基于PSO算法的高校擴招規(guī)模與教學評估模型.pdf

1、PSO是一種基于群體智能的隨機啟發(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，并且算法程序實現(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?，F(xiàn)階段對PSO算法的研究大多為對算法的改進研究以及算法的應用研究等方面。算法改進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)在目標優(yōu)化、預測理論、神經(jīng)網(wǎng)絡、圖形圖像等許多領域得到了成功應用，

2、但在高等教育擴招和教學評估方面目前還沒有利用微粒群算法進行的優(yōu)化應用。 近幾年公布的《全國教育事業(yè)發(fā)展統(tǒng)計公報》表明，我國高等教育規(guī)模持續(xù)增加，2006年普通高等學校在學人數(shù)達到1738.84萬人，各類高等教育在學人數(shù)超過2300萬人，高等教育毛入學率達到21％，數(shù)量規(guī)模居世界首位。面對日益擴大的高校招生規(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)費的預算有限，教學資源不能滿足在校生數(shù)量的需求； (2

3、)在擴大招生規(guī)模的同時，沒能很好的進行資源配置，出現(xiàn)了各個生均教學資源指標之間發(fā)展不平衡的情況: (3)教學資源的改善速度跟不上招生規(guī)模的發(fā)展速度,生均教學資源難以得到保障，導致教學質量下降； (4)對現(xiàn)有的資源可以承受的招生數(shù)量認識不清，每年招生數(shù)量的計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校基本辦學條件指標體系，并開展了本科教學水平評估工作，旨在保證生均教學資源滿足教學要求，改善基礎

4、資源設施，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)化應用方面的成功經(jīng)驗，本文對高校擴招規(guī)模與教學質量評估問題進行了詳細研究，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算法進行總結研究。 (2) 以教育部制定的基本辦學指標體系為標準，提取出生師比、生均教學行政用房面積、百名學生配教學用計算機臺數(shù)、百名學生配多媒體教室和語音教室座位數(shù)、生均教學科研儀器設備值、生均圖

5、書六項生均教學資源量化指標為本文的研究對象，確定出在有限的教育資源經(jīng)費預算條件下，在六項生均教學資源指標現(xiàn)有資源基礎上，在滿足基本辦學指標要求的前提下，實現(xiàn)資源優(yōu)化配置的目標函數(shù)和約束條件，建立高校擴招規(guī)模與教學評估模型。 (3) 首次將微粒群優(yōu)化算法應用于建立的高校擴招規(guī)模與教學評估模型中，對有限的資源進行優(yōu)化配置并對次年的招生數(shù)量進行預測。實驗表明，能夠有效的利用微粒群算法對高校擴招規(guī)模與教學評估模型進行優(yōu)化，得到資源分配方