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年被评为第三批部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(x1,x2)=21.5+x1•sin(4pi* x1)+x2•sin(20pi* x2)

s.t.-3.0≤x1≤12.1

4.1≤x2≤5.8

然后从如何编码、如何初始化群体、如何对个体进行评价、如何选择合适的交叉、变异等遗传算子以及如何选择算法中用到的种群规模、交叉概率和变异概率等参数方面，详细地向学生展示了遗传算法求解问题的机理和要解决的关键问题。同时向学生展示了遗传算法求解该问题的寻优曲线，以及所求得的满意解。这种方法有利于提高学生的学习兴趣，增强了记忆，加深了理解，取得了良好的教学效果。

3.2实践能力和科研兴趣的培养

智能计算是一门理论和实践紧密结合的学科，该学科的发展日新月异，在智能信息处理领域的地位越来越重要。因此在智能计算的教学过程中，不仅要注重传授知识，更重要的是要培养学生的能力和素质，以培养学生对科研的兴趣[4-6]。在教学中，我们采用了上机实验的教学方式。比如，在学生掌握了遗传算法求解问题的基本流程以后，我们要求学生在计算机上实现遗传算法求解3.1节所述的优化问题。在上机实验过程中，学生不仅掌握了如何在计算机上实现遗传算法，更加形象直观的了解遗传算法的寻优过程。更重要的是通过上机，学生深入理解和掌握了遗传算法求解问题的每一个细节，并对编写程序产生了浓厚的兴趣。

同时，为了让学生更深刻地理解针对不同的问题需要设计不同的遗传算子，让学生用遗传算法求解了一个较简单的TSP问题。并说明遗传算法求解不同的问题要有不同的编码、群体初始化和个体评价方式，并需要设计适合问题的遗传算子以及需要调节参数以达到好的求解效果。鼓励学生通过查资料等方式编程实现对该问题的求解。意想不到的是，通过两周的时间，大部分学生都能亲自编写自己算法的程序源代码，并求得了较好的结果，从而培养学生独立解决问题的能力。同时，向学生展示我们课题组对TSP问题研究的最新成果，比如10万个城市的Monalisa_ small问题，71 009个城市的China_71009，同时告诉大家目前求解TSP问题最好的成果，解决该类问题最出名的专家，从而大大激发了学生的科研兴趣。

3.3实验设计能力的培养

实验设计能力的培养也是本课程的一个重要内容。比如，在人工神经网络部分，在向学生讲解了感知器的学习算法之后，让学生根据感知器学习规则，试写出算法流程，并通过实验实现一个感知器。让学生在自己实验的设计中加深了对知识的理解。

同时，随着智能计算的快速发展，每年我们的教学内容和课件都在更新，以包括最新的研究内容，尤其是我们课题组的研究内容，从而扩大学生的知识范围。

4考试方法

对智能计算导论这门具体课程来说，最重要的是注重学生的交叉学科知识和能力的培养。因此，本课程的考察方式主要采用：1)闭卷考试。主要考察对智能计算原理的理解和综合运用能力。2)课程作业。要求对介绍过的各种智能算法的概念、原理、方法、应用等方面进行总结、分析、对比等，形成一个简要总结报告。3)科技报告。要求学生在智能计算领域的主流英文期刊上选择感兴趣的英文文献，翻译成中文；

或者就智能计算领域的一个感兴趣的话题谈谈自己的主张和看法。4)出勤率。根据学生平时到课的情况给出该项分数，其目的是督促学生按时到课。该门课成绩分配如下：成绩=闭卷考试(50%)+小作业(20%)+大作业(20%)+出勤率(10%)。

5结语

本科智能计算教学的困难之一是学生的数学基础有限，因此为了让学生能更好的理解原理和方法，我们弱化了复杂的数学推导，通过借助具体的实例来提高学生的学习兴趣，加深对问题的理解，增强对知识点的记忆。同时我们也期待能寻找到更合适于本科生的教材来供学生自主学习。智能计算是实践性很强的科学，并且该学科的发展十分迅速。在教学实践中，我们十分重视学生动手能力和科研兴趣的培养。通过编写程序、实验设计和科学报告的形式引导学生积极动手，积极思考。

参考文献：

[1] 徐宗本,张讲社,郑亚林. 计算智能中的仿生学:理论与算法[M]. 北京:科学出版社,2003.

[2] 丁永生. 计算智能:理论、技术与应用[M]. 北京:科学出版社,2004.

[3] 蔡自兴,徐光佑. 人工智能及其应用[M]. 北京:清华大学出版社,2004.

[4] 戚玉涛,刘芳,焦李成. 模式识别教学实践与课程改革[J]. 计算机教育,2010(10):24-26.

[5] 吴建设,于昕,焦李成.“智能控制”教学方法探索与思考[J]. 计算机教育,2010(10):93-95.

[6] 韩红,焦李成. 谈计算机视觉课程的教学创新[J]. 计算机教育,2010(10):84-86.

Research on Intelligent Computing Introduction Course Construction

SHANG Ronghua1, LI Yangyang1, JIAO Licheng1, HOU Xiaohui2

(1. School of Electronic Engineering, Xidian University, Xi’an 710071, China; 2. Teaching Affairs Faculty, Xidian University,

Xi’an 710071, China)

Abstract: According to the characteristic of intercross of many subjects of Intelligent Computing Introduction course, this paper elaborates the teaching material selection, teaching content, teaching method, and examination method of courses construction of the Intelligent Computing Introduction. Starting with cultivating students’ interests, we focus on development of students’ abilities of practice, programming and experimental design, thus the teaching quality is enhanced. This paper is our opinion about these problems. We are looking forward to exchanging opinions and experiences with other colleagues.

Key words: intelligent computing; course construction; teaching method