民族高校研讨式教学的探究

　　自20世纪60年代以来，随着计算机技术的发展，人们开始试图用模仿生物进化过程而发展出随机优化技术来解决传统的优化算法中难以解决的复杂问题。如通过模拟生物界优胜劣汰的遗传算法；借用生物学中神经网络的人工神经网络；基于生物遗传规律的DNA智能算法。我们把通过学习自然界各类生物的进化特点，创造和构建的求解优化问题的各种方法合称为智能优化算法（简称智能算法），它是目前求解优化问题的主流方法。
　　一、国内高校关于智能计算的教学现状
　　《智能计算》是涉及到高等数学、高等代数、统计学及编程语言的一门数学类专业课。这样无论是数学专业的学生还是非数学专业的学生大都认为《智能计算》是一门比较抽象、难以理解、难于应用的一门学科。从而导致一系列的问题。目前智能计算的教学现状如下：
　　（一）理论和实验的课时比较紧，实验场地不足
　　很多高校多把《智能计算》做为一门高年级的选修课。由于高年级学生面临毕业找工作，考研等原因，大部分学生不会去认真学它，只是把它当做凑够学分的手段。况且学好该课程需要掌握的知识比较多，这些给教学带来很大的难度。另外，多数高校存在教学用的实验室场地不够，教学软件缺乏的现象。这些导致学生学习积极性普遍不高，得过且过的心态较多，没有真正把它作为一种敲开就业大门的一种有效手段来学习。
　　（二）专职实验教师缺乏
　　多数院校的实验室没有专职的实验员，而是由专任教师兼任。这与《智能计算》这门课要求多做编程实验，多与实际生活中的优化问题联系起来不相称。
　　（三）缺乏高质量的实验案例教程
　　不少学校存在忽视学生关于《智能计算》在处理优化问题方面的演练。综合实验教学简单地编制一些小程序，实验内容单一，不能很好地紧跟现代企业的需求，致使毕业生找工作时，即使遇到一些好的现代企业，因为动手能力太差，不能适应企业的要求。
　　二、对《智能计算》的理论与实验进行研讨式学习的必要性
　　民族高校的学生由于地域和文化的差异性，他们的基础参差不齐，专业基础课掌握不扎实，知识比较零散。这些导致较多学生的动手能力较差，不能独自胜任编制算法程序，即使能够写出程序，也将耗费大量的时间，给学生的学习积极性造成伤害。而研讨式学习可以充分利用集体的智慧和力量，对书中比较复杂的算法进行共同学习，在讨论、研究中清楚每种智能算法的基本原理，提高编制智能算法程序的能力，极大地提高了学生的学习积极性。
　　三、研讨式学习智能计算的优势及可行性
　　研讨式学习可以克服学习中遇到的一些困难，它具有下列优势：
　　（一）可突破时间限制
　　改变《智能计算》只能在规定的教室完成的传统观念。学生在校园内可以充分利用学校的网络和课余时间，随时、随地完成多个智能算法的理论和实验工作，可避免实验室软硬件不足、场地小等限制，极大提高学习的效率。
　　（二）可有效增加智能计算的种类
　　学生可以根据自己对多种智能算法的掌握情况，可选择一个或者几个算法进行实验，甚至可以走出校园参与企业优化设计或大学生建模大赛，从根本上解决实验内容单一、实验效果难以保证的问题。
　　（三）可解决实验指导教师师资力量薄弱的问题
　　通过研讨式学习，教学相长，在交流中实现理论和实验能力的提升。
　　（四）可节约实验的成本
　　研讨式学习可以在课堂、宿舍、图书馆里实施，可减少实验室软硬件维护费用。解决数学类学生在选修课或者任选课以理论课为主、实验教学难以进行的瓶颈问题。也可适当地开放实验室，更好地服务于教学。
　　四、研讨式学习智能计算的实施要点
　　（一）研讨式学习的主要思路和步骤
　　1.将共同研究学习的经验运用到《智能计算》的理论教学中，逐步研究学习智能算法中的每一个算法，搞清每个算法的基本理论。
　　2.将大学生建模大赛的共同攻克难关的经验运用到《智能计算》的实验教学中，既可控制智能算法实验的进程、保证实验的效果，还可以让学生在校内通过相互交流，相互学习自主参与积累丰富的实验经验，为学生尽快就业做好知识上和能力上的准备。
　　3.跨专业、跨学校组建专业的QQ交流群，集思广益，共同提高。
　　（二）主要步骤
　　1.明确《智能计算》的教学目标，将选修的学生分为多个学习小组，在教学过程中进行分组自主学习为主，教师当场辅导的方式，逐步学习智能计算中的每一个算法，不求内容的广度，追求对其中的一个算法或者多个算法进行掌握的深度，先从理论上突破。
　　2.准备智能计算实验所用到的文字相关资料。如：我们事先根据《智能计算》编写了课程的教学大纲、教学计划、实验指导书。实验指导采用电子版或纸质的均可。同时，还将准备好的课程相关参考资料、重要的初级编译程序和上机作业题等上传到网络教学平台或者组建的QQ群。供学生自己按自己掌握知识的多少进行学习。
　　3.组建班级《智能计算》QQ群，要求每个学生要参与其中。推荐智能优化领域比较著名的网站和网络论坛，鼓励学生加入。
　　4.根据理论课的教学进度、通过适时发布《智能计算》中的每一个算法的实验进度。针对《智能计算》的教学特点，根据学生对算法的理论和实验的掌握情况，分多个小块，如：遗传算法、粒子群算法、禁忌搜算法等制定最终的分散学分评价机制。
　　研讨式学习自古有之，俗话说“三人行，必有我师”。针对我们这样的一所民族高校的实际情况，开展研讨式学习确实有它的必要性。实践证明，这样的研讨式教学在师生互动、学生间相互学习、同行间相互交流创造了较好平台，教学效果得到了良好的体现。
　　参考文献：
　　[1]钱敏平，龚光鲁.从数学角度看计算智能[J].科学通报，1998（16）.
　　[2]周永权.“智能计算”研究生课程教学方法与实践[J].计算机教育，2011（3）.
　　[3]董昊悦，高传喜.建构主义教学模式理论与实践[J].教学与管理：理论版，2008（10）.
　　[4]王凌.智能优化算法及其应用[M].清华大学出版社，2001.