課程資訊
課程名稱
柔性計算法與應用
Soft Computing Methods and Applications 
開課學期
109-1 
授課對象
工學院  工業工程學研究所  
授課教師
楊烽正 
課號
IE5030 
課程識別碼
546 U4030 
班次
 
學分
3.0 
全/半年
半年 
必/選修
選修 
上課時間
星期一7,8,9(14:20~17:20) 
上課地點
國青235 
備註
需具基本程式能力
總人數上限:35人
外系人數限制:8人 
Ceiba 課程網頁
http://ceiba.ntu.edu.tw/1091IE5030_SoftC 
課程簡介影片
 
核心能力關聯
核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

概論
模糊理論與應用
模糊集合
模糊推理
模糊應用
啟發式演算法
傳統啟發式演算法
基因(遺傳)演算法
蟻拓演算法
粒子團演算法
類神經網路
監督式網路及其應用
倒傳遞類神經網路
無監督式網路及其應用
自組織映射網路 

課程目標
隨著資訊科技的日新月異,政府及產、學、研各單位在有關決策的問題上,廣泛使用柔性計算進行問題求解以及事務決策。傳統的硬性計算要求求解結果具精確、正確、與絕對性。然而現實的高複雜度決策問題往往無法在可以接受的時間內使用電腦採硬性計算方式求解。因此各種沿用資訊技術和人工智慧的柔性計算法遂因應而生。柔性計算與硬性計算的主要差異是乏晰、乏精確性、不確定性、及部分真實性。柔性計算的訴求是可追溯、強韌、和低計算成本的計算哲學。本課程主在引介柔性計算的主要技法:模糊邏輯、類神經網路、及啟發式演算解題法。本課程將研習各種柔性計算法並透過實作探究各種技法的求算能力、應用、和限制。修習者必須具有高階程式語言(VB .NET, C, C++, Python, C#)能力,以及基礎的微積分、機率統計概念和計算能力。研習過程中會有多個程式撰寫專題作業,以及期末的大型專案。課程目標在培育具有柔性計算法理論基礎和系統實作的能力以從事柔性技術相關研究和方法開發。 
課程要求
授課形式採翻轉教學。學生在課餘時間上 NTU COOL 本課程教學影片網站,研習授課視訊影片。可在研習時留言列舉疑問和評論。
來教室前務必依照學習能力完成指定進度的內容研習。請留意COOL 公布的訊息。
課堂上先進行師生對影片內容的討論、重要內容提示補充、或舉行課堂小考,確保教學影片學習的成效。其餘表定授課時間進行 lab time,由學生在課堂上撰寫程式作業。透過小組間的討論和教師的即席指導,儘可能在課堂上完成作業。
除了理論,柔性計算實作能力提升也是本課程的重點。會要求學生能使用通用程式語言實作各種演算程序,以了解軟計算技術的理論和實現細節。會運用到的程式實作技能將在課堂上以C#程式語言教授。此外,也會引導學生使用本研究群開發或第三方購買的元件,完成各種系統的實作。大多數學生會發現學習和即使用C#程式沒有太多困難,如果他們有基本的C或java程式能力。


Students are encouraged to use general programming languages (VB.Net, C/C++, Python, Java, C#) to exercise their programming skills to implement the original algorithms to learn the theory and implementation details of the soft computing techniques.
In addition to the theory, computing skills elevation is another focus of this course. So students will be asked to implement the algorithms taught in the class. However, basic yet required programming skills will be taught in the class and demonstrated in C# programming language. In addition, I will guide students to use powerful classes of the .NET framework and charting component from a third party (TeeChart from Steama) to facilitate the programming of soft computing.
Most students learn the C# programming without much difficult once they have basic C programming skill.
 
預期每週課後學習時數
 
Office Hours
每週一 09:00~11:00 
指定閱讀
 
參考書目
Jang, Sun, and Mizutani, Neuro-Fuzzy and Soft Computing,
Pearson Eductation Taiwan LTd. 全華代理
Karray & De Silva, Soft Computing And Intelligent Systems
Design, Addison-Wesley, 2005.
Yanger and Zadeh, Fuzzy Sets, Neural Networks, and
Computing, Van Nostrand Reinhold, 1994.
Haykin, Neural Networks: A Comprehensive Foundation, 2nd
Ed., Prentice Hall, 1999.
Jang, Sun & Mizutani, Neuro-fuzzy and Soft Computing,
Pretice Hall, 1997.
Dumitrescu et al., Evolutionary Computation, CRC, 2000. 
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
課堂小考 
12% 
(確實佔比期末設定) 10-20% 
2. 
期末專案或考試 
22% 
(確實佔比期末設定) 20-30% 
3. 
作業及程式專題 
53% 
(確實佔比期末設定) 50-65% 
4. 
文獻研習報告 
5% 
(確實佔比期末設定) 0-10% 
5. 
教學影片學習 
8% 
(確實佔比期末設定) 5-10% 
 
課程進度
週次
日期
單元主題
第1週
  概論(Introduction) 
第2週
  模糊集合(Fuzzy Sets) + 學習軟體 
第3週
  模糊推理(Fuzzy Inferencing) 
第4週
  模糊應用(Fuzzy System Applications) + 示範軟體 
第6週
  **** 模糊推理系統範例軟體 ****  
第7週
  基因(遺傳)演算法(Genetic Algorithms) (updated 12/16) 
第8週
  **** 基因演算學習軟體 **** (updated 2017/10/19) 
第9週
  蟻拓演算法(Ant Colony Optimization Algorithms) 
第10週
  **** 蟻拓演算學習軟體 蟻群覓食模擬軟體 **** 
第11週
  粒子團演算法(Particle Swarm Optimization)和 
第12週
  **** 粒子團演算學習軟體 **** 
第15週
  倒傳遞類神經網路(Back Propagation Networks) 
第16週
  Unsupervised NN(LVQ,SOM,ART) 
第17週
  **** 類神經網路學習軟體 <含感知器 perceptron >****  
第18週
  Designed Neural Networks (Newly added: Simulated Annealing Demo System & Hopfield-Tank NN for TSPs)