基于PSO算法的高校擴(kuò)招規(guī)模與教學(xué)評估模型.pdf

1、PSO是一種基于群體智能的隨機(jī)啟發(fā)式優(yōu)化算法，作為群體智能的典型代表，它具有原理簡單、參數(shù)少、收斂速度較快等特點(diǎn)，并且算法程序?qū)崿F(xiàn)簡單，已被證明是一種行之有效的全局優(yōu)化方法，表現(xiàn)出了很大的潛力。現(xiàn)階段對PSO算法的研究大多為對算法的改進(jìn)研究以及算法的應(yīng)用研究等方面。算法改進(jìn)研究大多采用多種算法混合(如遺傳算法和微粒群算法的混合優(yōu)化)、增加微粒活性等方式。目前微粒群算法已經(jīng)在目標(biāo)優(yōu)化、預(yù)測理論、神經(jīng)網(wǎng)絡(luò)、圖形圖像等許多領(lǐng)域得到了成功應(yīng)用，

2、但在高等教育擴(kuò)招和教學(xué)評估方面目前還沒有利用微粒群算法進(jìn)行的優(yōu)化應(yīng)用。 近幾年公布的《全國教育事業(yè)發(fā)展統(tǒng)計(jì)公報(bào)》表明，我國高等教育規(guī)模持續(xù)增加，2006年普通高等學(xué)校在學(xué)人數(shù)達(dá)到1738.84萬人，各類高等教育在學(xué)人數(shù)超過2300萬人，高等教育毛入學(xué)率達(dá)到21％，數(shù)量規(guī)模居世界首位。面對日益擴(kuò)大的高校招生規(guī)模和在校生數(shù)量，出現(xiàn)了一系列的問題： (1)每年教育經(jīng)費(fèi)的預(yù)算有限，教學(xué)資源不能滿足在校生數(shù)量的需求； (2

3、)在擴(kuò)大招生規(guī)模的同時，沒能很好的進(jìn)行資源配置，出現(xiàn)了各個生均教學(xué)資源指標(biāo)之間發(fā)展不平衡的情況: (3)教學(xué)資源的改善速度跟不上招生規(guī)模的發(fā)展速度,生均教學(xué)資源難以得到保障，導(dǎo)致教學(xué)質(zhì)量下降； (4)對現(xiàn)有的資源可以承受的招生數(shù)量認(rèn)識不清，每年招生數(shù)量的計(jì)劃難以合理有效的確定。 在此情況下，教育部研究制定出了一套高等學(xué)?；巨k學(xué)條件指標(biāo)體系，并開展了本科教學(xué)水平評估工作，旨在保證生均教學(xué)資源滿足教學(xué)要求，改善基礎(chǔ)

4、資源設(shè)施，提高人才培養(yǎng)能力水平。因此，針對上述問題和微粒群算法在組合優(yōu)化應(yīng)用方面的成功經(jīng)驗(yàn)，本文對高校擴(kuò)招規(guī)模與教學(xué)質(zhì)量評估問題進(jìn)行了詳細(xì)研究，并提出了一種解決上述問題的解決模型，主要研究內(nèi)容如下： (1)對微粒群算法及其改進(jìn)算法進(jìn)行總結(jié)研究。 (2) 以教育部制定的基本辦學(xué)指標(biāo)體系為標(biāo)準(zhǔn)，提取出生師比、生均教學(xué)行政用房面積、百名學(xué)生配教學(xué)用計(jì)算機(jī)臺數(shù)、百名學(xué)生配多媒體教室和語音教室座位數(shù)、生均教學(xué)科研儀器設(shè)備值、生均圖

5、書六項(xiàng)生均教學(xué)資源量化指標(biāo)為本文的研究對象，確定出在有限的教育資源經(jīng)費(fèi)預(yù)算條件下，在六項(xiàng)生均教學(xué)資源指標(biāo)現(xiàn)有資源基礎(chǔ)上，在滿足基本辦學(xué)指標(biāo)要求的前提下，實(shí)現(xiàn)資源優(yōu)化配置的目標(biāo)函數(shù)和約束條件，建立高校擴(kuò)招規(guī)模與教學(xué)評估模型。 (3) 首次將微粒群優(yōu)化算法應(yīng)用于建立的高校擴(kuò)招規(guī)模與教學(xué)評估模型中，對有限的資源進(jìn)行優(yōu)化配置并對次年的招生數(shù)量進(jìn)行預(yù)測。實(shí)驗(yàn)表明，能夠有效的利用微粒群算法對高校擴(kuò)招規(guī)模與教學(xué)評估模型進(jìn)行優(yōu)化，得到資源分配方