reinforcement learning,filtering algorithms in data assimilation) 课程目标与内容(Course objectives and contents) 该课程重点培养学生利用数学知识分析问恩、设计算法的能力，为后续研究打 下相应基础。 *课程目标 1.掌掘随机算法的基本概念和工具（条件期望，极限定理），理解随机算法的 设计思路，提高专业基础。 2.掌握典型的随机算法（蒙特卡洛法，MCMC典型算法， 数值分析及优化中 随机算法等)，掌握算法分析技巧，了解前沿研究课题。(B2,B4,C1,C5) 3.训练程序设计的能力，将设计的算法实现出来，解决实际问题。(A4,C5,D1 教学纳 章节容（要教学目标 学时 教学形式 作业及考课程思政融入 对应课程目 核要求 点) 点 标 示例： 概率论 基本知 识回B 包括条进一步加强 1次作业 第 巩固概率培养学生独 部 件期望，基本概率论 6 面授 论基本概思考能力 中心极理解 念 教学内容讲商 安排及对应课 程目标(Ca 定理等 Schedule& 蒙特卡 洛法，包 Requirements Course 括随机 Objectives) 数生成。 3次作业， 掌握蒙特 Metrop 含绵程题培养学生认真 s算法 洛算法基本 用相，其本兰 目，掌探常严谨的工作作 第二KMC 用的蒙特风。独立思考 法，理解为何 部分多层次 面授 3 蒙特卡蒙特卡剑 卡洛算法，的学习能力利 熟悉随机条理清晰的思 洛，马 法可以克服 何夫键维数灾难 算法构维方式 思路 装特卡 洛算法 等 第三数值线理解如何利 2次作业，培养学生认 9 部分性代数用随机算法 包括编程严谨的工作作 ,23descent etc. 3. Selected topics (topics may include introduction to reinforcement learning, filtering algorithms in data assimilation) 课程目标与内容（Course objectives and contents） *课程目标 (Course Object) 该课程重点培养学生利用数学知识分析问题、设计算法的能力，为后续研究打 下相应基础。 1.掌握随机算法的基本概念和工具（条件期望，极限定理），理解随机算法的 设计思路，提高专业基础。（B1,B2,C1） 2.掌握典型的随机算法（蒙特卡洛法，MCMC 典型算法，数值分析及优化中的 随机算法等），掌握算法分析技巧，了解前沿研究课题。（B2,B4,C1,C5） 3.训练程序设计的能力，将设计的算法实现出来，解决实际问题。（A4,C5,D1） *教学内容进度 安排及对应课 程目标 (Class Schedule & Requirements & Course Objectives) 章节 教学内 容（要 点） 教学目标 学时 教学形式 作业及考 核要求 课程思政融入 点 对应课程目 标 示例： 第一 部分 概率论 基本知 识回顾， 包括条 件期望， 中心极 限定理 Cramer 定理等 进一步加强 基本概率论 理解 6 面授 1 次作业。 巩固概率 论基本概 念 培养学生独立 思考能力 1 第 二 部分 蒙特卡 洛法，包 括随机 数生成， Metropo lis 算法， KMC, 多层次 蒙特卡 洛，马尔 可夫链 蒙特卡 洛算法 等 掌 握 蒙特卡 洛算法基本 思想，基本算 法，理解为何 蒙特卡洛算 法可以克服 维数灾难 24 面授 3 次作业， 含编程题 目。掌握常 用的蒙特 卡洛算法， 熟悉随机 算法构造 思路 培养学生认真 严谨的工作作 风，独立思考 的学习能力和 条理清晰的思 维方式 2, 3 第 三 部分 数值线 性代数 理解如何利 用随机算法 9 面授 2 次作业， 包括编程 培养学生认真 严谨的工作作 1,2,3