变尺度法 掌 握 无 约 束 优 化 方 法，理解相关方法的 思想和算法 学生具备编程能力。 8 课堂 讲授 + 实例 分析 +上 机 目标 2 目标 3 5 有约束优化方法 1）序列无约束极小化方法 2） 罚函数法 3） 二次规划 了解序列无约束极小 化方法的思想和算法 步骤，运用此方法解 8 课堂 讲授 + 目标 2 目标 3
4）非线性二乘法实例决实际问题。理解内分析点的求法和罚函数。+上培养学生分析问题和机解决问题能力，具备创新设计能力。掌握遗传算法的基本堂讲进化计算授机理与算法实现；理1）基本概念+解进化策略，进化规2）遗传算法的基本机理目标26划，能够阅读进化计10提问3）算法步骤目标3环节算文献，完成上机仿4）进化策略+上真作业。5）进化规划机（四）实践教学安排项目实验实验项目实验类型实验要求每组人数编号学时12验证性必修1有约束优化问题122必修无约束优化验证性132进化算法验证性必修142必修项目优化综合性8合计必修学时：8（五）教学方法与习题要求本课程教学可采用多种灵活的教学方法，如课堂讲授、实例分析、作业练习、和讨论式教学等方式，辅以必要的上机实践。课堂教学和上机相结合，推动课堂教学的主体从“以教为主”向“以学为主”转变。加强师生互动，激发学生的学习积极性。培养学生分析问题和解决问题能力。（六）考核方式及成绩评定考核方式：本课程采用多元化考核方式进行课程成绩评定，包括平时成绩、实验、论文撰写等，以百分制计；成绩评定：在总评成绩中，平时成绩占50%，项目分析成绩占50%。考核依建议分对应的课程目标考核/评价细则据值由作业、讨论、课堂、上机表现情况等课程目标1平时成构成。50课程目标2绩1）作业50%，主要考查学生对所学各章节知识点的掌握程度，按作业评分标准给分
4）非线性二乘法 决实际问题。理解内 点的求法和罚函数。 培养学生分析问题和 解决问题能力，具备 创新设计能力。 实例 分析 +上 机 6 进化计算 1）基本概念 2）遗传算法的基本机理 3）算法步骤 4）进化策略 5）进化规划 掌握遗传算法的基本 机理与算法实现；理 解进化策略，进化规 划，能够阅读进化计 算文献，完成上机仿 真作业。 10 堂讲 授 + 提问 环节 +上 机 目标 2 目标 3 （四）实践教学安排 项目 编号 实 验 项目 实验 学时 实验类型 实验要求 每组人数 1 有约束优化问题 2 验证性 必修 1 2 无约束优化 2 验证性 必修 1 3 进化算法 2 验证性 必修 1 4 项目优化 2 综合性 必修 1 合 计 8 必修学时：8 （五）教学方法与习题要求 本课程教学可采用多种灵活的教学方法，如课堂讲授、实例分析、作业练习、和讨论 式教学等方式，辅以必要的上机实践。课堂教学和上机相结合，推动课堂教学的主体从 “以教为主”向“以学为主”转变。加强师生互动，激发学生的学习积极性。培养学生 分析问题和解决问题能力。 （六）考核方式及成绩评定 考核方式：本课程采用多元化考核方式进行课程成绩评定，包括平时成绩、实验、论文 撰写等，以百分制计； 成绩评定：在总评成绩中，平时成绩占 50％，项目分析成绩占 50％。 考核依 据 建议分 值 考核/评价细则 对应的课程目标 平时成 绩 50 由作业、讨论、课堂、上机表现情况等 构成。 1）作业 50%，主要考查学生对所学各章节知 识点的掌握程度，按作业评分标准给分。 课程目标 1 课程目标 2
2）表现50%，包括课堂讨论、回答问题、上机等，主要考查学生参与课堂教学的积极性，以及对所学知识的理解。考查学生分析问题、解决问题的能力和自主学习的能力。培养学生的职业素养、创新创业精神。项目分1）程序编写50%。课程目标2析及撰502）项目分析50%。课程目标3写论文（七）课程目标达成度评价课程日标达成度评价包括课程分目标达成度评价和课程总目标达成度评价，具体计算方法如下：总评成绩中支撑该课程目标相关考核环节平均得分之和课程分目标达成度=总评成绩中支撑该课程目标相关考核环节目标总分该课程学生总评成绩平均值课程总目标达成度=该课程学生总评成绩总分（100分）参数说明：ApsT、BpsT分别表示总评成绩中平时成绩、项目分析成绩的目标分值，ApsT+BpsT=100。相应AAVG、BAvG为相应平时成绩、项目分析成绩的实际平均得分。由于平时成绩支撑2个课程目标，因此将ApsT分为ADST_1、和ADST_2二部分，将AAvG分为AAvG_1和AavG_2二部分，即AAvG=AAVG_1+AAVG_2，ApsT=ApsT_1+ApsT_2，其中，ApsST_1和ADST_2分别代表平时成绩中对应课程目标1和应课程目标2的平时成绩目标总分，AAVG1和AAVG2分别代表平时成绩中对应课程目标1和应课程目标2的学生实际平时成绩的平均值。