《计算智能》课程教学大纲 一、课程基本信息 课程代码：20110013 课程名称：计算智能 英文名称：Computational intelligence 课程类别：专业选修课 学时：48 学分：3 适用对象：计算机科学与技术专业、计算机科学与技术专业（人工智能方向） 考核方式：考查 先修课程：数据结构、算法设计与分析 二、课程简介 《计算智能》课程对计算智能领域的主要算法进行介绍，重点讨论各种算法的思 想来源、流程结构、发展改进、参数设置和相关应用。内容包括绪论及神经网络、模 糊逻辑、遗传算法、蚁群算法、粒子群算法、模拟退火算法、免疫算法及禁忌搜索算 法等，并从工程应用及与其他人工智能研究方向相结合的角度讨论实际问题及其解决 方法。 Computational intelligence introduces the main algorithms in the field of computational intelligence.focusing on the source of ideas,process structure.development and improvement,parameter setting and related applications.The content includes introduction,neural network,fuzzy logic,genetic algorithm,ant colony algorithm,particle swarm optimization,simulated annealing algorithm,and immune algorithm and tabu search algorithm.The practical problems and their solutions are discussed from the perspective of engineering application and combining with other AI research directions 三、课程性质与教学目的 近年来，各种计算智能算法的研究得到了蓬勃发展，其中有广为人知的遗传算法、 模拟退火算法、蚁群算法、神经网络算法等。迄今为止，计算智能算法在各个学科和 各种实际应用场合中已经得到了广泛且有效的使用。本课程将紧密跟踪学术界最新发
1 《计算智能》课程教学大纲 一、课程基本信息 课程代码：20110013 课程名称：计算智能 英文名称：Computational intelligence 课程类别：专业选修课 学 时：48 学 分：3 适用对象: 计算机科学与技术专业、计算机科学与技术专业（人工智能方向） 考核方式：考查 先修课程：数据结构、算法设计与分析 二、课程简介 《计算智能》课程对计算智能领域的主要算法进行介绍，重点讨论各种算法的思 想来源、流程结构、发展改进、参数设置和相关应用。内容包括绪论及神经网络、模 糊逻辑、遗传算法、蚁群算法、粒子群算法、模拟退火算法、免疫算法及禁忌搜索算 法等，并从工程应用及与其他人工智能研究方向相结合的角度讨论实际问题及其解决 方法。 Computational intelligence introduces the main algorithms in the field of computational intelligence, focusing on the source of ideas, process structure, development and improvement, parameter setting and related applications. The content includes introduction, neural network, fuzzy logic, genetic algorithm, ant colony algorithm, particle swarm optimization, simulated annealing algorithm, and immune algorithm and tabu search algorithm. The practical problems and their solutions are discussed from the perspective of engineering application and combining with other AI research directions. 三、课程性质与教学目的 近年来，各种计算智能算法的研究得到了蓬勃发展，其中有广为人知的遗传算法、 模拟退火算法、蚁群算法、神经网络算法等。迄今为止，计算智能算法在各个学科和 各种实际应用场合中已经得到了广泛且有效的使用。本课程将紧密跟踪学术界最新发
