《计算智能chapter绪论》由会员分享，可在线阅读，更多相关《计算智能chapter绪论（49页珍藏版）》请在金锄头文库上搜索。
1、计算智能计算智能计算智能计算智能李翠华李翠华 ，曲延云，曲延云 办公室：海韵园办公室：海韵园 科研楼科研楼408408室室 电话：电话：2580133 2580133 教教 材材? ?N.J.Nilsson, Artificial N.J.Nilsson, Artificial IntelligenceIntelligenceA New Synthesis, A New Synthesis, Morgan Kaufmann Morgan Kaufmann Publishers,Inc. ,1998Publishers,Inc. ,1998? ?中中译本：人工智能，机械工业出版社，译本：人工智能
2、，机械工业出版社， 20002000年年1010月月参参 考考 资资 料料? ?S.RusselS.Russel and and P.NorvigP.Norvig, Artificial , Artificial Intelligence: A Modern Approach, Intelligence: A Modern Approach, Englewood Cliffs, NJ: Prentice Hall, Englewood Cliffs, NJ: Prentice Hall, 1995/19981995/1998 中译本：人工智能中译本：人工智能一种现代方法（第二一种现代方法（第二
3、 版），版）， 人民邮电出版社，人民邮电出版社，20042004年年6 6月月? ?Thomas Dean and James Allen, and Thomas Dean and James Allen, and YiannisYiannis AloimonosAloimonos, Artificial Intelligence, , Artificial Intelligence, Theory and Practice,1996Theory and Practice,1996? ?史忠植，现代人工智能，中科院研究生教材，史忠植，现代人工智能，中科院研究生教材， 19981998? ?Ge
4、orge F. George F. LugerLuger, Artificial Intelligence, Artificial Intelligence Structures and Strategies for Complex SolvingStructures and Strategies for Complex Solving Fourth EditionFourth Edition? ?中译本：史忠植等译，人工智能中译本：史忠植等译，人工智能 复杂问题求解的结构和策略，机械工业出版社，复杂问题求解的结构和策略，机械工业出版社， 20042004参参 考考 资资 料（续）料（续）?
5、?S.Kirkpatrick S.Kirkpatrick 等，等，Optimization by Optimization by simulated annealing ,Science, simulated annealing ,Science, 220(4598),1983220(4598),1983? ?康立山康立山等，非数值并行算法（第一册）等，非数值并行算法（第一册）模拟模拟 退火算法，科学出版社，退火算法，科学出版社，1994/19981994/1998? ?Goldberg D. E. , Genetic Algorithms in Goldberg D. E. , Geneti
6、c Algorithms in Search, Optimization, and Machine learning, Search, Optimization, and Machine learning, Reading, MA: Addison Reading, MA: Addison WeleyWeley, 1989, 1989? ?徐宗本，张讲社，郑亚林，计算智能中的仿生徐宗本，张讲社，郑亚林，计算智能中的仿生 学：理论与算法，科学技术出版社，学：理论与算法，科学技术出版社，20032003参参 考考 资资 料（续）料（续）? ?J.H.Holland, Adaptation in N
7、atural J.H.Holland, Adaptation in Natural and Artificial Systems, Ann Arbor: and Artificial Systems, Ann Arbor: The Univ. of Michigan Press,1975The Univ. of Michigan Press,1975? ?John R. John R. KozaKoza, Genetic Programming: On , Genetic Programming: On the Programming of Computers by Means the Pro
8、gramming of Computers by Means of Natural Selection, The MIT of Natural Selection, The MIT Press,1992 Press,1992 ? ?杨行杨行峻，郑君里，人工神经网络，高等教峻，郑君里，人工神经网络，高等教 育出版社，育出版社，19921992主要内容纲要主要内容纲要计算智能主要研究那些人比机器擅长的领域内的问题及其算计算智能主要研究那些人比机器擅长的领域内的问题及其算 法，机器学习是其重要的实现途径。本课程将学习下列主要内法，机器学习是其重要的实现途径。本课程将学习下列主要内 容：容： （1 1
