文摘

信息时代的背景下,科学研究和工程实践蓬勃发展,导致许多复杂的优化问题,很难解决。如何设计更有效的优化方法已经成为迫切的解决方案在很多学术领域关注的焦点。这种需求的指导下,出现了智能优化算法。本文分析和优化现代人工智能教学信息系统的细节。确定网络体系结构的基础上,进行了详细的需求分析,和网络的整体结构优化;业务流程和数据流的主要网站的模块(资源中心模块和协作学习模块)进行了优化。为了进一步提高算法的局部搜索能力,多级交互式优化算法结合欧几里得基于距离的聚类方法,改变教学模式从“单人教学”到“多人教学。“这聚类方法具有较低的复杂度和有利于加强社区信息的利用率。同时,为了提高人口的多样性,加强子组之间的联系,在教学阶段,每小组中最糟糕的学生被允许学习最好的老师的人口,和学习阶段后,个人在一个随机的小组被允许从其他的子组。无约束的算法在实验环境中进行了测试,限制,和一个工程问题。从测试结果可以看出,该算法不易陷入局部最优。 Compared with other algorithms, the solution accuracy is higher and the stability is better. And it performed well in engineering optimization problems, thus verifying the effectiveness of the strategy.

1。介绍

与人工智能技术的不断发展和成熟,改革和发展的趋势正在加速“人工智能+教育”,和课堂教学的形式和内容继续扩大和深化,尤其是智能校园建设和智能教室和课堂管理中小学教师(1,2]。面临这巨大的挑战在实践中,中小学校越来越多的关注中小学教师的课堂管理能力发展的教育改革。在整合的过程中人类智能技术与课堂教学和课堂管理,协调和操作等方面的技术条款和以后需要改进3]。同时,智能机器永远不能代替教师,因此教师需要与人工智能实现良好互动教学和管理设备和注意与学生互动交流和情感沟通。遗漏和缺陷在任何环节不能实现优势互补,完成高效课堂(4]。

每一个变化在教育技术将给教师的发展带来机遇和挑战。人工智能技术出现并进入教室作为一个颠覆性的改变,因此它将面临许多问题在具体实施操作5]。因此,只有通过澄清人工智能技术的新要求对教师的课堂管理能力和不断提高中小学教师的课堂管理能力在此基础上,教师的专业发展可以真正意识到,和老师可以摆脱害怕被取代了人工智能(6]。从知识管理的角度,使用各种理论、策略、工具、和技术知识的管理、教育信息资源收集的各种形式将专业组织,和资源的内容将进一步处理和优化。系统集成与流程管理实现增值的目的教育信息资源和弥补缺点和不足在当前教育信息资源管理(7]。

本文主要分析和优化人工智能教学信息系统的细节。确定网络体系结构的基础上,首先,进行了详细的需求分析,和网络的整体结构优化;然后,业务流程和数据流的网站的五个主要模块进行了优化;网站的数据库优化。为了提高TLBO优化精度低、稳定性差的问题,本文介绍了一个基于欧氏距离的聚类方法和两个新的学习方法TLBO的基础上,提出了一种多级互动式的教学优化算法。该算法可以有效地提高算法的局部搜索能力,加强子组之间的信息交互,大大提高信息的利用率的人口社区,并避免“落后”或“过早”子群的进化。它结合了欧几里得基于距离的聚类方法和TLBO的优势,和所有的策略都是基于学校的实际教学实践,这符合群体智能优化算法的特点。数值实验测试函数无约束和4 6日约束和教育信息系统优化问题表明MCITLBO改善了优化精度和稳定性与其他算法相比,MCITLBO的运行时间和TLBO比较,验证本文提出的方法的可行性。

