基于Matlab的智能計算課程可視化教學

摘要：智能計算是一種新興的演化計算技術，在工程等領域有著廣泛的應用。本文剖析了將MATLAB引入智能計算課程教學的可行性和必要性，探討了可視化教學的實施方案。教學實踐表明，基于MATLAB的可視化教學能使抽象的理論形象化、靜態的模擬動態化，從而增強學生的感性認識，提高教學實效。

關鍵詞：智能計算；MATLAB；可視化教學

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2013）17-0263-02

智能計算就是借助現代計算工具來模擬生物的智能機制和行為以及生命的演化工程而實現信息獲取、處理及利用的理論和方法，在模式識別、圖像處理、建模與預測、非線性系統辨識與控制、生物信息學等領域有著廣泛的應用。智能計算課程包括人工神經網絡、遺傳算法、模糊計算和群智能計算等內容，其中所涉及的基礎理論和專業知識相當廣泛，其特點為算法多、理論證明通常具有一定的難度[1]。用傳統的方法進行授課教學過程容易枯燥，因此迫切需要對該課程的教學內容及教學方法進行改革和創新[2]。

MATLAB是一種簡潔直觀、靈活高效的計算機語言，使用C語言編寫，以矩陣作為基本數據單位。MATLAB程序具有很好的可讀性、可擴展性和可移植性，可以和Excel，Fortran，C，C++Builder，VB，VC++等集成編輯環境及應用程序進行交互。MATLAB由語言、工作環境、工具箱和API等部分組成，它為海量數據的分析、處理、可視化及應用程序的開發提供了核心的數學和高級圖形工具[3]。

可視化教學指的是用科學仿真的方法將抽象的概念直觀地表示，把事物的本質從繁雜的自然表象中予以提取，把難以觀察到的現象加以形象地模擬，目的是讓學生用直觀感知世界，用本能去領悟知識[4]。由于計算機及多媒體技術的不斷發展，這種教學手段在數學、物理和力學等理論性較強的學科中得到了普及與應用。將MATLAB可視化技術引入到智能計算課程的教學，可以增強學生的感性認識，使學生能夠快速地理解算法運行的機理。這不僅緩解了教師的教學壓力、豐富了課堂教學的內容，同時也提高了學生的學習興趣與熱情，使其變被動學習為主動參與，提高了教學實效。

一、在教學中引入可視化的可行性和必要性

智能計算算法多、與實際應用聯系緊密，對前導課程如高級程序設計語言和數據結構等要求較高，而傳統的非可視化開發工具實驗結果不直觀，不利于學生對算法原理的理解和掌握。例如，離散的Hopfield網絡具有聯想記憶的功能，教材中這一單元的內容一般包括Hebb學習規則、權值設計方法、影響記憶的容量等，抽象且難于理解[1]。如果在理論教學之后輔以MATLAB可視化教學，通過設計一個簡單的三元Hopfield網絡[5]，就能很方便地觀察到所生成的一些隨機點動態地收斂到平衡點的情況，從而對系統的穩定點和記憶之間的關聯就有了一個非常直觀的認識，便于對理論知識的理解。由此可見，可視化是理論教學工作一個必要而又有益的補充，是現代化教學不可或缺的重要手段。

二、可視化教學的組織與實施

1.研究可視化教學的規律及特點，設計出科學合理的實施方案。可視化教學首先應該遵循“數學理論為主，典型算例為輔”的教學理念和原則。因為理論知識固然抽象難懂，但它卻是教學的基礎與根本。如果忽視了對算法機理的了解，學生在學習時就會停留于表面，缺乏對事物本質的認識與把握。因此在教學活動中必須對理論知識講深講透，在此基礎上再實施可視化教學。可視化技術外在具有形象、生動、直觀的特點，內在蘊含圖文豐富、信息量大等特征，該技術的合理運用可使學生在學習時能將邏輯思維與形象思維有機地結合，培養思維的靈活性和多樣性。為此，教師在課前必須充分了解教學目的和教學任務，根據學生的接受能力對教學內容進行篩選與組織，設計出合理的教學信息量，避免多而全。同時在講課時要注意把握好節奏，控制好PPT的演示時間，讓學生有足夠的時間進行思考，以確保對授課內容的消化和理解。此外，在教學過程中還要鼓勵學生多發現、敢質疑、善討論，引導他們開展探索性的學習，激發其學習的主動性和創造性。

2.由淺入深，使學生逐步掌握可視化程序設計的方法。開展可視化教學的宗旨簡言之就是教師要講清楚、學生要聽明白，而實現這一目標的關鍵要素之一就是學生要對程序設計非常地熟悉。為此，教師要發揮引領作用，從一些基礎的知識入手，幫助學生快速入門。開始的時候，教師在講清程序的總體框架及運行步驟后，要對程序逐行進行講解。在學生理解和明白各函數、語句的含義之后，再運行程序進行演示。下課時讓學生把典型的程序拷貝下來，便于課后研讀和理解。在完成“聽+看”階段的教學之后，按照循序漸進原則，引導學生逐步習慣于自己動手編程。

例如，SOFM網絡在學習過程中不僅能夠對輸入樣本進行分類，也能學習輸入樣本的拓撲結構和分布。借助Matlab神經網絡工具箱容易設計出下面的演示實例[5]：P=rands（2，2000）*0.5；net=selforgmap（[5？搖5]）；[net，tr]=train（net，P）。而網絡訓練的結果可以從程序運行結束后所生成的系列圖形（如模式分類結果圖、獲勝神經元統計圖、鄰近神經元距離分布圖等）直觀地觀察到，方便了學生對背景知識的理解和掌握。在布置課后作業時，首先要求學生模仿上述范例，對平面上元素分布相對集中的若干個子點集進行自然分類（例如：P=nngenc（[0？搖1；0？搖1]，9，10，0.05）；net=selforgmap（[3？搖3]）；[net，tr]=train（net，P）），然后鼓勵學生嘗試解決鳶尾花種類識別等問題。通過這類簡單、基礎的練習，學生就能夠逐步克服編程恐懼心理，會對編程產生濃厚的學習興趣。再結合大量的練習和實踐，基本上就可以做到熟能生巧、學以致用。

3.追蹤本學科的發展動態，不斷完善程序庫的建設。程序庫是可視化教學的“硬件”，也是可視化教學成功的前提與保證。在程序庫建設過程中，我們采取了向外搜集（網絡、書刊等）和自主研發相結合的模式。自主研發除了本科研團隊在做的，也指導學生在生產實習及畢業設計中完成，內容包括利用智能算法解決一些優化問題（如博弈論中的囚徒困境模型）或者是設計制作智能算法（如蟻群）工具箱等。課題完成后將其收入算法的程序庫中，用于后繼課的教學。

參考文獻：

[1]吳微，周春光，梁艷春.智能計算[M].北京：高等教育出版社，2009.

[2]尚榮華，李陽陽，焦李成，侯曉慧.智能計算導論課程建設研究[J].計算機教育，2011，（10）：52-54.

[3]施陽，李俊.MATLAB語言工具箱—TOOLBOX實用指南[M].西安：西北工業大學出版社，1998.

[4]尚濤，石端偉，安寧，張李義.工程計算可視化與MATLAB實現[M].武漢：武漢大學出版社，2002.

[5]叢爽.面向MATLAB工具箱的神經網絡理論與應用[M].合肥：中國科學技術大學出版社，2003.

基金項目：本文受大連理工大學2012年教育教學改革基金項目MS201271資助