面向信息與計算科學專業的算法設計與分析課程建設

唐敏，鄧國強

（桂林電子科技大學 數學與計算科學學院，廣西 桂林 541004）

0 引 言

桂林電子科技大學是以培養電子信息人才為核心目標的理工類高校。數學與計算科學學院承擔了該校的數學基礎課程，擁有國家級特色專業——信息與計算科學，在信息處理、大數據分析、網絡安全等研究方面具有鮮明特色，既注重數學基礎和科學研究，又注重實踐應用。信息時代的“新工科”建設對高等院校的人才培養提出了新的要求，高校教學改革的目標是培養學生適應各種新興產業，成為具備國際競爭力的人才。

1 新工科背景下的人才培養

2017 年2 月，教育部發布了《關于開展新工科研究與實踐的通知》。《通知》中明確指出：新工科建設以互聯網和智能為核心，以人工智能、云計算、機器人、大數據、區塊鏈等用于傳統工科專業的升級改造，相對于傳統的人才，未來新興產業和經濟需要實踐能力強、創新能力強的高素質復合型新工科人才。如何根據新工科背景下的人才導向，最大限度地利用算法設計與分析課程培養學生適應各種新興產業，成為具備國際競爭力的人才，是高校教學改革中面臨的一個重要問題。

2 信息類人才培養中存在的問題

2.1 傳統教學手段使學生喪失學習興趣與主動性，新興教學手段實施效果不佳

當前，除基礎理論課程（如高等數學）需要采用黑板進行公式的推導和計算過程的演算之外，大部分教師都是采用課件，很多同學感到老師是在念“PPT”，學習熱情不高，非常被動。雨課堂等教學手段的使用（比如隨機抽查、發表評論等）可以引起學生短暫的學習興趣，但是缺少持續學習和內在學習的動力，學生易將注意力轉移到電子設備上，不自覺地打開其他應用軟件，雨課堂、智慧教室反而給了他們使用電子設備的借口。如何從根本上調動學生課堂積極性，至今是教學改革的難點。

2.2 教學內容選擇與組織不合理，經典算法偏多，現代優化智能算法偏少

算法設計與分析課程一般講授算法基本設計策略，針對每種策略給出若干求解問題。每種算法和求解問題的思想是獨立而分散的，不像其他課程章節之間具有內在聯系。現有的大部分教材還是以確定性的算法為主，沒有把握目前很多主流算法的特點，比如動態規劃法求解背包問題等。事實上，求解這類NP 問題已不再采用這些確定性算法，而是采用現代優化計算方法，比如神經網絡、遺傳算法、蟻群算法等。總的來說，適用新工科發展的并行算法、隨機算法、近似算法、加密算法、智能優化算法介紹較少。不優化教學內容及合理組織，就無法與當前社會的實際問題相聯系。

2.3 習題和實踐教學內容缺乏現代應用元素，使學生喪失學習動力

目前，有部分高校教師常年講授一門課程，課件、習題、授課內容基本不變或變化不大，實驗和課程設計題目也常年不變，與智能科學、通信、控制、信息技術、通信技術等新工科內容聯系不緊密［1］。而計算機信息類學科是日新月異的，若不緊跟時代需求，造成的后果是學習的知識和實際應用有一定脫節，無論是面向考研課程的復習，還是面向工作的刷題訓練，都有無從下手的困惑。不進行實踐教學改革，更新教學內容，改變知識陳舊的局面，就無法掌握計算機網絡、人工智能等信息時代的新技術和新技能。

2.4 課程考核方式不完善，考核對學生正確的引導力喪失

課程的期末理論考核以筆試方式進行，學生一般只需掌握幾個經典算法的流程和基本概念就可通過考試，缺乏課堂討論以及項目成員間互動學習等過程性考核。由于教學計劃不能輕易改動，因而作業內容也是常年一樣，完全忽略了面向新工科的新型信息、互聯網、智能等內容的設計性和綜合性實驗，并且由于程序冗長不易檢查，很多學生都是復制代碼，完全缺少創造性思維。

