“智能优化算法及其应用用”课程教学的实践与探索.docVIP

第 PAGE 页 “智能优化算法及其应用”课程教学实践与剖析 　　1　引言 　　从教材与教学大纲出发，“智能优化算法及其应用”这门课程主要针对模拟退火算法、遗传算法、禁忌搜索、神经网络优化算法、混合算法等几个方面进行了讲解。由于该课程涉及知识面很广，内容比较抽象，所以学生往往难以理解，特别对各种优化算法实际应用不能灵活掌握。这直接导致了学生学习兴趣减弱与对课程学习厌倦情绪。为了克服上述问题，更好地实现教学目标，本文作者从教学方法、教学内容等方面出发对智能优化算法及其应用课程教学进行了剖析，改善了课堂教学与课外实践效果。 　　2　启发式教学 　　所谓启发式教学法，就是以学生经验为基础，由教师提出问题，使他们思考去解决、剖析、批评、判断与归纳，因而可以触类旁通、举一反三，使经验逐渐扩张，思路更为灵活。通过启发式教学法，可以培养学生学习内在动机，引导学生思考与逐步掌握各个知识点，使他们真正对所学课程感兴趣。为了更好地运用启发式教学，教师应该首先向同学们阐述该课程发展历史与未来发展前景，介绍该课程理论与实践背景，让学生对课程整体情况有所了解，并产生好奇心。 　　在启发式教学过程中，教师可根据教学重点与难点，首先采取提问方式引发学生进行思考，使他们思维高度集中。在学生思考过程中，可根据他们思考结果给与适当提示与鼓励，使他们思考更加深入。接着可采用问答讨论方式，对学生答案加以剖析，使得学生思维达到升华。最后，将学生讨论结果与课本结果进行对比，找出异同点。通过上述启发式教学过程，学生可以更加深刻理解课程中难点与重点。 　　如模拟退火算法是一种随机优化方法，学生在学习课程之前已对经典基于梯度优化方法有一定了解。在介绍模拟退火算法之前，可先向学生提问：经典优化方法核心思想是什么。接着可再提出问题：如果在经典优化方法中加入随机因素会出现什么结果。教师可根据学生回答给予适当提示，最后再给出模拟退火算法主要步骤与主体思想。 　　此外，在介绍混合算法时候，也可以采用启发式教学法，如可提问学生如果把模拟退火算法与神经网络混合起来进行问题求解应该怎么做。3示例教学 　　在教学过程中，如果只是纯粹地讲解理论知识，学生可能觉得索然无味，从而直接导致学习兴趣减弱。而通过选择一些经典示例进行剖析、讲解与讨论，学生可以在学习过程中做到理论与实际相结合，并增加对所学知识实用性了解，从而提高学习积极性与主动性。 　　如在讲解遗传算法主要步骤，即编码、解码、交叉、变异、选择时，通过选择最短路径问题示例来解释其运行机理。最短路径问题是一类离散优化问题，其主要任务是找到一条从起始点到终点最短路径。在运用示例讲解时，首先给学生介绍如何对每一条路径进行编码，然后介绍如何对不同路径进行交叉、变异与选择等操作，而且说明在上述过程中如果出现不合法路径应该如何进行处理，最后讲解如何选择较好路径来进行下一次进化等等。通过上述讲解，学生对遗传算法主要步骤具有了十分深刻认识。 　　此外，在讲解神经网络时，可首先通过理论讲解使学生对神经网络原理有了一定了解，接着通过选择一种经典神经网络示例，即BP神经网络，对其原理及具体实现过程进行演示。在教学过程中，作者通过选用Matlab语言中神经网络工具箱，对BP神经网络进行了讲解，包括如何构造输入层、隐含层与输出层，如何执行反向传播等等。最后再通过选用一个BP神经网络应用于实际工程中示例进行讲解。这样，学生对神经网络原理与应用便有了具体而生动认识，从而也调动了学生学习兴趣。 　　4　多媒体课件教学 　　运用多媒体课件上课有许多“黑板+粉笔”不可企及效果。运用多媒体课件上课，可以生动且有效地对教学重点与难点进行讲解，同时通过多媒体课件中动画演示、录像演示等可以使学生对学习要点有更直观与深刻了解，激发学生好奇心。 　　如在解释遗传算法对某一优化问题进化过程时，可将初始群体中个体分布，运行到中间代数时群体中个体分布，与进化结束时群体中个体分布情况通过多媒体演示出来。这样，学生便对遗传算法进化迭代寻优思想有了很直观认识，而且学生可以很深刻理解遗传算法搜索到全局最优解工作原理与过程。此外，还可通过录像演示，将整个进化过程中每一代群体中个体分布情况全部演示出来，这样遗传算法整体执行过程便在学生眼前活灵活现地展示出来。 　　在介绍各种智能优化算法之间优缺点、异同点时，也可通过多媒体课件中各种图形工具将优缺点与异同点进行归纳与总结，更清晰地展现在学生面前，同时也使得教师在讲解时便于归纳叙述。 　　5　课程设计 　　课程设计是学生综合运用课程所学知识一个重要环节。特别对于智能优化算法及其应用这门课程，如何引导学生将优化算法应用到实际问题显得尤为重要，这不仅锻炼了他们实际动手能力，也锻炼了他们剖析问题与解决问题能力，可全面开发学生创造性思维与创