智能计算导论课程建设研究

　　摘要：结合智能计算导论课程具有的多学科交叉的特点，从教材选择、教学内容、教学方法和考试方法等方面阐述智能计算导论课程的建设情况。从培养学生的兴趣入手，注重学生实践能力、动手能力和实验设计能力的培养，最终达到提高教学质量的目的。本文是我们在教学过程中的一些感受和认识的总结，期待与同行们交流、探讨。
　　关键词：智能计算；课程建设；教学方法
　　
　　智能科学与技术是西安电子科技大学于2005年获教育部批准、2008年被评为第三批国家级特色专业建设点的一个本科专业。智能计算导论课程是该专业的一门主干课程，主要向学生介绍智能计算、系统辨识和优化的方法以及这些智能计算方法的一些高级应用。该课程在大三下学期开设，至今已经有四届本科生(至少500名)上过这门课程。如何让学生对该门课程产生浓厚的兴趣，并为有志于深入研究智能计算的学生指明方向，成为我们教师首先注重的问题。在这样的目标引导下，我们从选择教材、准备教学内容、制作ppt、探索教学方法入手，形成了目前的“立足基础、动手编程、展望前沿”的教学体系，深受学生的欢迎。在此，我们对这门课程有关教学的各个方面进行总结和思考，以期更好的提高我们对该门课程的教学质量，同时希望这些心得体会能为同行提供参考。
　　1教材选择
　　教材是教师教学和学生自主学习的重要工具。鉴于智能科学与技术专业的本科生每年上研究生的比例保持在50%左右，所以在教材的选择上，既要满足毕业以后选择参加工作的学生在“广度”上的需求，又要满足毕业以后继续攻读研究生的学生在“深度”上的需求。同时也要能激发学生的学习兴趣，使学生能掌握理论基础、理解生物和工程应用的背景并能了解智能计算研究的过去、未来、现状及前沿。鉴于以上要求，我们选择了西安交通大学徐宗本教授等编著，科学出版社2003年5月出版的《计算智能中的仿生学：理论与算法》。这是一部顺应了信息技术与教学发展要求的教材，它系统地介绍智能计算的基本理论、基本原理与基本方法，选择了既能代表智能计算过去20多年间发展的最突出成果又能反映智能计算当前研究热点的模拟进化计算、人工神经网络理论和模糊逻辑与模糊推理[1]。
　　在教学中，我们的ppt采用中英文相结合的方式，在基础理论部分使用中文ppt便于学生理解；在介绍我们团队的研究成果、具体算法和国际发展前沿时采用英文ppt、中文讲解相结合的方式，这样中英文对照，一方面加深了学生对教学内容的理解，另一方面也为学生今后阅读专业的英文论文做了铺垫。
　　2课程特点及教学内容
　　智能计算是以模型(计算模型、数学模型)为基础、以分布并行计算为特征的模拟人的智能求解问题的理论与方法[1-3]。不同于一般的课程，其特点在于它是一个交叉学科。该课程主要向学生讲解三部分内容，具体如下。
　　1) 仿生过程算法：模拟进化计算(20学时)。该部分主要以教材为主，重点讲解模拟进化计算技术的基本原理、生物基础、算法框架、基本要素、本质优点及其适用领域；并从编码、群体初始化、个体评价、遗传算子和参数选择这五个用遗传算法求解问题需要解决的关键问题进行了详细的阐述。同时，借鉴“智能感知与图像理解教育部重点实验室”的最新研究成果，向学生介绍了基于人工免疫系统的免疫克隆选择算法，并强调了与遗传算法的区别和联系。
　　2) 仿生结构算法：人工神经网络(14学时)。该部分主要通过向学生简要介绍神经网络的生物背景、数学模型和学习机理，重点介绍了感知器和单层前向网以及多层感知器，简单介绍了径向基函数和回归神经元网络。
　　3) 仿生行为算法：模糊逻辑与模糊推理(12学时)。该部分简要介绍了模糊逻辑的生物基础，通过与经典集合的对比向学生展示了什么是模糊集合及其运算、模糊关系及其矩阵，最后简要介绍了模糊推理的各种模型。
　　3教学方法
　　3.1结合实例的讲解
　　为了更好的让学生理解智能计算算法是行之有效的，我们选取合适的示例，并结合算法让学生从算法机理上明白该类算法是有效的，其仿生背景是合理的。比如在讲解遗传算法这部分时，首先讲明了学生大三上学期学过的共轭梯度法、拟牛顿法、单纯形方法等基于梯度方向的经典优化搜索算法，无法求解目标函数不具备可导等数学信息的问题，以及离散性问题、不确定性问题、半结构或非结构化的问题和大规模问题。而遗传算法直接以目标函数值作为搜索信息，这样对许多目标函数无法求导或很难求导的函数，遗传算法就比较方便。为此引入如下优化问题：
　　max f