粒子群優(yōu)化算法的改進及其在教學(xué)評價系統(tǒng)中的應(yīng)用研究.pdf

1、粒子群優(yōu)化算法作為一種智能算法自誕生以來，憑借其結(jié)構(gòu)簡單、收斂性強等已被廣泛的應(yīng)用到實際問題中，特別是對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化。針對于傳統(tǒng)的粒子群優(yōu)化算法收斂速度過慢和容易陷入局部最優(yōu)的缺點，提出基于均值的粒子群優(yōu)化算法。通過選擇算子篩選出高于平均適應(yīng)值的粒子進行進化，從而提高粒子的收斂速度，對全局最優(yōu)粒子的位置進行擾動以減小算法陷入局部最優(yōu)的幾率，實驗證明這樣的改動是有效的。文中總結(jié)了近些年國內(nèi)外教學(xué)評價的理論成果，列舉了幾種不同的教學(xué)評

2、價標(biāo)準(zhǔn)，并提出了一些新的看法。
　　 從古至今“教學(xué)評價即一直是困擾著無數(shù)教育工作者的永恒命題。如何評價一個學(xué)生，一個老師其實是一個很難的問題。優(yōu)秀的學(xué)生未必獲得好的評價，教條式的老師往往被奉為圣人。教學(xué)評價應(yīng)該從哪里入手?有沒有定勢能遵循呢?文中回顧了過去有關(guān)教學(xué)評價的理論，比較了國內(nèi)外教學(xué)評價的特點，并給出了自己的見解。
　　 見于在評價在教學(xué)過程中標(biāo)準(zhǔn)的不唯一性，結(jié)合人工神經(jīng)網(wǎng)絡(luò)中的BP網(wǎng)絡(luò)提出了一種廣義教學(xué)評價模

3、型，對不同的標(biāo)準(zhǔn)參量值在范圍上、數(shù)量上進行統(tǒng)一化，通過訓(xùn)練動態(tài)的修改各神經(jīng)點上權(quán)值，以達到不同評價標(biāo)準(zhǔn)下訓(xùn)練的規(guī)范性及最終識別的統(tǒng)一性。針對BP網(wǎng)絡(luò)訓(xùn)練時緩慢，容易產(chǎn)生結(jié)果不一致性等缺點，引入基于均值的粒子群優(yōu)化算法進行優(yōu)化，通過實驗對比說明此算法比起傳統(tǒng)的梯度下降法的高效性。最后把此算法運用到實際的教學(xué)評價系統(tǒng)之中。
　　 論文的主要創(chuàng)新點有：
　　 1.提出一種新的粒子群優(yōu)化算法的改進算法——基于均值的粒子群優(yōu)化算法