人工智能专题：量子遗传、强化学习等智能算法在复杂优化问题解决中的应用研究——以智能机器人路径规划为例

作者：南星教育 来源：院校库 标签：大学排名

人工智能专题：量子遗传、强化学习等智能算法在复杂优化问题解决中的应用研究——以智能机器人路径规划为例

开始日期: 2026-01-31

课时安排: 6周在线小组科研+5周论文指导

Prerequisites适合人群

适合年级 (Grade): 高中生/大学生

适合专业 (Major): 对人工智能、信息工程、计算机科学、强化学习、智能算法、电子信息工程等相关方向感兴趣的学生，需要掌握matlab/c语言/c++/python编程基础（先导课）

Instructor Introduction导师介绍

J老师

上海交通大学正教授

上海交通大学

姜老师 正教授 博士生导师

麻省理工学院 （QS专排世界Top1)高级访问学者

教育部全国优秀博士论文评审专家

教育部自然科学一等奖 获得者

入选斯坦福大学和爱斯唯尔数据库全球前2%顶尖科学家

研究方向：光纤通信、光电子学、数据中心光互联、光学深度学习、数据分析、机器学习及其应用

在中国科学院上海光学精密机械研究所获得博士学位，在上海交通大学区域光纤通信网与新型光通信系统国家重点实验室担任博士后，曾在美国麻省理工学院电子学研究实验室和物理系从事合作研究；兼任福耀科技大学计算与人工智能学院兼职教授、博士生导师。主持多项国家自然科学基金项目，入选教育部新世纪优秀人才和上海市浦江人才支持计划，获得教育部自然科学一等奖（教育界的奥斯卡、五年一评）、上海市自然科学三等奖和上海市优秀教学成果奖各1项，2024年入选斯坦福大学和爱斯唯尔数据库全球前2%顶尖科学家（终身科学影响力排行榜）。发表100余篇学术论文和拥有10余项国家发明专利。担任IEEE Photonics Technology Letters, IEEE Journal of Quantum Electronics, IEEE/OSA Lightwave Technology等审稿人

Program Background项目背景

智能算法包括量子遗传算法、粒子群算法、鱼群算法、蚁群算法、极限学习机和强化学习等，在工程实践中有大量的应用。

目前的相关书籍中有关智能算法的介绍，但算法种类较少，不够全面，而且基本上是基于算法原理的介绍，缺少算法的编程实现和应用案例。

Program Description项目介绍

本课程项目首先讲解智能算法的基本原理，然后讲解算法的编程实现，最后讲解一些前沿技术的研究和应用案例。通过本课程的学习，学生能将智能算法应用于工程技术领域的前沿技术课题进行深入研究和创新实践。

Syllabus项目大纲

智能算法在电子信息领域中的应用课程介绍：电子信息学科介绍、智能算法现状介绍；

量子遗传算法原理、代码实现和前沿技术应用案例：量子遗传算法原理、编程实现、前沿技术应用案例：投资组合收益率的优化；

粒子群算法原理、代码实现和前沿技术应用案例：粒子群算法原理、编程实现、前沿技术应用案例：碳排放企业成本优化；

鱼群算法和蚁群算法原理、代码实现和前沿技术应用案例：鱼群算法和蚁群算法原理、鱼群算法和蚁群算法编程实现、鱼群算法前沿技术应用案例：多功能玻璃性能优化；蚁群算法前沿技术应用案例：多变量高次函数的优化；

极限学习机和强化学习算法原理、代码实现和前沿技术应用案例：极限学习机和强化学习原理、编程实现、在智能机器人中的应用案例：智能机器人路径规划；

项目答辩与点评：学生项目汇报与答辩、导师点评与指导。

Program Outcome项目收获

6周【在线小组科研+全球就业力大师课】+5周论文指导，共126课时

1500字左右的项目报告

优秀学员获得主导师推荐信（8封网推）

项目结业证书

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导或者CNKI检索的英文普刊全文投递与发表指导

上一篇：ECE电子信息工程专题：智能算法驱动下的决策系统构建研究——从算法原理到实际应用的深度剖析与创新实践

下一篇：返回列表