圍繞解決問題能力培養的“群體智能”課程體系分析

熊 南

寧波工程學院網絡空間安全學院 浙江寧波 315211

自然界中，低等社會性生物群體層面上展現出智慧的現象廣泛存在，人們受到這些想象的啟發，提出了群體智能[1](Swarm Intelligence，SI)概念。SI實質上是人工智能(Artificial Intelligence，AI)范疇中一類重要的求解復雜問題方法，在機器學習、大數據、物聯網、隱私安全和博弈論等多領域都取得了廣泛應用[2]，也是最具發展前景的AI前沿研究領域之一。

目前，國內重點大學，尤其是應用型大學中，可供參考的“群體智能”相關精品課程還非常少[3-4]，但國內外學術界對SI理論及應用的研究卻大量涌現。就目前寧波工程學院網絡空間安全學院計算機科學與技術專業課程方案而言，新開設的“群體智能”與已經較為成熟的“人工智能導論”相比，它們既存在聯系但又應有本質區別，后者是一門AI多個子領域研究結果及方法的通識課程，屬于知識點羅列式、平面型的課程建設體系，不利于目標問題導向式教學[5]，不利于學生提高應用實踐能力。而“群體智能”課程目標設置為學生掌握群體智能的基本概念、基本原理和典型算法[6-7]，并著重使學生具備應用群體智能算法解決復雜工程中專門問題的能力。

為滿足應用人才的市場需求，本文以“群體智能”課程為研究對象，以解決問題能力培養為中心，以課程學習目標為教學動機，進行課程教學內容體系的分析研究。

1 “群體智能”課程目標分析

寧波工程學院作為一所以應用型為發展目標的大學，注重培養學生具有較強的實際問題解決能力。因此，“群體智能”課程目標應當是以問題為導向，縱深式地展開知識學習和能力養成，以培養具有較強應用研究、能解決實際問題的復合型素質人才。

應用型本科背景下，本文提出“群體智能”課程建設目標：建立一套以優化建模問題為導向，以基本搜索理論和SI算法求解為核心，以工程優化設計實例解決方案為依歸的課程體系，以期滿足應用型本科大學對計算機專業學生運用所學知識解決實際問題能力的較高要求。因此，貫穿本課程的主線為問題→基本思路→具體方法→應用實踐，即分別對應于四大知識板塊：優化問題、搜索技術、典型SI算法和工程應用。每個知識板塊之間存在耦合關系，即分別是從發現問題到解決問題的思辨關系、從一般到特殊的推理關系和從理論到實踐的發展關系。三種結構化關系將四大知識板塊如金字塔一般立體化，從而形成以優化問題為底層，以搜索理論和SI算法求解為中層，以實際工程問題解決為頂層的縱深式知識脈絡，如下圖所示。

三種結構化關系猶如血液，四大知識板塊猶如人體臟器，血液流動暢旺，人體臟器才能精盈飽滿。因此，清楚解析三種不同結構關系是本課程知識體系編排及教學實施的難點，決定了課程知識點是否能做到有機地融為一體，決定了學生能否融會貫通不同知識板塊和領悟課程主線。

2 “群體智能”課程體系分析

“群體智能”首先教授運籌學與最優化等數學背景知識。然后，以生物界群體涌現宏觀現象(例如雁群南飛、螞蟻群采集食物、狼群捕獵等)等生動例子為切入口，通過建模、演繹，學生可以掌握SI搜索方法找尋優化問題最優解的本質，并理解其與傳統搜索方法的異同。同時，注重結合群智能方法的遷移性，運用類推等手段，使學生能觸類旁通其他新近出現的SI算法。最后，結合實際工程中連續型和離散型優化問題模型實例，通過建模、分析和SI算法程序調試實現特定目標問題的尋優求解，以提高學生解決實際問題能力。基于上述分析，將“群體智能”教學內容分為以下三個部分。

