在算法设计与分析课程教学中融入计算思维.docxVIP

在算法设计与分析课程教学中融入计算思维 ： Basic teaching contents of design and analysis of algorithms is introduced. Proceeding with the computational thinking ―― one of three scientific thinkings that have promoted human civilization and scientific development ， the importance of computational thinking is stated. Finally ， some suggestions for integrating computational thinking into teaching of design and analysis of algorithms are proposed. 0 引言 思维能力对人类生活和科技发展的关键意义不言而喻。 近年 来，计算思维在计算机科学教学中的重要意义得到了普遍关注， 众多学者和组织参与了这一思想的讨论和传播。 然而， 如何合理 设置课程体系， 科学地落实培养过程， 在教学中真正使学生的计 算思维能力得到培养， 我们依然面临着严峻的挑战。 本文介绍了 算法设计与分析课程的一般框架和计算思维的思想， 并就如何在 该课程教学中融入计算思维提出一些建议， 希望引起更多专业人 员进行探讨，并引起重视。 算法设计与分析 计算过程的效率和计算结果的准确性是古老的研究课题。 科 学技术的发展使得人们一方面更容易获得大量的信息， 另一方面 对这些信息的处理（计算）方法变得日趋复杂，计算量也越来越 大。许多理论上可以计算的问题， 由于计算过程中所需空间或者 时间的限制， 而变成了现实不可计算的问题， 造成了虽然理论上 可计算但现实条件不允许的矛盾。自 20 世纪中期以来，随着各 个领域算法研究工作的发展， 诞生了一个新的研究领域， 即算法 的设计与分析。 这一领域的研究成果不仅对不同学科问题提供了 有效的解决方法，而且提供了一种独特的处理问题的思维方式。 由于实际问题求解的需求以及算法的广泛应用， 算法研究领 域已是包罗万象。从最初的排序、查询、图算法、数值计算等， 到信息处理、 工程计算与模拟、 金融分析、 生物计算、 量子计算， 以及最前沿的大数据分析， 计算机的应用无处不在， 算法的应用 也无处不在 [1-5] 。按照算法所处理的对象进行分类，算法设计 与分析主要包括数值算法和非数值算法两大领域。 数值算法主要 有多项式计算、矩阵计算、有限域计算、数论计算，方程（组） 求解，优化计算等，非数值算法主要有排序、搜索、几何问题的 计算、离散结构的计算、模式匹配等。按照计算时所需数据的提 供情况可分为离线算法和在线算法， 前者是指计算中所需数据在 计算开始时已全部提供， 后者指计算开始时不提供或部分提供数 据，然后在计算过程中逐步提供数据， 其典型的应用是股市风险 和效益的评估分析。 按照计算方式进行分类， 则可分为串行算法 和并行算法，还可以分为智能算法、近似算法、随机型算法、交 错型算法、非确定型算法、确定型算法等。 算法设计的任务是对各类具体问题设计高质量的算法， 以及 研究设计算法的一般规律和方法。 常用的算法设计方法主要有回 溯法、贪婪法、分治法、概率方法和近似方法等 [6] 。算法分析 的主要任务则是对于所设计的每一个具体算法， 讨论它的时间和 空间复杂度、相关概率、近似比和竞争比等，分析的结果既可作 为评价算法质量的标准，也可为改进算法提供参考方向。 由于算法设计与分析在计算机学科中的重要地位， 其基本内 容已经成为计算机相关学科的一门专业核心必修课程。 算法设计 与分析课程的教学方式、 内容和质量， 必须能够确保培养学生的 学习兴趣， 提高学习效果， 以便提高学生专业能力和综合能力的 培养，为学生高水平高层次应用和发展提供保障。 计算思维 计算思维是多种学科学习和研究人员所必备的基本素质， 甚 至与人们的生活也密切相连。科学界一般认为，计算思维、实验 思维和理论思维是推动人类文明进步和科技发展的三大科学思 维方式。近些年，诸多学者从计算思维的定义、内容、特点和培 养方式等多方面进行了探讨。 计算思维能力包括抽象能力和逻辑 思维能力，必须经过系列数学和抽象程度较高的理论课程渐进、 系统地训练才能形成 [7] 。2006 年，原美国卡耐基 ?梅隆大学计 算机系主任， 现美国基金会计算机和信息科学与工程部主任周以 真( Jeannette M. Wing )教授在国际权威杂志上发表文章，明 确了计算思维的一般定义： “计算思维是运用计算机