展动态，为本科生掌握最新的计算智能技术抛砖引玉。 本课程将系统讲授计算智能的基础理论和应用技术，深入探讨最新的研究成果， 并结合应用实例进行讲解，使得听课的学生不仅能够全面掌握计算智能的核心理论， 而且能将其应用到各自相关研究工作中。 同时，在教学过程中融入思政教学，激励学生树立热爱专业、热爱学校、热爱祖 国和人民，为实现伟大祖国的中国梦而努力学习，立志成为德智体美劳全面发展的社 会主义建设者和接班人的坚定信念和远大理想。 四、教学内容及要求 第1章概论 (一)目的与要求 1、了解计算智能的产生、发展、趋势： 2、熟悉计算智能的课程体系、学习目标、目的、内容、方法： 3、通过介绍国内计算智能在生产、生活中的应用，并介绍中国研究人员 在这个方面的贡献，使学生了解其对社会经济发展的推动作用。 (二)教学内容 1.1最优化问题 1.1.1函数优化问题 1.1.2组合优化问题 L.2计算复杂性及NP理论 1.2.1计算复杂性 1.2.2NP理论 1.3智能优化计算方法：计算智能算法 1.3.1计算智能的分类与理论 1.3.2计算智能的研究与发展 1.3.3计算智能的特征与应用 (三)思考与实践 你打算利用计算智能技术在哪些方面促进社会发展？ (四)教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体
2 展动态，为本科生掌握最新的计算智能技术抛砖引玉。 本课程将系统讲授计算智能的基础理论和应用技术，深入探讨最新的研究成果， 并结合应用实例进行讲解，使得听课的学生不仅能够全面掌握计算智能的核心理论， 而且能将其应用到各自相关研究工作中。 同时，在教学过程中融入思政教学，激励学生树立热爱专业、热爱学校、热爱祖 国和人民，为实现伟大祖国的中国梦而努力学习，立志成为德智体美劳全面发展的社 会主义建设者和接班人的坚定信念和远大理想。 四、教学内容及要求 第 1 章 概论 （一）目的与要求 1、了解计算智能的产生、发展、趋势； 2、熟悉计算智能的课程体系、学习目标、目的、内容、方法； 3、通过介绍国内计算智能在生产、生活中的应用，并介绍中国研究人员 在这个方面的贡献，使学生了解其对社会经济发展的推动作用。 （二）教学内容 1.1 最优化问题 1.1.1 函数优化问题 1.1.2 组合优化问题 1.2 计算复杂性及 NP 理论 1.2.1 计算复杂性 1.2.2 NP 理论 1.3 智能优化计算方法： 计算智能算法 1.3.1 计算智能的分类与理论 1.3.2 计算智能的研究与发展 1.3.3 计算智能的特征与应用 （三）思考与实践 你打算利用计算智能技术在哪些方面促进社会发展？ （四）教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体
第2章神经网路 (一)目的与要求 1、了解神经网络的产生、发展和作用 3、重点理解和掌握神经网络的典型结构、学习算法及BP神经网络 (二)教学内容 2.1神经网络简介 2.1.1神经网络的基本原理 2.1.2神经网络的研究进展 2.2神经网络的典型结构 2.2.1单层感知器网络 2.2.2前馈型网络 2.2.3前馈内层互联网络 2.2.4反馈型网络 2.2.5全互联网络 2.3神经网络的学习算法 2.3.1学习方法 2.3.2学习规则 2.4BP神经网络 2.4.1基本思想 2.4.2算法流程 2.4.3应用举例 2.5进化神经网络 2.6神经网络的应用 (三)思考与实践 查阅文献，了解神经网络的最近进展及各个领域的应用 (四)教学方法与手段 采用课堂教学、课堂讨论、案例分析的教学方法，采用多媒体等教学手段。 第3章模糊逻辑 (一)目的与要求 1、了解模糊逻辑的产生、发展及应用： 3
3 第 2 章 神经网路 （一）目的与要求 1、了解神经网络的产生、发展和作用 3、重点理解和掌握神经网络的典型结构、学习算法及 BP 神经网络 （二）教学内容 2.1 神经网络简介 2.1.1 神经网络的基本原理 2.1.2 神经网络的研究进展 2.2 神经网络的典型结构 2.2.1 单层感知器网络 2.2.2 前馈型网络 2.2.3 前馈内层互联网络 2.2.4 反馈型网络 2.2.5 全互联网络 2.3 神经网络的学习算法 2.3.1 学习方法 2.3.2 学习规则 2.4 BP 神经网络 2.4.1 基本思想 2.4.2 算法流程 2.4.3 应用举例 2.5 进化神经网络 2.6 神经网络的应用 （三）思考与实践 查阅文献，了解神经网络的最近进展及各个领域的应用 （四）教学方法与手段 采用课堂教学、课堂讨论、案例分析的教学方法，采用多媒体等教学手段。 第 3 章 模糊逻辑 （一）目的与要求 1、了解模糊逻辑的产生、发展及应用；
