最優(yōu)化模型與算法-基于Python實現(xiàn)-教學大綱、授課計劃

《最優(yōu)化模型與算法——基于Python實現(xiàn)》教學大綱課程信息課程名稱：最優(yōu)化模型與算法——基于Python實現(xiàn)課程類別：素質選修課/專業(yè)基礎課課程性質：選修/必修計劃學時：32計劃學分：2先修課程：無選用教材：《最優(yōu)化模型與算法——基于Python實現(xiàn)》，漸令，梁錫軍主編，電子工業(yè)出版社。適用專業(yè)：本課程可供具備微積分和線性代數的基礎知識的學生學習使用。課程負責人：二、課程簡介本課程介紹了優(yōu)化模型的基礎知識，梳理了大數據和人工智能時代涌現(xiàn)出來的最優(yōu)化算法，使用Python語言配套給出算法的代碼，展示了若干實例和應用案例。三、課程教學要求序號專業(yè)畢業(yè)要求課程教學要求關聯(lián)程度1工程知識主要內容包括優(yōu)化模型基礎知識和優(yōu)化算法兩部分，介紹了凸集合、凸函數、凸優(yōu)化模型、對偶理論，梳理了梯度下降法、牛頓法、乘子法、DC規(guī)劃算法、梯度投影法、隨機梯度下降法、在線梯度下降法等優(yōu)化算法。H2問題分析最優(yōu)化方法作為求解各類工程優(yōu)化問題的基本工具一直備受關注，且在石油工程、地質勘探、系統(tǒng)控制、人工智能、生產調度等領域得到了廣泛應用。然而，大數據和人工智能時代新涌現(xiàn)出來的許多優(yōu)秀算法缺乏系統(tǒng)性的梳理。作為大數據時代的主流編程語言，Python的應用領域極其廣泛。但鮮見基于Python介紹最優(yōu)化算法的著作。H3設計/開發(fā)解決方案將分散在眾多文獻中的優(yōu)化模型、基本優(yōu)化算法、機器學習領域廣泛使用的大規(guī)模優(yōu)化算法等重要素材進行系統(tǒng)性梳理，并幫助學生掌握優(yōu)化算法的基本原理，提升綜合運用最優(yōu)化算法解決實際應用問題的能力。H4研究L5使用現(xiàn)代工具L6工程與社會學會將相應方法并應用于實際生產和社會服務中，為社會做出貢獻。L7環(huán)境和可持續(xù)發(fā)展L8職業(yè)規(guī)范L9個人和團隊1.學會個人發(fā)展和團隊合作，提高個人和團隊的綜合素質。2.學會與他人合作和溝通，建立良好的人際關系和團隊合作氛圍。H10溝通1.學會進行有效的溝通和表達，與客戶、同事和上級保持良好的溝通和協(xié)作。2.學會進行跨文化溝通和合作，提高國際化視野和跨文化交流能力。M11項目管理1.學會進行項目管理和組織，包括項目計劃、進度控制、質量管理等。2.學會進行風險評估和管理，提高項目成功的概率和效率。L12終身學習1.學會進行自我學習和自我提升，不斷提高自身的專業(yè)水平和創(chuàng)新能力。2.學會進行終身學習和職業(yè)發(fā)展規(guī)劃，不斷拓展職業(yè)領域和發(fā)展空間。H注：“課程教學要求”欄中內容為針對該課程適用專業(yè)的專業(yè)畢業(yè)要求與相關教學要求的具體描述?！瓣P聯(lián)程度”欄中字母表示二者關聯(lián)程度。關聯(lián)程度按高關聯(lián)、中關聯(lián)、低關聯(lián)三檔分別表示為“H”“M”或“L”?！罢n程教學要求”及“關聯(lián)程度”中的空白欄表示該課程與所對應的專業(yè)畢業(yè)要求條目不相關。四、課程教學內容章節(jié)名稱主要內容重難點關鍵詞學時類型1凸集合仿射集、凸集和凸錐凸集合的示例保持凸性的運算支撐超平面對偶錐熟悉仿射集、凸集和凸錐的概念；掌握凸集合的示例和性質；具備進行保持凸性的運算的能力；了解支撐超平面和對偶錐的概念。5理論+實踐2凸函數凸函數的定義和例子保持凸性的運算共軛函數次梯度與次微分熟悉凸函數的定義和例子；掌握保持凸性的運算；理解共軛函數的概念；了解次梯度與次微分的概念。4理論+實踐3凸優(yōu)化模型優(yōu)化模型凸優(yōu)化模型線性規(guī)劃二次規(guī)劃模型幾何規(guī)劃廣義不等式約束熟悉優(yōu)化模型的概念；掌握凸優(yōu)化模型的特點和性質；具備解決線性規(guī)劃、二次規(guī)劃、幾何規(guī)劃和廣義不等式約束的能力。