PDCA循環管理視角下BAS-BPNN的學生組織管理工作評價

劉紅紅

摘 要： 為實現高精度的學生組織管理工作評價和為學校部門進行學生組織管理工作提供理論參考和方法依據，以PDCA循環管理視角出發從學風建設工作、常規管理工作、公寓教育與管理工作、隊伍建設工作等4個維度構建出一套學生組織管理工作評價指標體系，并針對BPNN模型性能受其參數的影響，運用天牛須搜索算法對BPNN的權值和閾值進行優化選擇，建立BAS-BPNN的學生組織管理工作評價模型。與SVM和BPNN對比發現，BAS-BPNN可以有效提高學生組織管理工作評價的精度，為學生組織管理工作評價提供了新的方法。

關鍵詞： 天牛須搜索算法; 前饋神經網絡; PDCA循環; 組織管理; 支持向量機

中圖分類號： TP 391.1 ? ? ?文獻標志碼： A

Abstract： In order to realize high precision evaluation and student organization management， and provide theoretical basis and methodfor the school instudent organization management， we referencePDCA cycle management perspective to build a set of evaluation index system from four dimensionsof the study style construction， routine management work， apartment education and management team construction. Because the BPNN model performance is affected by its parameters， we use Beetle antennae search algorithm to optimize the weights and threshold of BPNN choice， establish BAS-student organization management evaluation model of BPNN. Compared with SVM and BPNN， it is found that BAS-BPNN can effectively improve the accuracy of student organization management work evaluation， it can providea new method for student organization management work evaluation.

Key words： Beetle antennae search algorithm; back propagation neural network; PDCA cycle;organization management;support vector machine

0 引言

大學生組織管理工作是高校人才培養的重要保障和系統性工作，因此對學生組織管理工作進行過程管理具有重要的理論意義和實際價值，PDCA循環管理是一套科學規范的分析問題、解決和處理問題的工具，其包括策劃（Plan）、實施（Do）、檢查（Check）和處置（Action）等四個階段，被廣泛地應用于質量管理體系，用于改進工作方法、工作流程、解決問題、形成制度和制定標準等方面取得了很好的效果[1-2]。

為提高學生組織管理工作的水平和效果，從PDCA循環管理視角出發，結合層次分析法建立學生組織管理工作的評價指標體系[3]。針對前饋神經網絡（back propagation neural network，BPNN）收斂速度慢和局部最優的問題，運用天牛須搜索（Beetle antennae search，BAS）算法對BPNN的權值和閾值進行優化選擇，建立BAS-BPNN的學生組織管理工作評價模型。與支持向量機（supportvector machine，SVM）和前饋神經網絡 （back propagation neural network，BPNN）對比發現，BAS-BPNN可以有效提高學生組織管理工作評價的準確率，為學生組織管理工作評價提供了新的方法和途徑。

1 學生組織管理工作評價指標

為了實現高精度的學生組織管理工作評價，在參考文獻[4-5]的基礎上，從學風建設工作、常規管理工作、公寓教育與管理工作和隊伍建設工作等4個維度構建出一套學生組織管理工作評價指標體系，學生組織管理工作評價指標體系，如圖1所示。

2 BAS算法

BAS算法是受天牛覓食啟發而提出的高效的群智能算法，其建模步驟如下[6]。

（1） 定義方向向量

為了模擬天牛的搜索行為，方向向量定義如式（1）。

3.3 BAS-BPNN學習算法

基于BAS-BPNN的學生組織管理工作評價流程如下：

1） 初始化BAS算法參數：步長因子c1、c2以及迭代最大次數gen、當前迭代次數t，將學生組織管理工作評價數據分為訓練樣本和測試樣本，訓練樣本主要用于建立BAS-BPNN模型，測試樣本主要用于驗證BAS-BPNN模型的好壞或者優劣;

2） 令t=0，隨機初始化天牛位置x0，并設最優位置xbest=x0;根據公式（8）計算天牛左須、右須位置;

3） 更新t=t+1，重新計算天牛左須、右須位置，得到適應度值f（xr）和f（xl）;

4） 根據式（5）計算預更新位置xt，并計算適應度值f（xt）;

5） 根據接受概率p，即式（6）來判斷是否更新天牛的位置。若f（xt）

6） 若t>gen，則轉到步驟7）;反之，轉回步驟3）;