2。相关工作

深入发展的人工智能技术在教育中的应用,无论教育改革的概念、教学模式和学习方法,教师被要求注意改善和发展他们的专业能力8]。作为一个重要组成部分,教师的专业能力,教师的课堂管理能力影响课堂教学的质量和教学目标的实现。但在文献检索和梳理,几乎没有学者进行研究的发展小学和中学教师的课堂管理能力在人工智能的时代9]。近年来,人工智能的集成和教育越来越深。人工智能已经开始进入小学和中学的教室。作为一种新的教学技术协助教师课堂教学和管理,它有一个对课堂管理的各个方面产生深远影响。传统的课堂管理的概念和方法将经历一个根本性的改变,这无疑提出了新的和更高的要求在小学和中学教师的课堂管理能力(10]。因此,如何促进教师的课堂管理能力的发展适应课堂教学和管理实践在人工智能的时代已经成为未来研究的新方向(11]。

虽然人工智能技术在教育教学中的应用正处于初步阶段,还面临着许多技术和概念问题,迫切需要解决。然而,不可否认的是合作教学模式的“人工智能+老师”已经是未来课堂教学的必然趋势。这将对未来课堂管理也有很大的影响在很大程度上。未来课堂管理是一种管理不同于管理,只有依赖于教学的老师。它将发生根本性的变化,也会影响教师。课堂管理能力提出了不同的要求。然而,在现有的文献中,对教师发展的研究人工智能的时代主要集中在教师角色的三个方面的变化,师生关系,教师专业发展,大部分都是理论研究,缺乏经验数据的支持(12,13]。虽然现有的研究关注教师的发展人工智能的时代,它也提出了很多策略和方法来促进教师发展,但研究的范围相对较大,提出了相对的发展道路的理论,即。,缺乏实际的可操作性,很难适用于教学实践。很难真正促进教师的发展。同时,它可以发现几乎没有研究者关注发展的小学和中学教师的课堂管理能力的过程中人工智能教学,但教师的课堂管理能力影响整个课堂教学效果(14]。

后梳理和总结的方法和策略,教师的课堂管理能力提高,可以看出,教师主要是通过各种方法实现转换教师管理等概念,职前培训,课堂环境的创造和制定课堂规则来防止和解决课堂问题行为。相关学者的分析和讨论当前形势,存在的问题,导致中等职业学校教师的课堂管理能力通过样本调查并提出相应的改进措施。研究人员认为,改善农村教师的课堂管理能力,有必要进一步加强培训在处理学生问题行为,帮助教师掌握问题行为预防和干预能力,并建立一个学习社区农村教师,充分发挥优秀教师的示范和带动作用。文化氛围不断提高农村教师的工作满意度。相关学者划分影响因素的形成教师的课堂管理能力为内部和外部约束。具体地说,内部约束包括教师的个人成长经历,教师的专业素质,和教师的人格魅力;外部因素包括学生的个性特点和需求,社会意识形态、学校管理哲学,和学校的管理哲学。教师应提高自己的课堂管理能力和培养全面的课堂管理意识和管理技能和方法,构建一个反映课堂的管理风格,并满足学生的需求。

人工智能进入教育教学领域将不可避免地产生某些影响教师的专业发展,呈现一个机遇和挑战并存的局面。相关学者提出,人工智能的应用领域的教育也会影响教师的教学技能、教育思想、教学策略和教学方法,和专业素质,影响教师的专业发展15]。研究人员分析了机会,教师专业发展人工智能的时代,提出了一种新的指导教育模式;精密教育教学方法和无处不在的学习教学方法为教师专业发展提供新的机遇(16]。相关学者提出,人工智能的应用教学真正解放教师,可以教学生依照他们的资质17]。此外,教师将由人工智能压力和接受一种“隐形”的推动。一些学者进行了研究如何促进教师的专业能力在人工智能的时代18,19]。主要分为三种方式:由教师自己内部晋升,外部推广的教育环境和内部和外部协作。然而,更多的学者可以从现有的研究。第一个方面是专门探索人工智能教师的专业发展。相关学者提出的“第二机器时代”的特点是人工智能,教师必须改革现有的思维模式和教学方法,学会配合人工智能,和产生更多的情感教学与学生的互动20.]。有关学者指出,人工智能的时代,教师不是消除必须实现三个重要变化:课堂教学的知识创新一代的教室;从关注当前学习的有效性学生终身学习能力的培养;从学生的学习。研究人员提出,在人工智能的发展,高职院校教师应探索更多的创造性的教学活动,改变传统的教学观念,和更多的关注转移到教学实践;同时,他们不断地更新和提高自己的知识和能力。相关学者提出通过建立多样化的教师选择的机制,他们关注教师的价值差异;培养教师的技能在处理人,发挥其社会属性、心理属性和心理值;利用资源和培养教师的能力(21]。