2.1 基于最優化建模的問題導入

為服務課程目標，力求突出問題導向型的課程模式，以最優化問題為知識背景，引出我們課程所要解決的問題是什么及其模型是怎樣的(建立學生的定性認識)，使課堂教學機制適應縱深式課程建設的需要，符合“解題式”課程教學改革規律。具體來說，該部分將強調實際工程中優化問題的復雜性(多維、非線性、多約束等)，有選擇性地整理和重組優化建模方面預備理論知識，主要包括優化模型三要素概念及性質：優化目標、控制變量和約束條件，并結合當下社會熱點事件中的優化建模實例，例如義務教育階段就近入學問題等。這部分理論知識難度不大，關鍵在于如何使學生能善于運用數學語言對給定問題進行模型描述與提煉。

2.2 基于生物群體隨機搜索的主體內容

該部分內容包括優化問題解決方法有哪些以及具體是怎樣的，即要解決如何找到優化模型的最優解這一問題。課程將以搜索為關鍵詞，科學地編排主體知識。在此過程中特別強調以下三點：其一，闡述搜索與隨機搜索及其之間的包含關系，盲目和啟發兩類搜索方法的對立關系。其二，以生物群體覓食等自然紀錄片(國內外影視資源搜集)為興趣激發點，引導學生運用數學知識對自然界搜索現象進行抽象和刻畫，從而發掘其背后的規律。重點強調生物群集現象建模過程中使用的啟發因子，以呼應搜索原理中啟發信息概念。其三，在經典SI算法基礎之上，面對層出不窮新SI算法發展形勢，采用以點帶面的學習策略，積極引入相關衍生算法和其他SI算法(例如鯨魚優化算法、灰狼算法等)，從而拓寬知識點的張力面。剖析這些新算法與經典SI算法的異同之處、能否統一化等問題，養成學生的分析概括能力?？梢钥吹?，“群體智能”課程體系的核心內容具有非常強的邏輯性。

2.3 針對工程優化設計問題的實戰性教學

為了使2.2中理論走向實踐，該部分圍繞解決特定工程優化問題為中心任務，進行實戰性教學。首先，以標準測試函數為例，進行基于C語言的詳細算法設計講解。然后，考慮更一般的優化模型，例如增加線性或非線性約束條件、目標函數變為多個等，或考慮SI算法的改進，例如粒子群變異機制、螞蟻信息素更新機制等，同時將學生分組，每一組完成一個設計任務，采取匯報形式考查學生運用C語言解決課程發散問題的能力，在答辯環節中特別注重錯誤和求解效果變差的原因分析，培養學生的思辨能力。最后，給定復雜工程優化設計需求，要求學生獨立提交完整課程設計報告，并對報告進行質量評價。實戰教學過程既注重激發學生的團隊合作，又強調獨立思考，有利于促進學生深刻領悟“群體最優”與“個體最優”之間區別和聯系。此部分難度在于高效組織課上課下的小組活動，讓每一個學生在思維跟上來的同時，手也要動起來。

3 “群體智能”課程教學實施過程分析

在確立了課程知識體系后，接下來關鍵一步是課程教學實施。傳統的教學設計過程中，課堂教學力量往往集中在記憶知識點、公式計算等方面，學生常常感覺枯燥乏味，更遑論提高學生課堂參與度。在這種情形下，培養學生解決實際問題能力的教學目標成為一句空話。為此，本文以“粒子群優化”這一章的教學內容為例，從教學方法和學習評價兩個方面來探究問題解決能力養成實現?！傲Ｗ尤簝灮币徽率谡n內容涵蓋標準粒子群算法、改進粒子群算法和算法評估，其中改進部分有四個方向，分別為對參數(慣性權重、加速度常數)的改進、對位置和速度更新公式的改進、群體組織結構的改進以及與其他算法的結合；算法驗證部分包括實驗驗證和理論證明。

對于計算機專業大多數課程來說，基于傳統教學理念的教學設計方案通常是以老師主動講和學生被動聽為主，“群體智能”課程教學也遵循這個最基本原則。然而，想要切實提高學生解決實際問題的能力，僅依靠傳統教學設計和考評方法是遠遠不夠的。創新性教學設計有利于提高學生對課程知識內容的系統性掌握，有利于增強學生運用群體智能算法工具解決實際優化問題的意識和能力；創新性考核方案有利于發揮學生在課堂的主人翁精神，有利于全過程化地調動學生學習的積極性。因此，在“群體智能”課程的教學實施過程中，最為核心的是對教學設計和考核方案進行創新。