2、重点掌握模糊逻辑推理、流程； (二)教学内容 3.1模糊逻辑简介 3.1.1模糊逻辑的基本原理 3.1.2模糊逻辑与模糊系统的发展历稻 3.2模糊集合与模糊逻辑 3.2.1模糊集合与隶属度函数 3.2.2模糊集合上的运算 3.2.3模糊逻辑 3.2.4模糊关系及其合成运算 3.3模糊逻辑推理 3.3.1模糊规则、语言变量和语言算子 3.3.2模糊推理 3.4模糊计算的流程 3.4.1基本思想 3.4.2算法流程 3.5模糊逻辑的应用 (三)思考与实践 查阅文献，了解模糊逻辑的最近进展及各个领域的应用 (四)教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体 第4章遗传算法 (一)目的与要求 1、了解遗传算法的原理。 2、着重掌握遗传算法的基本流程及应用。 (二)教学内容 4.1遗传算法简介 4.1.1基本原理 4.1.2研究进展 4.2遗传算法的流程
4 2、重点掌握模糊逻辑推理、流程； （二）教学内容 3.1 模糊逻辑简介 3.1.1 模糊逻辑的基本原理 3.1.2 模糊逻辑与模糊系统的发展历程 3.2 模糊集合与模糊逻辑 3.2.1 模糊集合与隶属度函数 3.2.2 模糊集合上的运算 3.2.3 模糊逻辑 3.2.4 模糊关系及其合成运算 3.3 模糊逻辑推理 3.3.1 模糊规则、语言变量和语言算子 3.3.2 模糊推理 3.4 模糊计算的流程 3.4.1 基本思想 3.4.2 算法流程 3.5 模糊逻辑的应用 （三）思考与实践 查阅文献，了解模糊逻辑的最近进展及各个领域的应用 （四）教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体。 第 4 章 遗传算法 （一）目的与要求 1、了解遗传算法的原理。 2、着重掌握遗传算法的基本流程及应用。 （二）教学内容 4.1 遗传算法简介 4.1.1 基本原理 4.1.2 研究进展 4.2 遗传算法的流程
4.2.1流程结构 4.2.2应用举例 4.3遗传算法的改进 4.3.1算子选择 4.3.2参数设置 4.3.3混合遗传算法 4.3.4并行遗传算法 4.4遗传算法的应用 (三)思考与实践 查阅文献，了解遗传算法的最近进展及各个领域的应用 (四)教学方法与手段 采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体、互联网。 第5章蚊群优化算法 (一)目的与要求 1.掌握蚁群优化算法的基本概念 2.掌握蚁群优化算法基本原理及流程： (二)教学内容 5.1蚁群优化算法简介 5.1.1基本原理 5.1.2研究进展 5.2蚁群优化算法的基本流程 5.2.1基本流程 5.2.2应用举例 5.3蚁群优化算法的改进版本 5.3.1精华蚂蚁系统 5.3.2基于排列的蚂蚁系统 5.3.3最大最小蚂蚁系统 5.3.4蚁群系统 5.3.5蚁群算法的其他改进版本 5.4蚁群优化算法的相关应用
5 4.2.1 流程结构 4.2.2 应用举例 4.3 遗传算法的改进 4.3.1 算子选择 4.3.2 参数设置 4.3.3 混合遗传算法 4.3.4 并行遗传算法 4.4 遗传算法的应用 （三）思考与实践 查阅文献，了解遗传算法的最近进展及各个领域的应用 （四）教学方法与手段 采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体、互联网。 第 5 章 蚁群优化算法 （一）目的与要求 1．掌握蚁群优化算法的基本概念； 2．掌握蚁群优化算法基本原理及流程； （二）教学内容 5.1 蚁群优化算法简介 5.1.1 基本原理 5.1.2 研究进展 5.2 蚁群优化算法的基本流程 5.2.1 基本流程 5.2.2 应用举例 5.3 蚁群优化算法的改进版本 5.3.1 精华蚂蚁系统 5.3.2 基于排列的蚂蚁系统 5.3.3 最大最小蚂蚁系统 5.3.4 蚁群系统 5.3.5 蚁群算法的其他改进版本 5.4 蚁群优化算法的相关应用