3所示。Web服务基于本体推理方法

3.1。Web服务

Web服务是一个应用程序逻辑单元,为其他应用程序提供数据和服务(22,23]。通过标准web应用程序获取web服务协议和数据格式,比如HTTP、XML和SOAP。每个web服务的实现是完全独立的。Web服务的优势是基于组件的开发和Web开发的核心是微软的。net程序优化模型。

Web服务是一个自包含的、不言而喻的和模块化的应用程序,可以发表,,从网络上的任何位置和调用。Web服务可以执行任何功能请求从简单到复杂的业务流程(24- - - - - -26]。一旦部署web服务,其他web服务应用程序可以发现并调用部署服务。

web服务体系结构是基于三个角色之间的交互(服务提供者、服务注册中心和服务请求者)。交互涉及到发布、查找和绑定操作。这些角色和操作web服务组件一起工作:web服务软件模块及其描述。在一个典型的情况下,服务提供者主机软件模块(web服务)的实现,可以通过网络访问。服务提供者定义了web服务的服务描述并将其发布给服务请求者或服务注册中心27,28]。服务请求者使用搜索操作从本地或服务注册中心检索服务描述,然后使用服务描述和服务提供者绑定和调用web服务实现或与之交互。服务提供者和服务请求者的角色是逻辑结构,所以服务可以呈现出两个特点。图1显示了这些操作,提供这些操作的组件,它们的相互作用。

服务注册中心是一个可搜索的服务描述注册服务提供者发布他们的服务描述。在开发静态绑定或者执行动态绑定,服务请求者搜索服务和获得服务的绑定信息(在服务描述)。静态地绑定服务请求者、服务注册中心是一个可选的体系结构中的作用,因为服务提供者可以直接向服务请求者发送描述。同样,服务请求者可以获得比服务注册中心的服务描述的其他来源。

一个web服务接口所描述的是一个服务描述,和服务描述服务的实现。服务是一个软件模块,它是部署在服务提供者提供的一个平台,可以通过网络访问。被称为服务手段的存在或与服务请求者。当使用其他web服务在服务实现中,它也可以作为请求者。

服务描述包含了服务接口和实现细节。这包括数据类型、操作、绑定信息和网络服务的位置。它也可能包括类别和其他元数据可以很容易地发现和利用服务请求者。服务描述可以发布到服务请求者或服务注册中心。

3.2。语义Web服务后推理基于owl - s本体

为了进行web服务本体描述的OWL语言。它描述了web服务从三个方面:服务形象、服务模式和服务的基础。其中,服务配置文件类似于黄页服务的,它描述了功能和服务的相关属性;服务模型描述了服务的过程模型和描述服务如何工作;和服务接地相关流程模型的通信协议和消息格式。

自并行构造函数尚未引入动态描述逻辑DDL,控制结构分裂和分裂+加入复合过程中不能包括在调查之中。其他形式的控制结构,它可以操作构造函数建模的动态描述逻辑。因此,对应过程身体复合过程的一部分,一个行动π与参数最初建造。

