《智能算法设计与应用》教学大纲课程中文名称：智能算法设计与应用课程英文名称：IntelligentAlgorithmDesignandApplication开课学期：每年春季学分/学时：1.5学分/24学时先修课程：高等数学、线性代数开课对象：北航全校本科生成绩类型：百分制责任人名单：刘金琨一、课程的性质、目的和任务课程性质：本课程是学校核心通识类课程。目的：使学生掌握智能算法的基本理论、设计方法和分析方法，具备利用智能算法解决应用问题的能力。任务：通过教学，使得学生了解智能算法的前沿热点问题，掌握模糊逻辑、神经网络、智能搜索、支持向量机的基本原理、特点和应用：初步具备理论分析、Matlab仿真分析和解决应用问题的能力。二、课程内容、基本要求及学时分配第一章绪论（1学时）1.1智能算法的发展过程和重要分支（0.5学时）1.2智能算法的应用（0.5学时）基本要求：了解智能算法的基本概念、发展过程、算法特点和重要分支，熟悉智能算法的应用领域。第二章模糊逻辑技术（5学时）2.1模糊数学及模糊逻辑（1学时）2.2模糊逻辑推理系统的设计（1学时）2.3模糊推理应用实例-模糊洗衣机2.4T-S模糊系统的设计（1学时）1
1 《智能算法设计与应用》教学大纲 课程中文名称：智能算法设计与应用 课程英文名称：Intelligent Algorithm Design and Application 开课学期：每年春季 学分/学时：1.5 学分/24 学时 先修课程：高等数学、线性代数 开课对象：北航全校本科生 成绩类型：百分制 责任人名单：刘金琨 一、课程的性质、目的和任务 课程性质：本课程是学校核心通识类课程。 目的：使学生掌握智能算法的基本理论、设计方法和分析方法，具备利用智能算法解决应用 问题的能力。 任务：通过教学，使得学生了解智能算法的前沿热点问题，掌握模糊逻辑、神经网络、智能 搜索、支持向量机的基本原理、特点和应用，初步具备理论分析、Matlab 仿真分析和解决应用问 题的能力。 二、课程内容、基本要求及学时分配 第一章 绪论（1 学时） 1.1 智能算法的发展过程和重要分支（0.5 学时） 1.2 智能算法的应用（0.5 学时） 基本要求：了解智能算法的基本概念、发展过程、算法特点和重要分支，熟悉智能算法的应 用领域。 第二章 模糊逻辑技术（5 学时） 2.1 模糊数学及模糊逻辑（1 学时） 2.2 模糊逻辑推理系统的设计（1 学时） 2.3 模糊推理应用实例-模糊洗衣机 2.4 T-S 模糊系统的设计（1 学时）
2.5飞行器的T-S模糊建模（1学时）基本要求：了解模糊数学的基本概念，掌握典型模糊推理和T-S模糊建模的设计方法和Matlab仿真方法。第三章神经网络理论（6学时）3.1神经网络原理（1学时）3.2BP神经网络（2学时）3.2.1基本原理3.2.2BP网络的算法设计3.2.3基于BP网络的建模3.2.4基于BP网络的模式识别3.3RBF神经网络（2学时）3.3.1基本原理3.3.2RBF网络的算法设计3.3.3基于RBF网络的函数逼近与自适应控制3.4Hopfield神经网络（1学时）3.4.1基本原理3.4.2Hopfield网络的算法3.4.3基于Hopfield网络的旅行商问题优化基本要求：了解神经网络发展简史、神经网络的基本原理，掌握BP神经网络、RBF神经网络和Hopfield神经网络的原理和设计方法，并能结合Matlab仿真进行分析。第四章深度学习算法设计（4学时）4.1深度学习神经网络（2学时）4.1.1基本原理4.1.2深度学习算法设计4.1.3基于深度学习神经网络的建模4.2神经网络在机器学习分类任务中的应用（2学时）4.2.1基本原理4.2.2深度学习分类算法的设计4.2.3基于深度学习神经网络的机器学习基本要求：了解深度学习神经网络的基本原理，掌握深度学习神经网络设计方法，并能结合2