5.5蚁群优化算法的参数设置 (三)思考与实践 思考：蚁群优化算法中蕴含的协同协作与集体主义观，进而思考“个人梦、 与中国梦”的关系，思考“一带一路”发展理念中的协作协同与集体主义精神。 (四)教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体。 第5章粒子群优化算法 (一)目的与要求 1.掌握粒子群优化算法的相关理论知识 2.了解粒子群优化算法的应用。 3.思考何谓“协同”、何谓个人认知和社会认同，何谓整体价值观（集体主义价 值观)？从而树立舍小家顾大家、舍己为公的集体主义价值观念。 (二)教学内容 6.1粒子群优化算法简介 6.1.1思想来源 6.1.2基本原理 6.2粒子群优化算法的基本流程 6.2.1基本流程 6.2.2应用举例 6.3粒子群优化算法的改进研究 6.3.1理论研究改进 6.3.2拓扑结构改进 6.3.3混合算法改进 6.3.4离散版本改进 6.4粒子群优化算法的相关应用 6.4.1优化与设计应用 6.4.2调度与规划应用 6.4.3其他方面的应用 6.5粒子群优化算法的参数设置 (三)思考与实践
6 5.5 蚁群优化算法的参数设置 （三）思考与实践 思考：蚁群优化算法中蕴含的协同协作与集体主义观，进而思考“个人梦、 与中国梦”的关系，思考“一带一路”发展理念中的协作协同与集体主义精神。 （四）教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体。 第 5 章 粒子群优化算法 （一）目的与要求 1．掌握粒子群优化算法的相关理论知识。 2．了解粒子群优化算法的应用。 3. 思考何谓“协同”、何谓个人认知和社会认同，何谓整体价值观（集体主义价 值观）？从而树立舍小家顾大家、舍己为公的集体主义价值观念。 （二）教学内容 6.1 粒子群优化算法简介 6.1.1 思想来源 6.1.2 基本原理 6.2 粒子群优化算法的基本流程 6.2.1 基本流程 6.2.2 应用举例 6.3 粒子群优化算法的改进研究 6.3.1 理论研究改进 6.3.2 拓扑结构改进 6.3.3 混合算法改进 6.3.4 离散版本改进 6.4 粒子群优化算法的相关应用 6.4.1 优化与设计应用 6.4.2 调度与规划应用 6.4.3 其他方面的应用 6.5 粒子群优化算法的参数设置 （三）思考与实践
查阅文献，了解粒子群优化算法的最近进展及各个领域的应用 (四)教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体。 第7章免疫算法 (一)目的与要求 1.了解生物免疫的基本知识 2.掌握免疫算法的基本流程以及常用的免疫算法 3.介绍疫情发生以来，中国在抗疫方面做出的贡献及成果，使得同学们树立 热爱祖国的思想。 (二)教学内容 7.1免疫算法简介 7.1.1思想来源 7.1.2免疫系统的生物学原理简介 7.1.3二进制模型 7.2免疫算法的基本流程 7.2.1基本流程 7.2.2更一般化的基本免疫算法 7.3常用免疫算法 7.3.1负选择算法 7.3.2克隆选择算法 7.3.3免疫算法和进化计算 7.4免疫算法的相关应用 7.4.1识别和分类应用 7.4.2优化应用 7.4.3其他方面的应用 (三)用考与实践 查阅文献，了解免疫算法的最近进展及各个领域的应用 (四)教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体 7
7 查阅文献，了解粒子群优化算法的最近进展及各个领域的应用 （四）教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体。 第 7 章 免疫算法 （一）目的与要求 1. 了解生物免疫的基本知识 2. 掌握免疫算法的基本流程以及常用的免疫算法 3. 介绍疫情发生以来，中国在抗疫方面做出的贡献及成果，使得同学们树立 热爱祖国的思想。 （二）教学内容 7.1 免疫算法简介 7.1.1 思想来源 7.1.2 免疫系统的生物学原理简介 7.1.3 二进制模型 7.2 免疫算法的基本流程 7.2.1 基本流程 7.2.2 更一般化的基本免疫算法 7.3 常用免疫算法 7.3.1 负选择算法 7.3.2 克隆选择算法 7.3.3 免疫算法和进化计算 7.4 免疫算法的相关应用 7.4.1 识别和分类应用 7.4.2 优化应用 7.4.3 其他方面的应用 （三）思考与实践 查阅文献，了解免疫算法的最近进展及各个领域的应用 （四）教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体
