智能优化与仿真
课程信息
| 课程名称/课程号 | 适用范围与修读要求 |
|---|---|
| 智能优化与仿真 MGMT3051M |
储能卓工班 · 26级 专业选修(项目2) |
课程简介
展开查看
在复杂而充满不确定性的商业环境中,优化与仿真方法通常作为管理与决策的辅助工具。传统优化方法基于问题的几何、代数性质,主要特征为精确、严格与确定。在实际操作中,建模技巧要求较高,求解问题规模较小,难以处理一些不确定、不精确、动态的或者对计算时间要求较严格的问题。智能优化方法通过对自然界的模仿来应对上述问题,从而更好地处理复杂、不确定、不精确或动态的问题。仿真优化方法则利用仿真技术进一步处理系统中的随机性和动态性,从而帮助人们解决优化过程中的高维度、动态性等困难。两者在处理不确定性中的共性和互补性使得在处理复杂决策时很容易将两者进行融合进而构建高效复杂的决策支持系统。本课程将围绕智能优化与仿真的原理、算法以及对决策的支持等问题展开,使学生对如何利用智能优化与仿真方法解决问题有一定的了解。
来源:教务网。
课程内容
分数构成
课堂参与10%,课程作业30,课堂报告30%,大作业30%
课程大纲
展开查看
周次 |
授课章次与主要内容 |
课程思政融入点与实施方法 |
教学方式 (线上、线下、线上线下混合) |
课外学习与作业要求 |
教学时数 |
第1次 |
第一节课:智能优化与仿真概论 1.智能优化与仿真发展历史 2.智能优化与仿真在决策中的作用 3.常见智能优化与仿真算法 |
1.课程思政融入点:科学思维 2.实施方法 智能优化与仿真发展历史 |
线下 |
1.阅读课程参考资料 2.完成作业:现代技术和人文关怀是如何结合在一起的? |
2 |
第2次 |
第二节课:禁忌搜索 1.禁忌搜索算法思想 2.禁忌算法设计原理 |
——(若无,请标注“——”) |
线下 |
1.阅读课程参考资料 2.小组讨论:智能优化项目选题 |
2 |
第3次 |
第三节课:模拟退火 1.模拟退火算法思想 2.模拟退火算法设计原理
|
——(若无,请标注“——”) |
线下 |
1.阅读课程参考资料 2.小组讨论:智能优化项目分析 |
2 |
第4次 |
第四节课:遗传算法 1.遗传算法思想 2.解的编码 3.交叉与变异 4.解的选择
|
1.课程思政融入点:科学思维 2.实施方法 案例:遗传算法的发明过程 |
线下 |
1.阅读课程参考资料
|
2 |
第5次 |
第五节课:粒子群算法 1.粒子群算法思想 2.粒子群算法参数的选择 3.解的编码
|
1.课程思政融入点:在决策中引入可持续发展的理念。 2.实施方法 案例讨论:物流选址决策中可持续发展目标如何实现 |
线下 |
1.阅读课程参考资料 2.小组讨论:智能优化项目分析 |
2 |
第6次 |
第六节课:蚁群算法 1.蚁群算法思想 2.参数设计 3.解的编码
|
——(若无,请标注“——”) |
线下 |
1.阅读课程参考资料
|
2 |
第7次 |
第七节课:Q-learning算法 1.Q-learning算法思想 2. Q-learning算法设计原理 |
——(若无,请标注“——”) |
线下 |
1.小组讨论:智能优化项目分析 |
2 |
第8次 |
第八节课:离散事件仿真概论 1.DES基本框架与方法 2. DES在排队与库存等系统的应用 |
1.课程思政融入点:制造业中的离散事件系统介绍
|
线下 |
1.阅读课程参考资料 2.完成作业:举例分析某个生活中离散事件系统 |
2 |
第9次 |
第九节课:概率与统计基础 1. DES的概率与统计基础 2. 蒙特卡洛仿真 3. 极限定理、置信区间与区域的基本概率 |
—— |
线下 |
1.阅读课程参考资料 2.小组讨论:仿真优化项目选题 |
2 |
第10次 |
第十节课:仿真系统输入输出分析 1.系统输入参数估计 2. 相关性随机变量的建模与仿真 3. 两个系统表现差分的置信区间构造 |
—— |
线下 |
1.阅读课程参考资料 2.小组讨论:仿真优化项目算法分析 |
2 |
第11次 |
第十一节课:仿真实验设计与系统优化 1. 响应曲面方法、元模型方法 2. 排队问题的求解 |
—— |
线下 |
1.阅读课程参考资料 2.小组讨论:仿真优化项目实现
|
2 |
第12次 |
第十二节课:随机梯度优化方法 1. 经典的随机梯度估计方法 2. 排队问题中的梯度估计 |
—— |
线下 |
1.阅读课程参考资料 2.小组讨论:仿真优化项目实现
|
2 |
第13次 |
第十三节课:随机梯度搜索算法 1. 算法基本思路 2. 复杂排队系统的优化求解 |
—— |
线下 |
1.阅读课程参考资料 2.小组讨论:仿真优化项目实现
|
2 |
第14次 |
第十四节课:强化学习方法与理论 1.强化算法原理 2. 策略梯度优化方法 |
1.实施方法 案例讨论:如何通过强化学习算法赋能制造业 |
线下 |
1.阅读课程参考资料 2.小组讨论:仿真优化项目实现 |
2 |
第15、16次 |
第15、16次课:课堂展示 以小组为单位进行课程报告展示 |
—— |
线下 |
根据课堂问答及反馈,完成大作业报告 |
4 |
学习资料链接
CC98 原帖需登录访问。
-
智能优化与仿真(上):启发式算法笔记 — 心泉
管理学院信管本科;2024–2025春
涵盖多类启发式算法与强化学习初步;原帖给出作者笔记仓库。 -
智能优化与仿真(下):随机仿真与优化笔记 — 心泉
管理学院信管本科;2024–2025春
含随机输入输出、仿真优化等内容,并注明了课外扩充部分。