2 2.5 飞行器的 T-S 模糊建模（1 学时） 基本要求：了解模糊数学的基本概念，掌握典型模糊推理和 T-S 模糊建模的设计方法和 Matlab 仿真方法。 第三章 神经网络理论（6 学时） 3.1 神经网络原理（1 学时） 3.2 BP 神经网络（2 学时） 3.2.1 基本原理 3.2.2 BP 网络的算法设计 3.2.3 基于 BP 网络的建模 3.2.4 基于 BP 网络的模式识别 3.3 RBF 神经网络（2 学时） 3.3.1 基本原理 3.3.2 RBF 网络的算法设计 3.3.3 基于 RBF 网络的函数逼近与自适应控制 3.4 Hopfield 神经网络（1 学时） 3.4.1 基本原理 3.4.2 Hopfield 网络的算法 3.4.3 基于 Hopfield 网络的旅行商问题优化 基本要求：了解神经网络发展简史、神经网络的基本原理，掌握 BP 神经网络、RBF 神经网 络和 Hopfield 神经网络的原理和设计方法，并能结合 Matlab 仿真进行分析。 第四章 深度学习算法设计（4 学时） 4.1 深度学习神经网络（2 学时） 4.1.1 基本原理 4.1.2 深度学习算法设计 4.1.3 基于深度学习神经网络的建模 4.2 神经网络在机器学习分类任务中的应用（2 学时） 4.2.1 基本原理 4.2.2 深度学习分类算法的设计 4.2.3 基于深度学习神经网络的机器学习 基本要求：了解深度学习神经网络的基本原理，掌握深度学习神经网络设计方法，并能结合
Matlab仿真进行分析。第五章智能搜索算法（4学时）5.1遗传算法的设计（1学时）5.1.1基本原理5.1.2仿真实例：函数极大值搜索5.1.3基于遗传算法的旅行商问题优化5.2粒子群算法的设计（1学时）5.2.1基本原理5.2.2仿真实例：函数极大值搜索5.2.3基于粒子群算法的旅行商问题优化5.3差分进化算法的设计（1学时）5.3.1基本原理5.3.2仿真实例：函数极大值搜索5.3.3基于差分进化算法的旅行商问题优化5.4蚁群算法的设计（1学时）5.3.1基本原理5.3.2仿真实例：函数极大值搜索5.3.3基于蚁群算法的旅行商问题优化基本要求：了解智能搜索算法的特点与应用领域，掌握算法的基本原理，能够利用智能搜索算法并结合Matlab仿真求解函数最大值和旅行商优化等问题。第六章支持向量机算法（4学时）6.1基本原理（1学时）6.2基于支持向量机的数据分类（1学时）6.2.1基本原理6.2.2仿真实例6.3基于支持向量机的飞行器参数辩识（2学时）6.3.1基本原理6.3.2仿真实例基本要求：了解支持向量机算法的特点与应用领域，掌握算法的基本原理，能够利用支持向量机算法并结合Matlab仿真解决数据分类等问题3
3 Matlab 仿真进行分析。 第五章 智能搜索算法（4 学时） 5.1 遗传算法的设计（1 学时） 5.1.1 基本原理 5.1.2 仿真实例：函数极大值搜索 5.1.3 基于遗传算法的旅行商问题优化 5.2 粒子群算法的设计（1 学时） 5.2.1 基本原理 5.2.2 仿真实例：函数极大值搜索 5.2.3 基于粒子群算法的旅行商问题优化 5.3 差分进化算法的设计（1 学时） 5.3.1 基本原理 5.3.2 仿真实例：函数极大值搜索 5.3.3 基于差分进化算法的旅行商问题优化 5.4 蚁群算法的设计（1 学时） 5.3.1 基本原理 5.3.2 仿真实例：函数极大值搜索 5.3.3 基于蚁群算法的旅行商问题优化 基本要求：了解智能搜索算法的特点与应用领域，掌握算法的基本原理，能够利用智能搜索 算法并结合 Matlab 仿真求解函数最大值和旅行商优化等问题。 第六章 支持向量机算法（4 学时） 6.1 基本原理（1 学时） 6.2 基于支持向量机的数据分类（1 学时） 6.2.1 基本原理 6.2.2 仿真实例 6.3 基于支持向量机的飞行器参数辩识 （2 学时） 6.3.1 基本原理 6.3.2 仿真实例 基本要求：了解支持向量机算法的特点与应用领域，掌握算法的基本原理，能够利用支持向 量机算法并结合 Matlab 仿真解决数据分类等问题