7） 輸出最優解，即最后一次迭代后的xbest與fbest，對應為BPNN模型的最優值初始連接權值cj、ωij和閾值ε、θj，并將運用BPNN模型最優參數初始連接權值cj、ωij和閾值ε、θj進行學生組織管理工作評價測試驗證。

4 仿真實驗與結果分析

4.1 數據來源

為了驗證BAS-BPNN進行學生組織管理工作評價的有效性，通過專家打分法[9-10]獲得學生組織管理工作評價數據。選擇西安市10所高等職業技術學院為研究對象，10個專家對10個高校的15個二級指標進行打分，得到100個樣本，其中訓練樣本80個，測試樣本20個。學生組織管理工作評價等級分為低、較低、中、較好、好等5個等級水平。

4.2 結果分析

本研究選擇Matlab2015a為軟件平臺，電腦操作系統為Windows 7，PC機配置為CPU的主頻為2.60 GHz、內存8 GB、中央處理器為Intel（R）Core（TM）i5-2400 4-core。為了驗證學生組織管理工作評價的效果，將BAS-BPNN與SVM、BPNN進行對比[11-13]，BAS算法參數設定為：最大迭代次數gen=100，步長因子c1=0.997，c2=10，對比結果如表1和圖2-圖4所示。

圖2-圖4和表1可知，在訓練集上，BAS-BPNN模型的最優、最差和平均正確率分別為98%、95.6%和95%，優于SVM的95%、92.5%和92.5%以及BPNN的92.5%、77.5%和72.1%;在測試集上，BAS-BPNN模型的最優、最差和平均正確率分別為90%、90%和90%，優于SVM的85%、80%和80%以及BPNN的80%、75%和61.3%。與SVM和BPNN對比，BAS-BPNN可以有效提高學生組織管理工作評價的精度，為學生組織管理工作評價提供了新的方法。

5 總結

為給高校管理部門的學生組織管理評價工作提供理論參考和方法依據，提出一種基于學風建設工作、常規管理工作、公寓教育與管理工作、隊伍建設工作等多維度的BAS-BPNN學生組織管理評價模型。由于學生組織管理評價是一項復雜而龐大的系統工程，其涉及很多復雜的因素，本文只研究了較少的影響因素，后期將研究更多復雜影響因素對學生組織管理評價的影響，增加本文模型的適應性。

參考文獻

[1] 王少強， 王如猛. 基于模糊綜合評價法的高校學生宿舍火災安全分析研究[J]. 華北科技學院學報， 2017（5）：11-15.

[2] 宋昱璇， 申辰. PDCA循環的項目制管理在高校學生組織中的應用[J]. 管理觀察， 2017（23）：117-119.

[3] 王金明， 陳永韶， 何暖堅， 等. PDCA循環在醫院教學質量管理中的應用[J]. 國際醫藥衛生導報， 2018， 24（21）：3242.

[4] 楊永東， 張振寧， 滕尊莉， 等. 基于PDCA循環的土木工程專業畢業設計質量控制[J]. 教育教學論壇， 2017（1）：101-102.

[5] 王甜甜， 劉強. 基于BAS-BP模型的風暴潮災害損失預測[J]. 海洋環境科學， 2018， 37（3）：457-463.

[6] 劉濤， 徐成良， 陳煥新. 基于改進天牛須算法-優化極限學習機的地源熱泵能耗預測研究[J]. 制冷技術， 2019（3）：21-25.

[7] 薛成偉. 基于BP神經網絡的高校學生管理工作績效評價模型[J]. 科技信息， 2011（36）：265.

[8] 于翔. 基于神經網絡模型在學生心理健康指標對考試成績影響中的應用[J]. 自動化與儀器儀表， 2016（9）：124-125.

[9] 胡習文. 基于FNN的智能學生綜合素質評估模型研究[J]. 武漢理工大學學報（信息與管理工程版）， 2007， 29（3）：103-107.

[10] 黃建榮. 基于ANN算法的智能化學生管理評估信息系統的設計與實現[J]. 計算機光盤軟件與應用， 2012（10）：191-192.

[11] 朱宗元， 王秋霞. 基于神經網絡的高校課堂教學評價策略重構與檢驗[J]. 中國教育信息化， 2018，423（12）：88-91.

[12] 金代志， 王春霞， 石春生. 基于BP神經網絡的顧客價值識別研究[J]. 中國軟科學， 2009（7）：156-161.

[13] 黃碧釵， 李高明. 構建基于BP神經網絡的高校德育評價體系[J]. 南陽理工學院學報， 2010， 2（3）：91-94.

（收稿日期： 2020.03.11）