3 圍繞新工科建設進行教學改革

3.1 線上學習與課堂講授、研討式相結合的混合式教學模式

在新工科背景下，理工科學生學習算法的目的不僅僅是理解算法理論，而且還要運用算法設計策略解決自身所學專業中遇到的問題。新工科建設必須不拘束于傳統教學內容，在學習新知識、了解新算法的基礎上促進多學科交叉和深度融合。教師在教學過程中應始終貫穿這條主線，做到重點突出、統籌兼顧。在傳統的基本算法技術（比如貪婪算法、分治策略、樹搜索策略、動態規劃等）教學過程中積極引進當前的熱點問題，務必保證計算機算法課程緊跟時代，從而激發學生學習興趣。采用預習環節的線上學習、課堂環節的講授與研討式相結合、課后多元化作業的混合式教學模式，給予學生更多的參與和任務，可以培養學生的計算思維［2-4］。教師給學生預設可以發揮學科綜合優勢、面向未來新技術和新產業發展、推動學科交叉融合和跨界整合的主題。

3.2 優化教學內容，突出問題驅動，兼顧經典算法與現代優化計算方法

根據新工科人才培養要求，結合新興專業和行業的發展狀況，精選教學內容，突出重點、難點，簡化抽象理論知識，突出問題驅動、工程案例教學，理論與實踐緊密結合，對課程體系進行整體優化和融合。在具體的操作上，可以設定一些可用多種方法解決的問題，同時要求自學一到兩個新工科背景下的算法和技術，比如模式識別算法、神經網絡算法、遺傳算法、網絡優化、云計算等。讓學生組成小組，實現具體問題的求解，每組的算法、編程環境或者硬件實現環境不同，從而從不同角度比較算法的優劣，比如三個不同的算法的比較，同一算法采用三種不同的編程語言，時間復雜度高的算法運行在好的機器上，而時間復雜度低的算法運行在差的機器上。

以算法分析與設計課程中經典算法與問題為核心，精選課程設計內容，結合移動互聯網、云計算、大數據、定位導航、軟件開發等設置多學科交叉融合的項目，嚴格控制選題人數（每課題3～ 4 組，每組2～ 3人），保證小組之間的競爭與交流合作。讓教師成為“導師”，讓課本成為“文獻”和“參考書”，提高學生適應變化能力與工程創新能力。例如，結合“Voronoi 圖的構造”和新工科內容，設置課題：基于Voronoi 圖的近鄰優化聚類算法、基于Voronoi 圖的3D 打印輕量化結構設計、基于Voronoi 圖與博弈策略的多無人機軌跡規劃等。再例如，與云計算、互聯網技術相關的求解無向帶權圖的最小割隱私保護問題、求解TSP 問題的量子計算算法設計、物聯網下大數據隱私保護等。

3.3 建立研究型實踐教學模式，開展持續性創新活動

大數據和AI 時代的到來，僅僅了解一些基本算法是遠遠不夠的。更新優化實踐環境和內容，引導學生了解智能時代和信息時代的流行技術，研究信息領域的前沿問題很有必要。設置多樣化課題，學習物聯網、人工智能、區塊鏈等技術，培養學生在理解現有算法的基礎上，進一步結合實際，設計算法、解決復雜問題。采用優秀學生的典型工作展示，經驗共享，鼓勵學生利用PPT、動畫、錄屏等方式向同學們展示自己的研究實踐成果。學科競賽對提高學習興趣、激發學生潛能發揮著重要作用［5］，在競賽和等級考試中不僅能充分體現學生的實踐能力，而且目標更明確，同時有實際的利益驅動，學生更樂于參加這一類實踐活動。