我们扫描身体部分和结果合成过程的一部分。对于任何一对变量名x和y有约束力的关系,如果x没有出现在复合过程的输入或输出目前建模、变量的名字吗x在π被替换为y。让π”后获得的动作与参数上面的替换,那么相同的变量名π”反映了绑定每个过程的输入和输出之间的关系。

对于任何语义web服务,需要确定是否有某些州,使语义web服务成功执行计划;如果它永远不会被安排执行,这样一个web服务是没有意义的。这种推理问题称为语义web服务的可实现性问题。当语义web服务的过程是一个原子的过程,它对应于操作理论,一致性问题的推理问题是体现在原子动作与参数的定义。

3.3。教学和学习行为模型的建立

在教育活动中,教师组传输知识给学生组。知识的学生团体接受由于个体差异不同。为了测量学生的接受知识,考试成绩通常作为参考指标,在教学活动中,教师是致力于通过教学方法提高学生的学习成绩。学生与教师和其他学生交换学习以提高自己的成绩,从而实现类组织优化。

在正常情况下,优化问题可以被描述如下:

其中, 是我th - - - - - -维决策向量,我= 1,2,…,NP,NP人口规模,是健身价值函数,年代是决定空间(也称为搜索空间),是尺寸,和上界和下界的吗jth维度变量。

类可以表示如下:

其中, 代表了我届学生;有NP学生在上课,代表学生的能力;如果有多个目标函数,那么一个目标函数代表一个主题。

在教学阶段,教师传授知识,学生通过教学活动,从教师和学生获取知识通过演讲来提高他们的成绩。假设在kth迭代,个别学生X_我,让米_k是所有学生的平均分数T_k是老师;然后,

老师教的知识基于他们的平均成绩和自己的差距。的差距是由以下公式:

其中,rk⟶兰德(0,1),是教学的因素。在教学阶段,个别学生的更新方法如下:

其中,是更新前的个人,是更新后的个体。如果比 , 而不是使用 ;否则,保持不变。

学习阶段是基于学生互动和互补的原则听完老师的教学,这样学生可以从其他学生提高他们的学习成绩。对于每一个学生,我们随机选择另一个学生从学生学习和提高。更新方法如下。

对学生 ,我们随机选择一个学生 ;如果 ,然后

否则,

如果更新的人_新比preupdated个人吗_老,_新而不是使用_老;否则,_老保持不变。

4所示。人工智能的分析和优化教学信息系统

4.1。人工智能教学信息系统的体系结构

本网站开发与浏览器/服务器三层结构模型,使系统容易实现分布式管理。B / S的三层结构意味着程序分成若干个相对独立的单位根据内部分工和逻辑,通常分为表示层的三层结构,功能层和数据层。在这种结构下,用户界面完全意识到通过WWW浏览器;的一部分事务逻辑在前端实现,但主要事务逻辑在服务器端实现。人工智能教学信息系统的体系结构如图2。

这个网站选择Windows 2000 Server结合Internet Information Server (IIS)作为开发平台的web服务器。Windows 2000服务器操作系统和应用程序之间实现良好集成,网络,通信,和基础设施服务。IIS HTTP服务器在Windows服务器上,负责接收HTTP请求和发送HTTP响应。

4.2。组织结构优化的人工智能教学信息系统

人工智能教学信息系统提供基础知识教学资源相关的职业。这一部分系统的总结了专业生产的基本理论知识和每个优化软件操作的基本方法和技能,可以通过学习者自学使用,或作为一个入门学习教程或数据库基本知识的学习者。这包括生产原则、基本操作、基本例子,ASP和综合应用等。这是这个网站的主要模块。

资源中心为动画制作提供物质资源,收集经典的优化,推荐优秀的网站模型url,等等,以满足学习者的独立探索、学习和使用;学习者可以下载资源使用,或者上传优秀的资源。

协作学习为学习者提供了空间,交流和讨论与教师和学生互动。它主要包括两个通信工具:学习社区和留言板。

在线评估是一个密集的运动优化学习者允许学生自我评估和实现意义构建知识。视频教学主要是为教师记录教学过程作为一个视频,上传到数据库,这样,当学生遇到问题,他们可以解决问题,即使他们查询教学视频。通过远程控制功能,你可以在网上与老师沟通来解决这个问题。