三、课内外教学环节及基本要求本课程以课堂讲授为主、课外阅读文献练习为辅。课堂讲授着重使学生掌握本课程的基本概念、思想和分析方法，注重培养学生分析问题和解决问题的能力。在课堂讲授过程中，既要保持理论的连续性，又要注意联系最新研究成果。习题内容的选择是与课程紧密相关的参考文献，通过对文献的阅读和理解，培训学生阅读英文文献以及对前沿热点问题掌握和分析的能力。四、考核方式及成绩评定本课程成绩由平时考试成绩、期末考试组合而成，采用百分制计分制。各部分所占比例如下：平时考试成绩占20%，主要考核课外自主学习情况：期末成绩占80%，采用开卷考试形式，题型为简答题。考核内容主要包括基本原理，占总分比例10%，模糊逻辑与方法，占总分比例20%：神经网络原理和方法，占总分比例40%；智能搜索算法原理，占总分比例20%；支持向量机算法原理和方法，占总分比例10%。五、教材和参考资料[1]刘金琨，智能控制，第四版（教材），电子工业出版社，2017，1[2]刘金琨，智能控制一理论基础、算法设计与应用（教材），刘金琨，清华大学出版社，2019.12[3]刘金琨，RBF神经网络自适应控制Matlab仿真，北京：清华大学出版社，2014，1[4]刘金琨，沈晓蓉，赵龙，系统辨识理论及Matlab仿真（教材），电子工业出版社，2013，2[5]刘金琨，机器人控制系统的设计与Matab仿真-基本设计方法，北京：清华大学出版社，2016年12月[6]刘金琨，机器人控制系统的设计与Matab仿真-先进设计方法，北京：清华大学出版社，2017年11月[7]刘金琨，先进PID控制Matlab仿真第4版，北京：电子工业出版社，2016年6月[8] JinkunLIU,RBFNeuralNetworkControlforMechanicalSystems_Design,Analysisand MatlabSimulationTsinghua&SpringerPress,2013[9] JinkunLIU,IntelligentControl Designand MATLAB Simulation,Tsinghua&SpringerPress,201711六、其它4
4 三、课内外教学环节及基本要求 本课程以课堂讲授为主、课外阅读文献练习为辅。课堂讲授着重使学生掌握本课程的基本概 念、思想和分析方法，注重培养学生分析问题和解决问题的能力。在课堂讲授过程中，既要保持 理论的连续性，又要注意联系最新研究成果。习题内容的选择是与课程紧密相关的参考文献，通 过对文献的阅读和理解，培训学生阅读英文文献以及对前沿热点问题掌握和分析的能力。 四、考核方式及成绩评定 本课程成绩由平时考试成绩、期末考试组合而成，采用百分制计分制。各部分所占比例如下： 平时考试成绩占 20%，主要考核课外自主学习情况；期末成绩占 80%，采用开卷考试形式。 题型为简答题。考核内容主要包括基本原理，占总分比例 10%，模糊逻辑与方法，占总分比例 20%； 神经网络原理和方法，占总分比例 40%；智能搜索算法原理，占总分比例 20%；支持向量机算法 原理和方法，占总分比例 10%。 五、教材和参考资料 [1] 刘金琨，智能控制，第四版（教材），电子工业出版社，2017，1 [2] 刘金琨，智能控制—理论基础、算法设计与应用（教材），刘金琨，清华大学出版社，2019.12 [3] 刘金琨，RBF 神经网络自适应控制 Matlab 仿真，北京:清华大学出版社，2014，1 [4] 刘金琨，沈晓蓉，赵龙，系统辨识理论及 Matlab 仿真（教材），电子工业出版社，2013，2 [5] 刘金琨，机器人控制系统的设计与 Matlab 仿真-基本设计方法，北京:清华大学出版社，2016 年 12 月 [6] 刘金琨，机器人控制系统的设计与 Matlab 仿真-先进设计方法，北京:清华大学出版社，2017 年 11 月 [7] 刘金琨，先进 PID 控制 Matlab 仿真第 4 版，北京:电子工业出版社，2016 年 6 月 [8] Jinkun LIU, RBF Neural Network Control for Mechanical Systems_Design, Analysis and Matlab Simulation, Tsinghua & Springer Press, 2013 [9] Jinkun LIU,Intelligent Control Design and MATLAB Simulation, Tsinghua & Springer Press, 2017,11 六、其它