3理論+實踐4對偶理論Lagrange對偶函數Lagrange對偶問題Lagrange對偶的理解最優(yōu)性條件熟悉Lagrange對偶函數的概念；掌握Lagrange對偶問題的求解方法；理解Lagrange對偶的幾何意義；了解最優(yōu)性條件的判定方法。4理論+實踐5非凸優(yōu)化算法全局優(yōu)化算法的復雜度優(yōu)化算法構造思想梯度下降法牛頓法擬牛頓法共軛梯度法最小二乘問題Lagrange乘子法DC規(guī)劃及CCCP算法進化算法了解全局優(yōu)化算法的復雜度；掌握優(yōu)化算法構造思想；熟悉梯度下降法、牛頓法、擬牛頓法、共軛梯度法等非凸優(yōu)化算法的原理和應用；具備解決最小二乘問題、Lagrange乘子法、DC規(guī)劃及CCCP算法和進化算法的能力。10理論+實踐6凸優(yōu)化算法梯度投影法坐標下降法迫近梯度法交替方向乘子法隨機梯度下降法在線凸優(yōu)化熟悉梯度投影法、坐標下降法、迫近梯度法、交替方向乘子法、隨機梯度下降法和在線凸優(yōu)化的原理和應用；掌握這些算法的實現(xiàn)和調優(yōu)方法。6理論+實踐五、考核要求及成績評定序號成績類別考核方式考核要求權重（%）備注1期末成績期末考試大作業(yè)50百分制，60分為及格2平時成績課后作業(yè)10次40優(yōu)、良、中、及格、不及格3平時表現(xiàn)出勤情況10兩次未參加課程則無法獲得學分注：此表中內容為該課程的全部考核方式及其相關信息。六、學生學習建議學習方法建議1.依據專業(yè)教學標準，結合崗位技能職業(yè)標準，通過案例展開學習，將每個項目分成多個任務，系統(tǒng)化地學習。2.通過開展課堂討論、實踐活動，增強的團隊協(xié)作能力，學會如何與他人合作、溝通、協(xié)調等等。學生課外閱讀參考資料《最優(yōu)化模型與算法——基于Python實現(xiàn)》，漸令，梁錫軍主編，電子工業(yè)出版社。七、課程改革與建設在介紹最優(yōu)化基本模型并分析求解算法的基礎上，使用Python語言配套給出算法的編程實現(xiàn)，給出了若干實例代碼和應用案例，可以使學生對最優(yōu)化方法有全方位的立體認知。平時對學生的考核內容包括出勤情況、學生的學習成果、課堂討論等方面，占期末總評的50%。期末考試成績占期末總評的50%。制訂人簽字：教研室主任簽字：院部負責人簽字：修訂時間：年月日教學日歷（20xx～20xx學年第x學期）開課學院開課專業(yè)講授學時16課程名稱最優(yōu)化模型與算法——基于Python實現(xiàn)授課教師實踐/實驗學時16授課年級授課班級總學時32使用教材《最優(yōu)化模型與算法——基于Python實現(xiàn)》參考書目《最優(yōu)化模型與算法——基于Python實現(xiàn)》校歷周次授課內容分章節(jié)題目第1周第1章凸集合（2學時）1.1仿射集、凸集和凸錐（1學時）1.2凸集合的示例（1學時）第2周第1章凸集合（2學時）1.3保持凸性的運算（1學時）1.4支撐超平面（1學時）第3周第1章凸集合（1學時）1.5對偶錐（1學時）第2章凸函數（1學時）2.1凸函數的定義和例子（1學時）第4周第2章凸函數（2學時）2.2保持凸性的運算（1學時）2.3共軛函數（1學時）第5周第2章凸函數（1學時）2.4次梯度與次微分（1學時）第3章凸優(yōu)化模型（1學時）3.1優(yōu)化模型3.2凸優(yōu)化模型（1學時）第6周第3章凸優(yōu)化模型（1學時）3.3線性規(guī)劃3.4二次規(guī)劃模型（1學時）3.5幾何規(guī)劃3.6廣義不等式約束（1學時）第7周第4章對偶理論（2學時）4.1Lagrange對偶函數（1學時）4.2Lagrange對偶問題（1學時）第8周第4章對偶理論（2學時）4.3Lagrange對偶的理解（1學時）4.4最優(yōu)性條件（1學時）第9周第5章非凸優(yōu)化算法（2學時）5.1全局優(yōu)化算法的復雜度（1學時）5.2優(yōu)化算法構造思想（1學時）第10周第5章非凸優(yōu)化算法（2學時）5.3梯度下降法（1學時）5.4牛頓法（1學時）第11周第5章非凸優(yōu)化算法（2學時）5.5擬牛頓法（1學時）5.6共軛梯度法（1學時）第12周第5章非凸優(yōu)化算法（2學時）5.7最小二乘問題（1學時）5.8Lagrange乘子法（1學時）第13周第5章非凸優(yōu)化算法（2學時）5.9DC規(guī)劃及CCCP算法（1學時