# CI2025Exam **Repository Path**: tsingke/ci2025Exam ## Basic Information - **Project Name**: CI2025Exam - **Description**: 计算智能课程期末考察 - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-06-14 - **Last Updated**: 2025-06-14 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README ## 2025年山东师范大学《计算智能》课程期末考核方案 授课教师： 张庆科 (Qingke Zhang) 联系邮件： tsingke@sdnu.edu.cn ## 一、 考核形式 《计算智能》课程期末考核方式采用“课程论文”形式。请按照课程提供的Word论文模板（参见QQ群共享文件），以个人或团队方式撰写一篇关于“智能计算”研究方面的学术论文（字数不少于3000字）。 --- ## 二、考核题目 ### 1. 论文主题 围绕“智能优化与计算”主题展开。研究内容可以包括但不限于算法的创新设计、算法的优化与改进、算法的应用、算法的性能分析等。具体选题参考如下：    1）智能优化算法改进研究： 结合课程提供的文献资料，选择一种进化计算类算法或群体智能类的优化算法（例如遗传算法、差分进化算法、粒子群优化算法、蚁群优化算法等），尝试进行算法性能的改进工作，可以从算法初始化方法（增强种群多样性）、算法搜索策略更新（增强全局探索和局部开发能力）、算法参数自适应调节（增强算法的自适应性）等方面进行改进。算法测试函数参考本目录下的15种Benchmark测试函数（函数文件：Fitness.m)，通过对比分析改进算法和原始算法在10维，30维和50维上的收敛精度（均值、方差）指标、收敛曲线指标、统计箱图指标等进行综合比较分析。只要改进算法在超过一半以上的函数优化中取得较优的结果，则视为成功改进。论文题目形态可以为：基于xx方法的改进xxx优化算法研究、基于xx策略的改进xxx优化算法研究。相关文献资料和论文代码参考：[文献代码](https://gitee.com/tsingke/ci2025Exam/tree/master/%E3%80%902%E3%80%91%E6%99%BA%E8%83%BD%E4%BC%98%E5%8C%96%E7%AE%97%E6%B3%95%E6%96%87%E7%8C%AE)、 [测试函数](https://gitee.com/tsingke/ci2025Exam/tree/master/%E3%80%902%E3%80%91%E6%99%BA%E8%83%BD%E4%BC%98%E5%8C%96%E7%AE%97%E6%B3%95%E6%96%87%E7%8C%AE/%E6%B5%8B%E8%AF%95%E5%87%BD%E6%95%B0)   2）基于智能优化算法对神经网络权值的优化应用研究：给定某训练数据集（含有1000个样本，每个样本包含5个输入特征数据，1个实数输出结果），要求采用某种智能优化算法训练一个三层的前向神经网络（输入层数、隐藏层、输出层），要求该网络的测试误差精度小于1.0E-2。网络中输入层和隐藏层的神经元数量自定义，输出层只有1个神经元。训练数据参考本目录文件。论文题目命名：基于xx算法的神经网络学习优化算法研究。相关数据资料参考：[训练数据](https://gitee.com/tsingke/ci2025Exam/tree/master/%E3%80%903%E3%80%91%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E5%AD%A6%E4%B9%A0%E6%95%B0%E6%8D%AE)   3）基于智能优化方法的TSP问题应用研究：选择多种智能优化算法（进化计算类算法、群体智能类算法或其他类别的智能优化算法），基于选定的算法或其改进算法实现对TSP旅行商问题的求解。要求将算法迭代求解过程中得到的城市行走方案（给出不少于6种，例如如果迭代1200代，那么可以每1200/6=200代输出一次结果）在论文中展示出来，给出详细的算法设计求解方法，并在实验部分简要给出算法的时间复杂度分析。题目形态可以为：基于xxx优化算法的TSP问题研究。