# ci2026Exam **Repository Path**: tsingke/ci2026Exam ## Basic Information - **Project Name**: ci2026Exam - **Description**: 《计算智能》期末考核材料 - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-06-28 - **Last Updated**: 2026-07-01 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 本科课程《计算智能》期末考核材料 ## 一、 考核方式 《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论文模板或Latex模板（参见QQ群共享文件），每人独立撰写一篇关于“智能计算”研究方面的学术论文（内容字数不少于3000字）。 ## 二、考核选题 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。算法测试函数可以结合群内发布的15种Benchmark测试函数，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。论文题目范例：基于xxx的改进xxx算法研究、基于xx策略的改进xxx算法研究。相关文献资料和论文代码参考：https://gitee.com/tsingke/ci2026Exam   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。误差指标为：`均方误差`（Mean Squared Error, MSE）。这里的均方误差是模型预测值与真实值之差的平方的平均值，它用于衡量预测值与真实值之间的差异程度。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。训练数据参考群共享文件(训练样本70%，验证样本15%，测试样本15%)。题目范例：基于xx算法的神经网络预测研究。相关数据资料参考：https://gitee.com/tsingke/ci2026Exam   3） **基于智能优化方法的TSP问题应用研究** ：选择至少2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算法的TSP问题研究。程序范例参考：https://gitee.com/tsingke/ci2026Exam   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：https://gitee.com/tsingke/ci2026Exam 3. 论文结构：论文应包括以下几个部分（按照课程提供的Word或LaTeX模板撰写，不要删减结构内容）： -    摘要：简要概述研究背景、研究问题、研究方法、结果及结论。 -    引言：介绍研究背景、动机及研究问题。 -    相关工作：综述与论文主题相关的已有研究。 -    研究方法：详细描述所设计或改进的算法，包括理论分析和实现细节。 -    实验工作：通过实验验证算法的有效性，展示实验设计、数据及结果。 -    结论：总结研究工作，提出进一步研究的建议。 -    参考文献：列出所有引用的文献，格式须符合学术规范，引用总数不低于20条，其中中文至少5条。 4. 字数要求：论文正文部分不少于3000字。 5. 论文完成形式：本次期末论文要求以个人为单位独立完成。 ## 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，研究功能是否全部实现。（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（含附录）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）： -    实验设计是否科学合理（10分）。 -    实验数据是否充分、结果是否清晰、有说服力（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（3分）。 -    论文AI写作声明（2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:https://send2me.cn/RpnrzMCC/Q_OaP98R0GZSIQ ](https://send2me.cn/RpnrzMCC/Q_OaP98R0GZSIQ)。 材料提交截止日期：全部材料（纸质+电子）提交截止时间为2026年7月12日下午18:00前。 - 纸质材料：论文封皮（单独打印）+ 论文正文（全部双面打印，一起装订后提交）、查重报告1份。 - 电子材料：论文封皮（单独打印）、论文正文PDF（按“学号-姓名-论文题目”命名）、支撑材料（算法完整源码、查重报告），所有文件**压缩后**提交到坚果云。 - 材料逾期提交者将视为不及格。 ## 五、论文成绩与查重 本次期末论文要求以个人为单位独立完成，严禁抄袭或剽窃他人论文研究工作。所有提交的论文如有雷同，双方成绩均计为0分。若抄袭网络或相关已有研究论文或资料，成绩计为0分。另外，每份提交的论文需要提供论文查重检测报告（知网查重平台或其他任意查重平台），论文查重复制比超过30%视为不及格，计为0分。论文成绩将根据前面的评分标准划定成绩。论文选题过程中如有任何问题，可以随时与课程教师交流咨询。 ## 六、AI使用声明 为维护学术诚信，培养学生独立研究与解决问题的能力，现对本次考核中人工智能（AI）工具的使用作出如下明确规定：**凡在论文撰写过程中使用了 AI 工具的学生，须在论文末尾（参考文献之后）增加「人工智能工具使用声明」段落**，明确说明：使用的 AI 工具名称及版本（如 ChatGPT、Claude、Gemini、DeepSeek等）；使用 AI 工具的具体环节与用途；对 AI 生成内容的核实与修正方式。 *预祝各位同学取得优异论文成绩！加油！*