4.3。资源中心模块优化

学习资源是学生学习的基础上特别的话题,所以它们是必不可少的学习资源的建设和组织。一些人工智能教学资源信息系统提供在网站的建设,和一些不断积累和收集的教师和学生在学习的过程中,探索和研究主题在以后使用。用户可以使用所有相关的资源,或者上传自己收集的相关信息到服务器供其他用户浏览和使用。学习资源模块主要提供的功能,比如资源上传、资源评估、资源浏览、资源搜索和资源下载。

学生上传的资源主要是在学习过程中学习资料收集。学生上传的资源必须审查之前投入图书馆。老师上传的资源主要是专题学习教案,课件或相关材料,等老师有一定的专业知识,可以适当上传资源的分类和描述,并有一定程度的可信度,所以其他用户使用的资源可以直接上传不了。为了让用户更容易理解的状态上传资源,系统提供相应的资源列表根据个人上传资源,仓储资源,unhired资源,资源正在审查,所有上传资源。

资源上传功能提供了一个列表的所有用户上传的资源和个人,提供的资源列表,用户被雇佣而不是雇佣;教师修改上传资源的信息;和管理员可以管理资源。图3资源上传的是一个流程图。

系统提供了多种方式浏览资源。一个是搜索和浏览列表中的一个接一个的所有资源,另一个是由资源类型浏览,另一种是快速找到相关资源浏览通过搜索关键词。

用户输入资源主页后,系统将显示所有资源类别的列表。用户选择某一类型列表中,页面将提供一个列表的所有资源类型。如果用户感兴趣的一个特定的资源,他可以点击资源名称的详细信息显示页面,浏览资源,如资源类型和文件格式,文件大小,资源介绍、资源浏览时报》等。当它是确定你需要的资源,你可以打开或下载资源。否则,你可以继续浏览其他资源。

在此系统中,资源的审查是唯一授权的老师。教师评审资源方面的技术性和normativeness资源,与主观评价为主体。审查资源时,老师可以先浏览资源等待审核的相关信息,如资源类型,等等。如果不录用,资源的系统将修改资源状态数据表(从1到0)并通知学生。否则,资源状态更改为2。在复习过程中,老师也可以进行适当的更改相关信息资源雇佣更用户友好的。对资源未被录用,学生可以reupload他们作了适当的修改。用户输入搜索关键字的输入框和提交关键字到服务器。如果关键字是空的,他们搜索所有资源;否则,他们在输入关键字进行模糊搜索资源的名称和资源描述资源数据表并反馈搜索结果给用户搜索完成后。如果没有相关的资源,一个提示消息将显示的搜索结果为0。 If related resources are found, all the resources found will be displayed on the page. The user can use the link of the resource name to directly browse the detailed introduction of the resource, open or download the resource.

4.4。优化合作学习模块

所有用户的协作学习领域是一种实现通信。它为学生和教师提供了一个平台互相交流。这是完成主题学习的一个重要组成部分,学生进行合作学习的一个重要工具,也是教师了解学生的方式。协作学习区域可以实现:老师提出某个话题的讨论主题;学生参与话题讨论和表达自己的观点;用户和管理员发布公告信息。

我们将这种学习单元的学习目标转换成相关问题和使用问题为核心的刺激学习者的学习热情和兴趣,推动学习者对知识的渴望,并将学习转化为学习者的内部需要,学习者积极建设做好准备。仔细分析的基础上,学习内容的组织者使用少量的信息,为学习者提供一个复杂的问题。这个问题应该与真实世界的情况类似,它可以吸引学习者和激发学习者。学习者可以管理学习者的学习的方向和速度通过制定学习内容和目标。

