算法設計課程中的智能優化算法教學

摘要：算法設計課程是計算機專業專科生選修課程，智能優化算法是其中的重要內容。針對智能優化算法中知識點抽象和學生難以理解的現狀，提出將多種教學方法和手段運用到實際教學中，進一步優化教學效果和加強教學改革的觀點。

關鍵詞：算法設計；智能優化算法；教學方法

0 引言

培養高素質和創新型人才是各高等學校教育改革的重點。專科學校在人才培養上以學生就業為重點，著重培養學生的一技之長，學生對與專業相關的其他知識涉及不多。畢業生反饋雖然這種培養方式可以讓學生很快找到工作并投入到實際工作中，但是在校所學知識的單一化導致工作的層次較低，工作面比較窄。適當增加和本專業相關的知識，拓寬學生的知識面，增強學生的就業能力，培養高素質人才是學校進行教學改革的目的。算法設計課程是計算機專業本科學生的必修課程，對于這門課程，專科學生理解起來比較困難，因此學校將其作為選修課程。這門課程的重點內容是什么，講解的深度如何把握，都需要教師在實際教學過程中進行探討。

1 選擇重點教學內容

算法設計這門課程涉及的領域非常寬泛，通常包括的內容有基本和經典的算法，算法設計策略、問題復雜性等方面的理論研究，以及近年來在并行算法、隨機算法、近似算法、加密算法、智能優化算法、模式識別算法等算法領域方面的最新研究成果。

智能優化算法是當今算法領域比較熱門和應用比較廣泛的算法之一。它又稱為現代啟發式算法，是一種具有全局優化性能、通用性強且適合并行處理的算法。這種算法一般具有嚴密的理論依據，從理論上講可以在一定的時間內找到最優解或近似最優解。智能優化算法在實際中應用廣泛，因此教師在算法設計課程中有必要將這部分內容介紹給學生。

1.1 常見的智能優化算法

1.1.1 遺傳算法

遺傳算法（Genetic Algorithm，GA）是一類借鑒生物界的進化規律（適者生存，優勝劣汰遺傳機制）演化而來的隨機化搜索方法，由美國J·Holland教授于1975年首先提出。遺傳算法已被人們廣泛地應用于組合優化、機器學習、信號處理、自適應控制和人工生命等領域。它是現代有關智能計算中的關鍵技術。

1.1.2 蟻群算法

蟻群算法（Ant Colony Optimization，ACO），又稱螞蟻算法，是一種用來在圖中尋找優化路徑的機率型算法。它由Marco Dorigo于1992年在博士論文中提出，其靈感來源于螞蟻在尋找食物過程中發現路徑的行為。蟻群算法是一種模擬進化算法，初步的研究表明該算法具有許多優良的性質。

1.1.3 模擬退火算法

模擬退火算法（Simulated Annealing，SA）最早由Kirkpatrick等應用于組合優化領域，是基于Mente-Carlo迭代求解策略的一種隨機尋優算法，出發點是基于物理中固體物質的退火過程與一般組合優化問題之間的相似性。模擬退火算法從某一較高初溫出發，伴隨溫度參數的不斷下降，結合概率突跳特性在解空間中隨機尋找目標函數的全局最優解，即能從局部最優解概率性地跳出并最終趨于全局最優。模擬退火算法是一種通用的優化算法，從理論上講具有概率的全局優化性能，目前已在工程中得到廣泛應用，諸如VLSI、生產調度、控制工程、機器學習、神經網絡、信號處理等領域。

1.2 智能優化算法特點與優勢

遺傳算法的主要特點是直接對結構對象進行操作，不存在求導和函數連續性的限定，具有內在的隱并行性和更好的全局尋優能力。它采用概率化的尋優方法，能自動獲取和指導優化的搜索空間，自適應地調整搜索方向，而不需要確定的規則。

蟻群算法有別于傳統編程模式，優勢在于避免編寫冗長的程序，程序本身是基于一定規則的隨機運行來尋找最佳配置。也就是說，當程序最開始找到目標的時候，路徑幾乎不可能是最優的，甚至可能包含無數錯誤的選擇。但是，程序可以通過螞蟻尋找食物時候的信息素原理，不斷地修正原來的路線，使整個路線越來越短，即程序執行的時間越長，所獲得的路徑就越可能接近最優路徑。