第8章模拟退火与禁忌搜索 (一)目的与要求 1.理解和掌握模拟退火与禁忌搜索的概念、思想。 2.理解模拟退火与禁忌搜索的基本思想。 (二)教学内容 8.1模拟退火算法 8.1.1算法思想 8.1.2基本流程 8.1.3应用举例 8.2禁忌搜索算法 8.2.1算法思想 8.2.2基本流程 8.2.3应用举例 (三)思考与实践 模拟退火与禁忌搜索的优缺点比较 (四)教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体。 五、各教学环节学时分配 表1各教学环节学时分配表 教学环节 习 讨 实 小 散学时数 其他散 论 学环节 课 计 课程内容 第1章概论 第2章神经网络 作业1 第2章神经网络 作业2 第3章模糊逻辑 3 第4章遗传算法 第4章遗传算法及应用 作业3
8 第 8 章 模拟退火与禁忌搜索 （一）目的与要求 1.理解和掌握模拟退火与禁忌搜索的概念、思想。 2.理解模拟退火与禁忌搜索的基本思想。 （二）教学内容 8.1 模拟退火算法 8.1.1 算法思想 8.1.2 基本流程 8.1.3 应用举例 8.2 禁忌搜索算法 8.2.1 算法思想 8.2.2 基本流程 8.2.3 应用举例 （三）思考与实践 模拟退火与禁忌搜索的优缺点比较 （四）教学方法与手段 本章采用课堂教学、课堂讨论、案例分析的教学方法，教学手段为多媒体。 五、各教学环节学时分配 表 1 各教学环节学时分配表 教学环节 教学时数 课程内容 讲 课 习 题 课 讨 论 课 实 验 其他教 学环节 小 计 第 1 章 概论 3 3 第 2 章 神经网络 3 作业 1 3 第 2 章 神经网络 3 作业 2 3 第 3 章 模糊逻辑 3 3 第 4 章 遗传算法 3 3 6 第 4 章 遗传算法及应用 3 3 作业 3 6
第5章蚁群优化算法 第6章粒子群优化算法 第7章免疫算法 第8章模拟退火及禁忌搜索 6 作业 复习、考试 合计 36 六、课程考核 (一)考核方式 分散考试 (二)成绩构成 平时成绩占比：40%， 期末考试占比：60%。 其中：平时成绩=考勤(40%)+作业(30%)+课堂讨论(30%). (三)成绩考核标准 1、学生应按照课程教学计划安排参加课程学习，不得随意旷课、请假、迟到和 早退。旷课1次扣减平时考勤成绩10%，请假/迟到/厚退1次扣减平时考勤成绩5%。 无故累计旷课超过13者平时成绩以零分计且不得参加期末考试。 2、按时保质保量完成老师布置的作业，不得无故缺交迟交，更不得抄袭。无故 缺交作业1次扣减平时作业成绩20%，缺交作业超过5次以上者，其平时作业成绩以 零分计：迟交作业1次扣减平时作业成绩10%：严禁抄袭作业，发现有抄袭作业情况， 其平时作业成绩以零分计。 3、学生在本课程学习过程中应保持政治立场鲜明和坚定、严于律己、举止文明、 积极向上、爱专业爱学校爱国家、遵守国家法规制度和学校各项管理制度。凡是有违 反校纪校规（如屡次抄袭作业、不遵师长、考试作弊等）、违反社会公德、违法法律 法规者均不得参加平时考评和期末考试，均以零分计。 4、本课程学习完后，学生必须参加期末考试，无故不参加期末考试者，其期末 考试成绩以零分计（即认定为“缺考”）。如有特殊理由，可以办理缓考，但必须按规 定办理相关缓考手续并得到批准。 七、推荐教材和教学参考资源 1、推荐教材： 张军等，计算智能清华大学出版社，2009 9
9 第 5 章 蚁群优化算法 3 3 6 第 6 章 粒子群优化算法 3 3 作业 4 6 第 7 章 免疫算法 3 3 第 8 章 模拟退火及禁忌搜索 6 作业 5 6 复习、考试 3 3 合 计 36 12 48 六、课程考核 （一）考核方式 分散考试 （二）成绩构成 平时成绩占比：40%， 期末考试占比：60%。 其中：平时成绩=考勤（40%）+作业（30%）+课堂讨论（30%）. （三）成绩考核标准 1、学生应按照课程教学计划安排参加课程学习，不得随意旷课、请假、迟到和 早退。旷课 1 次扣减平时考勤成绩 10%，请假/迟到/早退 1 次扣减平时考勤成绩 5%。 无故累计旷课超过 1/3 者平时成绩以零分计且不得参加期末考试。 2、按时保质保量完成老师布置的作业，不得无故缺交/迟交，更不得抄袭。无故 缺交作业 1 次扣减平时作业成绩 20%，缺交作业超过 5 次以上者，其平时作业成绩以 零分计；迟交作业 1 次扣减平时作业成绩 10%；严禁抄袭作业，发现有抄袭作业情况， 其平时作业成绩以零分计。 3、学生在本课程学习过程中应保持政治立场鲜明和坚定、严于律己、举止文明、 积极向上、爱专业爱学校爱国家、遵守国家法规制度和学校各项管理制度。凡是有违 反校纪校规（如屡次抄袭作业、不遵师长、考试作弊等）、违反社会公德、违法法律 法规者均不得参加平时考评和期末考试，均以零分计。 4、本课程学习完后，学生必须参加期末考试，无故不参加期末考试者，其期末 考试成绩以零分计（即认定为“缺考”）。如有特殊理由，可以办理缓考，但必须按规 定办理相关缓考手续并得到批准。 七、推荐教材和教学参考资源 1、推荐教材： 张军等，计算智能 清华大学出版社，2009
