启发式搜索与演化算法2022秋-课程主页


课程信息

  • 教师: 钱超 副教授
  • 授课对象: 人工智能学院本科生, 研究生
  • 上课时间与地点: 周五下午 16:10-18:00 (7-8 节), 逸夫楼A-117
  • 答疑时间与地点: 周五下午 14:00-16:00, 逸夫楼A-502
  • 助教: 薛轲, 刘丹璇 (Contact: {xuek, liudx}@lamda.nju.edu.cn)
  • 总评: 课程作业(60%) + 期末考试(40%)
  • 课程讨论QQ群: 881805350

作业

TBD 本学期课程共有四次作业.
  • 作业1: pacman吃豆人 (PDF) 截止日期：2022.10.20 23:59
  • 作业2: 演化子模优化 (PDF) (Python framework) 截止日期：2022.11.25 23:59
  • 作业3: 演化算法的理论分析 (PDF, TeX file) 截止日期：2022.12.24 23:59
  • 作业4: 多目标演化算法 (PDF) 截止日期：2023.1.31 23:59

    • Edit

    课程材料

    1. Lecture 1: Search (PDF)
    2. Lecture 2: Uninformed Search (PDF)
    3. Lecture 3: Informed Search (PDF)
    4. Lecture 4: Local Search and Evolutionary Algorithms (PDF)
    5. Lecture 5: Evolutionary Algorithms – Origins, Components and Applications (PDF)
    6. Lecture 6: Evolutionary Algorithms – Representation, Mutation and Recombination (PDF)
    7. Lecture 7: Evolutionary Algorithms – Fitness, Selection and Population Management (PDF)
    8. Lecture 8: Popular Variants of Evolutionary Algorithms (PDF)
    9. Lecture 9: Theoretical Analysis of Evolutionary Algorithms (PDF)
    10. Lecture 10: Running Time Analysis of EAs (PDF)
    11. Lecture 11: Evolutionary Algorithms for Multi-objective Optimization (PDF)
    12. Lecture 12: Evolutionary Algorithms for Constrained Optimization (PDF)
    13. Lecture 13: Evolutionary Algorithms Made Faster by Surrogate Models (PDF)
      14. Some figures in the slides of Lecture 1-4 are from http://aima.cs.berkeley.edu/instructors.html
      Some slides in Lecture 5-6 are derived from http://www.evolutionarycomputation.org/

     

    学术诚信

    允许同学之间的相互讨论，但是署你名字的工作必须由你完成，不允许直接照搬任何已有的材料，必须独立完成作业的书写过程。

    按照此处的说明，在完成作业过程中，对他人工作（出版物、互联网资料）中文本的直接照搬（包括原文的直接复制粘贴及语句的简单修改等）都将视为剽窃，剽窃者成绩将被取消。对于完成作业中有关键作用的公开资料，应予以明显引用。

    如果发现作业之间高度相似将被判定为互相抄袭行为， 抄袭和被抄袭双方的成绩都将被取消。因此请主动防止自己的作业被他人抄袭。



    Edit

    学术资源

    The end