模擬退火算法是通過賦予搜索過程一種時變且最終趨于零的概率突跳性，從而有效避免陷入局部極小并最終趨于全局最優的串行結構優化算法。

這3種算法的共同特點是從任一解出發，按照某種機制，以一定的概率在整個求解空間中探索最優解。由于它們可以把搜索空間擴展到整個問題空間，因而具有全局優化性能。

2 采用多種教學方法

從培養高素質計算機人才的需求出發，以拓寬學生知識面及提高學生實踐能力為目標，針對智能優化算法這部分知識內容，授課教師可以采用多種教學方法和手段，充分發揮學生學習的潛能和積極性，改善課堂教學氣氛，提高教學效果。

2.1 案例教學

案例教學是一種通過模擬或者重現現實生活中的一些場景，讓學生把自己納入案例場景，通過討論或者研討進行學習的一種教學方法。教學中既可以通過分析和比較，研究各種各樣的成功和失敗的案例，從中抽象出一般性的結論或原理，又可以讓學生通過自己的思考或者他人的思考拓寬自己的視野，從而豐富自己的知識。

在教學過程中，教師可以通過實際生活中的一個案例幫助學生提升對算法的學習興趣。如旅行商問題，假設有一個旅行商人要拜訪n個城市，他必須選擇要走的路徑，限制條件是每個城市只能拜訪一次，而且最后要回到原來出發的城市。路徑的選擇目標是要求所得的路徑長度為所有路徑之中的最小值。

學生通過自己思考，再經過小組討論，通常都會得出這樣一個最容易想到的方法：利用排列組合的方法把所有路徑都計算出來并逐一比較，選出最小路徑。教師可以根據這個結論，引導學生明確雖然該方法在理論上是可行的，但路徑的個數等于n！。當城市個數較大時，該方法的求解時間是難以忍受的，甚至是不可能完成的。例如，當包含20個城市時，20！=2432902 008 176 640 000，以每秒1億次的計算速度來估算，求解時間長達700多年。因此，學生認為旅行商問題的全局最優解是無法確定的，只可能得到近似最優解。這樣，這類問題追求的目標就變成以盡可能短的時間求得質量盡可能好的近似解，自然地引導出模擬退火算法，從而為介紹該算法作了有序的鋪墊。

2.2 多媒體演示教學

多媒體教學是指在教學過程中，根據教學目標和教學對象的特點，通過教學設計合理選擇和運用現代教學媒體，并與傳統教學手段有機組合，共同參與教學全過程，以多種媒體信息作用于學生，形成合理的教學過程結構，達到最優化的教學效果。

例如，教師在講解蟻群優化算法時，學生對該算法理論知識的理解還不是很深刻，不能在頭腦里形成對該算法的形象認知。教師可以利用多媒體課件向學生演示自然蟻群的生態行動，加強學生對這種算法的理解。

2.3 網絡遠程教學

網絡遠程教學是一種相對于面授教育的師生分離和非面對面組織的教學活動，它的特點是學生與教師分離，學習的場所和形式靈活多變。與面授教育相比，它的優勢在于能夠提供更多的學習機會，提高教學質量，降低教學成本。

針對學生在課堂上對知識點理解不深刻的現狀，教師可以通過建立網站或個人網頁設立教學園地，提供教學輔助軟件下載，設計一些有關算法的動態演示，展示最新成果，與學生交流討論并解答學生的問題。

3 教學實踐應用及效果

在教學實踐中，教師可以采用一些實例說明問題，如在講解蟻群算法時介紹經典的TSP源程序，在課堂上改變相應的參數并進行調試，同時繪制出最優路徑上信息素的變化曲線。教師在講解過程中可以由簡入深，還可以采用學校現有考試系統中的自動組卷功能，對比介紹遺傳算法和模擬退火算法的特點。遺傳算法的局部搜索能力差，但對搜索過程的總體把握能力強；模擬退火算法具有較強的局部搜索能力，但對整個搜索空間的狀況掌控能力不強。因此，學校考試系統自動組卷功能的開發實現應結合2種算法的長處。教師采用對比方法進行講解，可以使學生更容易理解2種算法的特點。

以上多種教學方法和實例的應用講解，大大提高了學生對這部分知識的學習興趣，增強學生主動參與課堂教學的積極性，使本來枯燥和復雜的算法問題也變得更加直觀，有效地提高了教學效率。

4 結語

智能優化算法作為專科學校計算機專業的選修課程內容，教學內容側重點需要任課教師認真討論和挑選。針對智能優化算法的教學方法可以采用案例教學、多媒體演示教學、網絡遠程教學等方法，以使學生快速掌握設計思想，提高知識層次，拓寬知識面。

（編輯：宋文婷）