由于项目分析成绩支撑2个课程目标，因此将BDST分为BDST_1、和BDST_2二部分，将BAVG分为BAVG_1和BAVG_2二部分，即BAVG=BAVG_1+BAVG_2,BDsT=BDST_1+BDST_2。其中，BDST_1和BDST_2分别代表项目分析成绩中对应课程目标2和课程目标3的项目分析成绩目标总分，BAVG1和BAVG2分别代表项目分析成绩中对应课程目标2和课程目标3的学生实际得分的平均值。课程目标支撑环节学生平均得分目标分值达成度计算示例AAVG-1课程目标1平时成绩课程目标1的达成度ADST-1AAVG-1Apst-1平时成绩ADST-2AAVG-2课程目标2的达成度课程目标2AVG-2 + BAVG-2项目分析成绩BAVG-1BDST-1Apst-2 + Bpst2BAVG-2课程目标3项目分析成绩BST-2BAVG-2课程自目标3的达成度=Bpst-2（八）推荐教材或讲义及主要参考书1．王景恒编著．《最优化理论与方法》[M]，北京：北京理工大学出版社，2018
2）表现 50%，包括课堂讨论、回答问题、 上机等，主要考查学生参与课堂教学的积 极性，以及对所学知识的理解。考查学生 分析问题、解决问题的能力和自主学习的 能力。培养学生的职业素养、创新创业精 神。 项目分 析及撰 写论文 50 1）程序编写 50%。 2）项目分析 50%。 课程目标 2 课程目标 3 （七）课程目标达成度评价 课程目标达成度评价包括课程分目标达成度评价和课程总目标达成度评价，具体计算方 法如下： = 总评成绩中支撑该课程目标相关考核环节平均得分之和 课程分目标达成度 总评成绩中支撑该课程目标相关考核环节目标总分 = 该课程学生总评成绩平均值 课程总目标达成度 该课程学生总评成绩总分（100分） 参数说明：ADST、BDST 分别表示总评成绩中平时成绩、项目分析成绩的目标分值，ADST+BDSTT =100。相应 AAVG、BAVG 为相应平时成绩、项目分析成绩的实际平均得分。由于平时成绩支撑 2 个课程目标，因此将 ADST 分为 ADST_1、和 ADST_2 二部分，将 AAVG 分为 AAVG_1 和 AAVG_2 二部 分，即 AAVG=AAVG_1+AAVG_2，ADST= ADST_1+ ADST_2，其中，ADST_1 和 ADST_2 分别代表平时成绩中对 应课程目标 1 和应课程目标 2 的平时成绩目标总分，AAVG_1 和 AAVG_2 分别代表平时成绩中对 应课程目标 1 和应课程目标 2 的学生实际平时成绩的平均值。由于项目分析成绩支撑 2 个 课程目标，因此将 BDST 分为 BDST_1、和 BDST_2 二部分，将 BAVG 分为 BAVG_1 和 BAVG_2 二部分，即 BAVG=BAVG_1+BAVG_2, BDST= BDST_1+ BDST_2。其中，BDST_1 和 BDST_2 分别代表项目分析成绩中对应课 程目标 2 和课程目标 3 的项目分析成绩目标总分，BAVG_1 和 BAVG_2 分别代表项目分析成绩中 对应课程目标 2 和课程目标 3 的学生实际得分的平均值。 课程目标 支撑环节 目标分值 学生平均得分 达成度计算示例 课程目标 1 平时成绩 ADST-1 AAVG-1 课程目标 1 的达成度 = 𝐴𝐴𝑉𝐺−1 𝐴𝐷𝑠𝑡−1 课程目标 2 平时成绩 ADST-2 AAVG-2 课程目标 2 的达成度 = 𝐴𝐴𝑉𝐺−2 + 𝐵𝐴𝑉𝐺−2 𝐴𝐷𝑠𝑡−2 + 𝐵𝐷𝑠𝑡−2 项目分析成绩 BDST-1 BAVG-1 课程目标 3 项目分析成绩 BDST-2 BAVG-2 课程目标 3 的达成度 = 𝐵𝐴𝑉𝐺−2 𝐵𝐷𝑠𝑡−2 （八）推荐教材或讲义及主要参考书 1. 王景恒编著.《最优化理论与方法》[M]，北京：北京理工大学出版社，2018
2.万仲平，费浦生编．《优化理论与方法》[M]，武汉：武汉大学出版社，20043.解可新，韩立新．《最优化方法》[M]，天津：天津大学出版社，2018张永恒．《工程优化设计与MATLAB实现》[M]，北京：清华大学出版社，20114.（九）学时分配其中学时序号教学内容分配讲授实验上机实践2210绪论0266最优化模型8803线性规划4862无约束优化方法8625有约束优化方法8446进化算法合计3216
2. 万仲平，费浦生编.《优化理论与方法》[M]，武汉：武汉大学出版社，2004 3. 解可新,韩立新.《最优化方法》[M]，天津：天津大学出版社，2018 4. 张永恒.《工程优化设计与 MATLAB 实现》[M]，北京：清华大学出版社,2011 （九）学时分配 序号 教学内容 学时 分配 其 中 讲授 实验 上机 实践 1 绪论 2 2 0 2 最优化模型 6 6 0 3 线性规划 8 8 0 4 无约束优化方法 8 6 2 5 有约束优化方法 8 6 2 6 进化算法 8 4 4 合 计 32 16