新工科背景下，要求學生在畢業時掌握全面深入的專業知識以適應人才市場的需要，持續性創新活動是保證學生具有較強的處理復雜問題能力的根本途徑和方法。從本學院創新性實驗，延續到算法課程設計，鼓勵優秀學生申報大創項目、互聯網+，參加軟件大賽、數模競賽，發掘具有科研潛質的學生進行科教協同項目，進行研究性學習［6］，撰寫科技論文，最終在畢業論文中精化升華。

3.4 多元化作業任務

預習作業：布置學生了解算法課程的多個主題背景，了解數學家和計算機科學家的傳記，對算法做出過的重要貢獻等。課前列出本節的關鍵術語和結論。課后作業：鞏固算法基本知識，結合實際應用，每周布置一次課后作業，采用比分級制更客觀的百分制批閱方式。計算機作業：布置計算機課題，學習Maple 符號計算軟件，編寫程序，完成計算和探索性的問題。寫作課題：完成一次寫作課題，需要學生查找原始資料，參考數學文獻，把數學概念和寫作過程結合起來，幫助學生面對未來可能的研究領域。

3.5 完善考核方式，培養學生綜合能力

傳統考核通常以期末卷面成績為主，結合考勤和課后作業，由于算法課程沒法在最后的期末考試中考查學生的實踐能力，大多還是以記憶性題目為主，學生缺少算法設計能力和思考創造能力也一樣可以過關。為全面考核學生的學習能力，需調整期末考試成績和平時過程性考核的比例，讓學生更重視平時的學習和積累，不要產生大學考試都是最后突擊的想法。比如出勤率、回答問題、閱讀文獻、論文綜述、編程作業、競賽等都可以作為過程性考核的內容。通過學術論文翻譯大作業、算法設計問題程序設計大作業、視頻報告等方式展示學生的學習成果。

3.6 課程形成性評價

加強教學過程管理，深化課程考核方式、方法改革，科學評價學生學習效果，引導學生從以知識學習為主向能力、素質為主的方向轉變。全面了解學生的學習情況，及時給學生反饋，注重平時的學習和積累，對學生客觀地進行過程性評價。

具體來說，為了解學生的知識學習情況，設計平時作業，可以采取問答題、簡述題、小論文、研究報告等多種形式。為了及時了解學生的學習狀態，在單元結束后開展階段性的學習測驗，可以采取期中考試、單元測試或隨堂考試等。為調動學生學習的主動性，幫助學生多角度理解、運用知識，積極思考和解決問題，加強學生的綜合思維分析能力，可以根據課程教學安排專門設計的綜合性大作業，由于課程性質的不同，綜合性大作業可以采取專題學術論文、專題調研報告、案例分析等多種形式。為關注學生課堂上的精神狀態、專注度、互動性、積極性，可以對課程的重點難點進行課堂討論或課堂提問。為培養學生的溝通表達合作能力，將學生組成若干個學習小組，設定學習任務，小組成員互相合作完成學習任務。為加深學生對理論知識的理解和運用，結合教學內容組織學生開展課內外實踐活動，教師根據學生在活動中的綜合表現、知識掌握情況、知識運用程度及動手能力等進行成績評定。

注重課上和課下的教學過程考核，根據算法設計與分析課程的特點，采取多樣化的過程性考核，包括線下作業、隨堂算法設計、算法實踐大作業、團隊形式的人工智能問題求解、科技報告等。關注個體差異性，及時調整策略，幫助和促進學生更好地學習。

4 結 語

通過實施本項目，研究信息與計算科學專業算法設計及分析的理論教學和實踐教學新模式和新內容，提高教學質量，盡可能地發揮算法課程在新工科人才培養過程中的基礎作用。通過將算法分析、設計課程內容與創新實踐活動相結合，利用信息與計算科學專業學生數學基礎扎實等優勢，培養學生自主抽象問題、解決問題、掌握新方法、學習新技術的能力，使其成為新一代信息技術產業復合型人才。