3.1 教學設計方法分析

(1)基于網絡資源的課堂教學補充。群體智能是受自然界生物群體行為啟發而被設計出來的算法，但教學者對大自然的體驗程度不同，且語言或圖片難以產生具有視覺沖擊力的感性認識?，F今，互聯網視頻平臺和網絡教育快速發展，因而完全可以借助于優質的網絡視頻對課堂內容進行補充，例如紀錄片《遷徙的鳥》中，鳥兒的覓食和躲避天敵等畫面是粒子群算法中粒子慣性和粒子越界的生動刻畫。在借助網絡視頻資源的同時，老師要特別注意學生從感性認識到理性認識的跨越，既能從紀錄片中抽象出一般的規律(粒子速度和位置更新的數學公式)，又能從紀錄片中體會數學公式之美(即鳥群行為與形象的物理意義)。

(2)激發學生創新力的項目化作業設計。圍繞解決實際問題的教學目標強調以學生具備多大能力來逆向反饋教學過程，因此需要激發學生的主動性、創新和興趣。在此借鑒項目化作業設計思路，不去設定標準答案，并將作業的設計權交給學生，最大化學生完成作業的自由空間，從而激發學生的創造力。

例如，在“粒子群優化”中作業設計中，老師布置查找科研文獻、總結粒子群算法改進的方向，思考改進方向所對應的現實物理場景意義，進行計算機模擬與仿真等一體化的作業。在任何一個環節，學生多角度綜合運用工具完成開放型作業，老師只提出指導意見，并鼓勵學生做出系統且有條理的作業文檔。在進行計算機模擬與仿真時，以5人一組，通過課后小組討論的方式要求學生對組內結果進行比較，分析改進的優勢和劣勢分別是什么，從而鍛煉學生的問題判斷能力。

(3)傳統課堂與翻轉課堂相結合。傳統課堂教學方式的優點是可以快速、直接傳授學生本課程知識點，但其比較難于解決知識的綜合應用和融會貫通等方面的問題。因此，傳統課堂上有機穿插翻轉課堂有助于單一教學模式的取長補短。在翻轉課堂中，學生獲得較大程度的學習決定權，可以使學生在被動接收知識的同時，主動思考自我感興趣的內容。將翻轉課堂有機融入傳統課堂，不僅可以及時反饋學生們對知識點的掌握程度，更重要的一點是可以潛移默化地塑造學生的探索能力。

例如，考察粒子群算法的時變慣性權重對搜索速度等指標的影響，不設置正確的標準答案(可能是速率加快，也可以是速率減慢)，要求學生基于Matlab軟件和PPT，對測試結果進行展示、論述和分析，并回答出現不同結果的可能原因，讓其他組學生進行提問，互相進行觀摩。此外，還可以對算法執行過程進行情景演繹，比如每個學生模擬一個粒子尋優解的行為等，增強知識的趣味性。

3.2 課程考核與評價創新

傳統課程考核方式大多采用平時成績和期末考試成績的加權求和，然而這種比較機械化的課程考核方式并不有利于全面準確評價學生實際應用能力和解決問題能力，無法體現學生在實戰性教學階段對“群體”與“個體”之間關聯的理解，同時也難以體現學生在合作環境下動態認知。基于以上原因，本課程采用了平時成績40%(即項目化作業)，開放式任務成績25%，課程設計報告35%的綜合評價方法。其中開放式任務在每一章項目化作業完成后進行，將學生每5人自由組成一組，共同完成一個開放式任務，教師則根據學生答辯的合理性、正確性進行打分。

4 結論

應用型本科教育優勢在于培養具有實踐與理論并重的應用研究型人才。本文以解決實際問題能力培養為中心，對“群體智能”課程體系進行了分析，提出了以優化建模問題為導向，以基本搜索理論和SI算法求解為核心，以工程優化設計實例解決方案為課程建設目標，并對課程體系和教學實施過程進行了詳細分析。通過引入網絡視頻資源、布置項目化作業、開放式任務和適時進行翻轉課堂，創新地對學生學習、合作、思辨等素質進行鍛煉，從而有效培養具有應用群體智能解決實際工程優化問題的創新人才。