9、）现代搜索技术，包括启发式搜索、梯度搜索、模拟）现代搜索技术，包括启发式搜索、梯度搜索、模拟 退火搜索、博弈搜索、极小极大搜索以及退火搜索、博弈搜索、极小极大搜索以及- - 剪枝过程等；剪枝过程等； （2 2）机器学习，包括机器学习的种类、模型及算法，如贝叶）机器学习，包括机器学习的种类、模型及算法，如贝叶 斯（斯（BayesBayes）学习、支持向量机（学习、支持向量机（SVMSVM）、人工神经网络（包、人工神经网络（包 括人脑的基本特征、前馈网络、学习规则、多层前馈网络的反括人脑的基本特征、前馈网络、学习规则、多层前馈网络的反 向传播（向传播（BPBP）学习算法等）；（学习算法等）；（3
10、3）模拟进化搜索与学习算）模拟进化搜索与学习算 法，包括生物进化过程、模拟进化原理与算法、模拟进化算法法，包括生物进化过程、模拟进化原理与算法、模拟进化算法 的典型执行策略（的典型执行策略（Genetic algorithm,Evolution Genetic algorithm,Evolution stragies,Evolutionarystragies,Evolutionary programingprograming）、）、模拟进化策略的改进途模拟进化策略的改进途 径、各种执行策略的比较和评注；（径、各种执行策略的比较和评注；（4 4）非单调逻辑及其推）非单调逻辑及其推 理、不确定性推
11、理、模态逻辑、知识的结构化表示与产生式系理、不确定性推理、模态逻辑、知识的结构化表示与产生式系 统等。统等。主要内容主要内容? ?绪论：绪论：绪论：绪论： 人工智能的诞生与发展历史，人工智能研究的主人工智能的诞生与发展历史，人工智能研究的主 要问题，人工智能实现的根本途径，人工智能的要问题，人工智能实现的根本途径，人工智能的 现状与未来发展趋势，人工智能研究的新增长现状与未来发展趋势，人工智能研究的新增长 点点计算智能。计算智能。? ?问题求解：问题求解：问题求解：问题求解： 问题求解搜索技术，包括局部优化搜索算法，如问题求解搜索技术，包括局部优化搜索算法，如 爬山法、局部剪枝搜索，连续空间的
12、局部搜索；爬山法、局部剪枝搜索，连续空间的局部搜索； 启发式搜索；对抗搜索，如博弈中的优化决策启发式搜索；对抗搜索，如博弈中的优化决策- - 优化策略、极小极大值算法；优化策略、极小极大值算法；剪枝等。剪枝等。? ?不确定知识与推理：不确定知识与推理：不确定知识与推理：不确定知识与推理： 不确定性：基本概率符号表示、概率公理、使用不确定性：基本概率符号表示、概率公理、使用 全联合分布进行推理、独立性、全联合分布进行推理、独立性、BayesBayes法则及其法则及其 应用；应用； 概率推理：概率推理：BayesBayes网络语义网络语义- -全联合概率分布、全联合概率分布、 BayesBayes
13、网络中的条件独立关系，网络中的条件独立关系，BayesBayes网络中的精网络中的精 确推理确推理- -枚举推理、变量消元算法，枚举推理、变量消元算法，BayesBayes网络的网络的 近似推理近似推理- -直接采样法、直接采样法、MarkovMarkov链仿真推理；链仿真推理； 关于时间的概率推理：时序模型中的推理关于时间的概率推理：时序模型中的推理- -滤波和滤波和 预测、平滑、寻找最可能序列，隐预测、平滑、寻找最可能序列，隐MarkovMarkov模型、模型、 KalmanKalman滤波器、动态滤波器、动态BayesBayes网络网络- -精确推理、精确推理、 MCMCMCMC（Mar
14、kov chain Monte CarloMarkov chain Monte Carlo）方法。）方法。? ?统计学习方法：统计学习方法：统计学习方法：统计学习方法： 完整数据下的学习：离散情况下最大似然参数学习、朴素完整数据下的学习：离散情况下最大似然参数学习、朴素 BayesBayes模型、连续情况下的最大似然学习、模型、连续情况下的最大似然学习、BayesBayes参数学参数学 习、学习习、学习BayesBayes网络结构；网络结构； 隐变量学习隐变量学习EMEM算法：无监督聚类（混合算法：无监督聚类（混合GaussGauss分分 布）、学习含有隐变量的布）、学习含有隐变量的Bayes
15、Bayes网络、学习隐网络、学习隐MarkovMarkov模模 型、型、EMEM算法的一般形式；算法的一般形式； 基于实例的学习：最近邻模型、核模型；基于实例的学习：最近邻模型、核模型； 支持向量机支持向量机(SVM)(SVM)：最优分类超平面、：最优分类超平面、- -间隔分类超平间隔分类超平 面、构造最优超平面、高维空间推广、核函数、特征空间面、构造最优超平面、高维空间推广、核函数、特征空间 的的SVMSVM、SVMSVM用于回归、用于回归、SVMSVM的组合的组合- -AdaBoostAdaBoost方法方法; ; 流型学习流型学习; ; FuzzyFuzzy逻辑与推理：逻辑与推理：Fuz
16、zyFuzzy集合及其运算、集合及其运算、FuzzyFuzzy关系与关系与 FuzzyFuzzy矩阵、矩阵、FuzzyFuzzy推理的各种模型、推理的各种模型、CRICRI方案下的方案下的FuzzyFuzzy 推理算法、推理算法、3I3I方案下的方案下的FuzzyFuzzy推理算法推理算法. . 粗糙集理论及应用，粒子群优化方法，粗糙集理论及应用，粒子群优化方法， 人工生命：蚁群算法。人工生命：蚁群算法。? ?模拟退火算法：模拟退火算法：模拟退火算法：模拟退火算法： 模拟退火算法的思想比方法本身更为重模拟退火算法的思想比方法本身更为重 要：模拟固体的退火过程，根据要：模拟固体的退火过程，根据MetropolisMetropolis 准则，不仅接受优化解，还按转移概率接准则，不仅接受优化解，还按转移概率接 受恶化解，基于受恶化解，基于MetropolisMetropolis迭代，完成随机迭代，完成随机 优化搜索。要求学生掌握模拟退火算法的优化搜索。要求学生掌握模拟退火算法