小组协作学习的基本组织形式。学习者在一个组织良好的协作小组。效果远比传统的阶级组织。因此,研究小组建立正确与否将直接影响学习的质量和效果。建立一个学习小组的基本原则是要确保有足够的信息之间的团体而不是太多的无法忍受的学习者,并确保组中的每个学习者的学习任务和学习的机会。一方面,学习者需要独立完成自己的工作,他们必须与其他学习者交流,共同实现的总体学习目标,活动形式,和学习者特征和不同的组织结构形式。在不同时期,不同的分组机制必须被用来学习的效率最大化。

信息资源的优化需要一定的资源来帮助完成学习目标。然而,由于网络环境的极其丰富的信息资源,组织者必须集成和优化信息资源,并提供相应的信息资源和搜索方法来有效地促进学习者的知识厂房的建设,提高学习效率。

协作学习的留言板模块是一个地区用户发布公告,提出建议和沟通。普通用户可以浏览和发布信息。除了浏览和发布信息,教师也可以直接回复用户。留言板业务优化的原理图如图4。

5。仿真实验与分析

5.1。无约束测试函数的实验

TLBO具有更好的全局搜索能力,但疲弱的局部搜索能力。为了提高TLBO的局部搜索能力,本文介绍了一个基于欧氏距离的聚类方法,改变教学模式从“单人教学”到“多人教学”,介绍了两种新的学习方法建立类之间的连接,确保同步进化类间,以维持TLBO最初的探索能力,同时提高算法的开发能力。在初始阶段的迭代算法,算法种群的多样性是好的,和建立种群之间的信息交互确保每个类将在可行域搜索最好的老师的领导下的人口。该算法具有良好的勘探和开发能力。随着迭代的数量逐渐增加,人口逐渐接近最优解,个体差异逐渐缩小,人口的多样性逐渐降低。人口发展提出更高要求算法的局部搜索能力;由于每个类的进化在多类教学模式下,“推迟”的学习方法和随机交换学生类之间可以有效地提高种群的多样性,提高算法的优化能力。因此,MCITLBO可以完全保持平衡的两个搜索功能在进化过程中,提高搜索TLBO的性能。

我们比较MCITLBO DE算法,TLBO ETLBO, ITLBO。假设函数评估是5000倍的数量,尺寸是30,MCITLBO子组的数量米1 = 5,每个子群的个体数量米2 = 20,其他算法的人口规模是50。所有函数的最优值是0,独立运行30倍。具体比较项的平均和标准偏差的最优解。数据5- - - - - -8每个算法的收敛图的函数f1∼f4时尺寸是30。从图可以看出,MCITLBO测试功能可以快速收敛,健身值迅速下降,优化精度较高,达到改善的目的。

5.2。约束测试函数的实验

我们选择4约束测试函数,即不等式和等式约束的问题g05,只有g06不等式约束的问题,只有等式约束g11和g13的问题。让米1 = 5,米2 = 20,评估的最大数量是120000。所有的算法都独立运行30倍。我们使用罚函数方法来约束处理技能。MCITLBO和其他算法的比较结果如表所示1。

从表可以看出1所有的五个g06算法收敛到最优值。在ETLBO g11 ITLBO, MCITLBO聚合全局最优。g05和g13 MCITLBO在最优值,平均值,可怜的性能优于其他算法。可以看出MCITLBO执行比其他算法的四个约束测试函数。

5.3。运行时间的比较

为了分析的可行性MCITLBO结合实际应用需求,标准TLBO和MCITLBO独立运行30倍4 6无约束和约束功能和教育信息系统优化问题在这篇文章中,使用和记录的平均CPU消耗时间,设置是一样的。让无约束测试函数的尺寸是30和100年,分别。算法操作平台条件如下:操作系统是Windows 7 (x64),中央处理器是英特尔®赛扬®CPU B815 (1.60 ghz),和MATLAB编程语言操作环境(2018)。的比较结果的平均运行时间标准TLBO和MCITLBO算法如图9。