程序范例参考：[TSP问题代码范例](https://gitee.com/tsingke/ci2025Exam/tree/master/%E3%80%904%E3%80%91TSP%E4%BC%98%E5%8C%96%E9%97%AE%E9%A2%98%E8%B5%84%E6%96%99)   4）基于智能优化算法的工程应用研究：选择一种智能优化算法（进化计算类算法、群体智能类算法或其他类别的智能优化算法），基于该算法实现对其他某工程领域的问题实现求解，该类问题在工程技术领域比较广泛诸如：无人机路径规划问题、张力/压缩弹簧设计问题、压力容器设计问题、三杆桁架设计问题、焊接梁设计问题 、减速器设计问题、齿轮系设计问题、滚动轴承设计问题、悬臂梁设计问题、多盘离合器制动器设计问题、步进圆锥滑轮问题、行星轮系设计优化问题等。部分工程优化相关问题描述参考：[工程应用](https://gitee.com/tsingke/ci2025Exam/tree/master/%E3%80%905%E3%80%91%E5%B7%A5%E7%A8%8B%E5%BA%94%E7%94%A8%E5%8F%82%E8%80%83%E8%B5%84%E6%96%99) ### 2. 论文结构 论文应包括以下几个部分（按照课程提供的模板撰写即可）：    - 摘要：简要概述论文研究背景、研究内容、提成的方法、实验结果及结论。    - 引言：介绍问题研究背景、研究动机及研究问题、论文组织结构（该部分需要显式引用国内外参考文献）。    - 相关工作：综述与论文主题相关的已有研究（如xx算法基本原理）。    - 研究方法：详细描述所设计或改进的算法，包括算法基本原理，算法实现过程细节描述。    - 实验工作：通过实验验证算法改进的有效性，包括对比算法实验参数设置，实验测试数据集介绍、实验图表数据等结果，以及实验分析论述。    - 结论：总结本文的研究工作，提出进一步研究的思路和研究建议。    - 参考文献：列出所有引用的文献，格式须符合学术规范（参考文献数量不少于15条，注意文献要在正文位置引用）。 ### 3. 论文字数要求 论文正文部分不少于3000字。 ### 4. 论文完成形式 本次期末论文要求个人独立完成。 ### 5. 论文提交截止日期 论文最终提交截止日期为2025年6月25日晚18:00前。逾期提交将视为不合格。 --- ## 三、 考核论文评分标准（百分制） 期末论文将按以下标准进行评分，总分为100分： 1. 选题及内容完整性（20分）：    - 选题是否具有较高的学术价值和创新意义（10分）。    - 论文撰写内容是否完整，功能是否实现。 （10分）。 2. 论文结构与格式（20分）：    - 是否严格按照提供的课程模板撰写（10分）。    - 论文各部分是否结构清晰，图文并茂，层次分明（10分）。 3. 研究工作创新性（20分）：    - 算法设计或改进的理论依据是否充分（10分）。    - 理论分析是否严谨、逻辑是否自洽（10分）。 4. 实验设计与结果分析（20分）：    - 实验设计是否完备、科学合理（10分）。    - 实验数据是否充分、分析是否准确严谨（10分）。 5. 论文撰写与表达（10分）：    - 语言表达是否准确、流畅（5分）。    - 专业术语使用是否规范（5分）。 6. 参考文献（10分）：    - 文献引用是否规范、全面（5分）。    - 参考文献的格式是否正确（5分）。   课程期末总评成绩 = 平时成绩20% + 实验成绩30% + 期末论文成绩50% --- ## 四、材料提交 请将最终版论文的纸质版材料交到学院楼404实验室，电子版PDF文件提交至坚果云系统。 - 纸质材料包括（2项）：论文封皮、论文正文（双面打印，一起装订后提交）。 - 电子版的材料（2项）：论文封皮、论文正文PDF（按“学号-姓名-论文题目”命名）、支撑材料（测试算法代码），所有文件压缩后提交到[坚果云](https://send2me.cn/g84Ny2vY/RLm7MZMNw6NKTw)。 --- ## 五、其他情况说明 本次论文研究工作需要同学们以个人形式独立完成，严禁抄袭或剽窃他人论文研究工作。所有提交的论文如存在雷同问题，课程成绩计为0分。如果抄袭网上已有研究论文或网络资料，成绩计为0分。 另外，课程论文撰写过程如使用大模型作为辅助工具，请务必标注在文中末尾处说明在哪些地方借鉴采用了大模型的生成结果。论文选题过程中如有任何问题，可以随时与我交流咨询。 联系邮箱： tsingke@sdnu.edu.cn, QQ:723911889 预祝大家期末取得优异成绩！加油！ ----- 宝剑锋从磨砺出，梅花香自苦寒来！加油！