基于多目标优化方法生命科学概论教学质量研究.docVIP

基于多目标优化方法《生命科学概论》教学质量研究 　　[摘要]本文分析了不同设计变量对《生命科学概论》课程教学质量的影响，采用不同专业背景学生的答题正确率作为评价教学质量的指标，应用合理的试验设计（DOE）―近似建模―优化设计方法，实现了提高教学质量的优化目标。 　　[关键词]教学质量 试验设计 近似建模 优化设计 　　一、前言 　　随着国内大学不断推进教学改革，加强与国际同行的交流合作，如何在信息化时代，更好地分配学校资源，提升教学质量，成为了学校领导和授课老师关注的重点。本文作者结合《生命科学概论》的教学实践，选择影响教学质量的因素作为设计变量，进行数据挖掘与分析，针对不同专业背景的学生开展多目标参数优化设计，旨在提高学生对知识的掌握程度。 　　二、优化目标设定和设计变量选择 　　结合相关文献[1，2，3]和工作经验，选取教学老师的性别、职称、语速、该领域教龄这四个因素作为影响课堂教学质量的设计变量。性别分类为男、女；职称分类为初级、中级和高级；语速分类为慢、一般和快；该领域教龄分类为小于5年，5-10年和大于10年。根据不同的学科背景，学生可以分类为文科女生、文科男生、工科女生和工科男生。采用问卷调研的方式，分别记录不同背景学生教学前后在同一张问卷上的答题正确率。设定不同背景的学生，课后答题正确率高于各自课前答题正确率这一点，为约束条件。选择答题正确率作为评价教学质量的指标，本研究的优化目标为：相比教学前，通过选择合理的设计变量水平组合，提高不同背景学生的答题正确率。 　　三、试验设计 　　试验设计（DOE）[4]基于数值抽样，是优化分析的基础。主要作用有：识别重要的设计变量、分析变量之间的关系与趋势、确定最佳的变量组合等。实践中广泛采用的DOE方法有拉丁超立方、中心组合设计等。由于不同方法定义的设计变量水平、数量、分布等均有很大区别，因而DOE方法的选择会直接影响优化结果。因而本文作者参考相关资料[5， 6]，选择正交数组法（OA）建立试验矩阵，形式为21×33，变量X1（性别）为2水平，水平值1、2分别代表男、女教师；X2（职称）为3水平，水平值1、2、3分别代表初级、中级和高级职称；X3（语速）为3水平，水平值1、2、3分别代表教学语速慢、一般和快；X4（教龄）为3水平，水平值1、2、3分别代表教龄小于5年、5-10年和大于10年。试验矩阵总样本数为9，如下表1所示： 　　表1：试验设计（DOE）矩阵 　　四、近似模型和数值分析 　　（一）近似模型构建 　　近似模型是用一个数学模型来描述一系列输入变量与输出变量的方法。对于优化问题，定义设计变量为近似模型的输入变量；定义优化目标为输出变量。上世纪70年代，学者Schmit第一次引入近似模型方法用于结构件的优化设计，加快了优化算法的求解速度，同时提高了分析精度。常用的近似模型方法有响应面、神经网络模型、克里格（Kriging）模型等。克里格模型基于空间插值，针对设计变量和水平值范围较小的问题有良好的拟合性，故本研究采用此方法建立近似模型。定义设计变量X1、X2、X3、X4为输入变量；定义Y1（文科女生课后问卷答题正确率）、Y2（文科男生课后问卷答题正确率）、Y3（工科女生课后问卷答题正确率）、Y4（工科男生课后问卷答题正确率）为输出变量。 　　定义不同样本点时，Y1、Y2、Y3、Y4真实值与预测值的差值为样本偏差。本研究设定0.02为允许的样本偏差上限，具体样本偏差分布如表2和图2所示。图2横坐标代表样本点区间，纵坐标表示样本偏差。 　　表2：近似模型预测值VS问卷真实值 　　图2：样本偏差分布 　　从表2和图2可以看出，在样本区间，所有Y1、Y2、Y3、Y4的样本偏差均没有超过偏差上限，进而判断近似模型的精度符合要求。工科女生课后答题正确率Y3的样本偏差较大，在样本点1、3、4、6、8处的样本偏差为0.02；工科男生课后答题正确率Y4的样本偏差较小，在样本点3、6、9处的样本偏差为0。以上分析可作为最终判断优化结果的参考。 　　（二）近似模型方差分析 　　对于优化问题来说，不同输入变量之间相互依存相互制约，与输出变量之间存在复杂的关系。方差分析的主要作用是通过贡献量分析，寻找对优化目标影响最大的设计变量；通过主效应分析，分析设计变量如何影响优化目标等。从图3可以看出，设计变量X2对Y1的贡献很大，大约85%，设计变量X1、X3、X4的贡献很小；设计变量X1对Y2的贡献超过90%，而设计变量X1、X3、X4的贡献可以忽略不计。同理可以分析出设计变量X3、X4对Y3的贡献量均超过35%，设计变量X1、X2的贡献一般；设计变量X2、X3对Y4的贡献均超过40%，而设计变量X1、X4的贡献可以忽略不计。 　　图3：设计变量对优化目标贡献量图 　　从图4可以看出，设计变量X2