2、参考书： [1].马昌凤等，最优化计算方法及其MATLAB程序实现，国防工业出版社，2015 [2].汪定伟等，智能优化方法，高等教有出版社，2007 [3].Russell C.Eberhart Yuhui Shi,Computational Intelligence- Concepts to Implementations,.人民邮电出版社，2009. [4].S.Y.KUNG.Kernel Methods and Machine Learning,Cambridge University Press,2014. [5].Patrick Stalph.Analysis and Design Of Machine Learning Techniques Evolutionary Solutions for Regression,Prediction,And Control Problems,Springer Vieweg. [6].James Kennedy Russell C Eberhart /Yuhui Shi,swarm intelligenc 人民邮电出版社，2009. [7].Stellan Ohlsson.Deep Learning how the mind overrides experience, Cambridge University Press 2011. [8].杨淑莹，张桦，模式识别与智能计算一MATLAB技术实现（第3版），电子工业 出版社，2015.4 八、其他说明 本教学大纲适用于计算机科学与技术相关专业，在教学中可结合学生实际情况对 内容作适当调整。对教学的总体要求是：基于计算机科学与技术专业人才培养方案， 展开对重点模块基础知识的针对性教学，辅以讨论、案例分析、作业。同时，在教学 过程中应融合思政教学，加强对学生的专业道德修养教育。 大纲修订人：许波 修订日期：2020年12月26日 大纲审定人：沈永珞 审定日期：2020年12月27日 10
10 2、参考书: [1]. 马昌凤等，最优化计算方法及其 MATLAB 程序实现，国防工业出版社，2015 [2]. 汪定伟等，智能优化方法，高等教育出版社，2007 [3]. Russell C.Eberhart 和 Yuhui Shi, Computational Intelligence --- Concepts to Implementations, 人民邮电出版社,2009. [4]. S. Y. KUNG. Kernel Methods and Machine Learning, Cambridge University Press, 2014. [5]. Patrick Stalph.Analysis and Design Of Machine Learning Techniques Evolutionary Solutions for Regression, Prediction, And Control Problems, Springer Vieweg. [6]. James Kennedy / Russell C Eberhart / Yuhui Shi，swarm intelligenc， 人民邮电出版社,2009. [7]. Stellan Ohlsson.Deep Learning how the mind overrides experience, Cambridge University Press 2011. [8]. 杨淑莹，张桦，模式识别与智能计算—MATLAB 技术实现（第 3 版），电子工业 出版社，2015.4 八、其他说明 本教学大纲适用于计算机科学与技术相关专业，在教学中可结合学生实际情况对 内容作适当调整。对教学的总体要求是：基于计算机科学与技术专业人才培养方案， 展开对重点模块基础知识的针对性教学，辅以讨论、案例分析、作业。同时，在教学 过程中应融合思政教学，加强对学生的专业道德修养教育。 大纲修订人：许波 修订日期：2020 年 12 月 26 日 大纲审定人：沈永珞 审定日期：2020 年 12 月 27 日