在无约束环境测试函数,当D= 30,MCITLBO时间比值的范围和TLBO [1.6, 1.98];当D= 100,相应时间的范围比[2.3,2.77]。当维数函数的变化从30到100年,增加相应功能的复杂性问题,这反映在算法的运行时间的增加,但是对于MCITLBO,时间TLBO的比率从1.19减少到1.15;它表明,适应度函数的复杂性越高,比例越小的算法操作符在整个运行时间;测试函数的约束,由于较大的评估的最大数量的增加,算法的运行时间也相应增加。教育信息系统优化问题的时间比相对不受约束的测试环境,进一步降低运行时间的验证的时间操作符函数评估下几乎可以忽略不计高功能的评估时间。简而言之,与标准TLBO相比,MCITLBO的运行时间降低问题复杂度的增加。当问题的复杂性较低,虽然时间是相对较大的,显然MCITLBO可以实现更高精度的解决方案。总之,它可以被认为是值得获得如此多的精度改善上面的测试成本的运行时间。

从上面的实验比较,可以看出,是否它是一个不受约束的测试函数,约束测试函数,或一个工程优化问题,MCITLBO显示良好的优化精度和稳定性。教学过程从“单人教学”“多人教学”,解决了TLBO搜索能力弱的问题,提高社区人口信息的使用,并提高TLBO疲弱的局部搜索能力。疲软的人口之间达到一个平衡全局探索和局部开发的人口。学生的个人学习方法不再是单一的,这不仅丰富了学生获取知识的方法和提高人口的多样性,同时也加强了类之间的信息交互,这样所有的类都可以共同进步。时间复杂度而言,相对于TLBO MCITLBO的可行性算法在运行时间从理论的角度解释分析和数值实验。综上所述,可以认为MCITLBO的改进是成功的。

6。结论

学生和课程资源是网上教学的基石。相应的课程本体的成功建设和学生本体决定了智能代理的能力(机器)认识到学生和课程资源。现有研究工作是非常模糊的关于课程建设的本体和学生本体,因此本文提出了一种课程本体和学生本体建设计划。人工智能教学信息系统进行了分析和优化。确定网络体系结构的基础上,进行了详细的需求分析,和网络的整体结构优化;主要模块的业务流程和数据流的网站优化,网站和数据库优化。为了进一步改善教学优化算法的开发能力,多级交互式教学优化算法结合聚类的方法。该算法使用了一个新的基于欧氏距离的聚类方法将初始种群划分为几个子组,从而更多地使用信息的人口社区,提高局部搜索能力的人口。同时,为了加强子组之间的连接,确保子组之间的同步发展,在教学阶段,最严重的个人之间的子组是由人口向最好的个人学习,学习阶段后,随机个体学习其他子组。数值实验6无约束函数,4约束函数,和教育信息系统优化问题表明,该算法具有良好的解精度和稳定性与其他算法相比,它有杰出的性能优化问题。

智能优化算法方面远远滞后于应用研究。尽管教学优化算法有更好的优化功能,他们仍然缺乏理论依据。到目前为止,还没有从理论上证明了其收敛性。如果可以给出严格的证明理论,它将带来更广泛的教学优化算法的发展和应用前景;教学的应用优化算法的多目标优化问题也是未来的研究方向。大多数人在现实生活中要解决的问题是多目标优化问题,和教学优化算法的多目标优化问题的研究仍处于初步阶段。建立一个高度可行的机制来解决多目标优化问题不仅可以开放教学优化算法的发展前景,但也为解决此类问题提供了一种新方法。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有利益冲突有关的出版。

确认

支持的研究是“农村教师专业发展研究在信息技术的支持”(批准号BCA160055)。