《智能计算与优化（Python语言实现）》阐述了优化理论及智能计算的基本原理，并以Python语言实现相关算法，内容包括最小二乘法的原理、优化问题的迭代解法、BP神经网络、卷积神经网络、粒子群算法、遗传算法、蚁群算法、模糊集及其应用、模糊逻辑及其应用等。全书构建了从优化算法和智能算法的基本原理、主流方法到Python实现再到实验（课程设计）的“智能计算与优化”课程教学体系。可作为本科高年级智能计算与优化相关课程的教材，也可以作为研究生及相关爱好者系统了解智能计算及人工智能领域的参考书。

郑小洋,从事智能算法、大数据建模与分析的研究。主持校教研项目2项，编写教材2部，承担智能计算与优化、人工智能概论、人工智能的数学基础课程的教学。已在Applied Mathematics and Computation，International Journal of Computer Mathematics等国际刊物发表论文30余篇，SCI检索11篇。作为主编出版的教材：《高等数学实验》，西南交通大学出版社，2009年。作为第二副主编出版的教材：《人工智能概论》，清华大学出版社，2020年。学科教学：获得2007、2009、2012、2020年全国大学生数学建模竞赛重庆赛区优秀教练，指导学生参加全国大学生数学建模竞赛获得2007、2009、2020年全国一等奖，指导学生参加美国大学生数学建模竞赛获得2012、2018年国际一等奖，指导研究生数学建模竞赛获得2012、2016年全国一等奖。

前言 智能计算与优化涉及计算机科学、数学、工程学、经济学等多个学科的知识，随着物联网、大数据与人工智能技术的深度融合，智能计算与优化技术正逐步从实验室走向实际工程场景，其核心价值在于为复杂系统提供高效、灵活的智能决策支持，推动城市治理、工业生产等领域的智能化升级，在智能制造等领域，通过智能算法与工业控制系统的无缝集成，实现全流程智能优化。 1. 高校智能计算与优化领域人才培养的社会需求 当前，通信智能、智能制造等行业的迅猛发展推动了产业结构向智能化转型，对掌握跨学科知识、具备实践创新能力的人才需求量显著增长。此外，全球技术竞争加剧促使企业将高层次复合型人才的技能标准升级，除技术研发能力外，创新思维、跨学科协作等综合素质成为考量的关键。智能计算与优化领域作为人工智能、大数据等技术的核心应用方向，其人才培养须紧密对接产业变革与技术创新需求。为适应人工智能时代的教育教学，须结合学科发展动态与教育实践需求，构建传统计算机科学、数学优化方法与人工智能技术跨学科知识体系，培养学生的实践与创新能力，推动智能计算与优化领域教材从理论导向向“理论实践创新”三位一体模式转型，以适应智能计算与优化领域快速发展的复合型人才培养要求。 2. 智能计算与优化领域教材存在的问题 当前智能计算与优化领域的教材在知识体系、内容时效性和实践引导等方面存在一定局限性，具体可归纳为以下几方面。 (1) 有的教材内容偏向于智能计算与优化的理论推导，本科生较难掌握，不能应用智能计算与优化算法去解决实际问题，从而导致更难理解和掌握智能计算与优化算法。 (2) 有的教材内容偏向于智能计算与优化的...