文摘
在大数据时代,云计算,和机器学习,这已成为必不可少的推动思想政治教育更好的发展(IPE)机构和大学。事实上,我们必须密切对网络教学资源的整合和利用,充分的好处大数据的援助,机器学习,并不断地收集和分类有利于资源IPE高职学院,以优化教学过程。事实上,资源分配的上下文中IPE不是有效解决现有文献;和资源分配很不合理。在高职教育中,形式和内容的IPE将增强其有效性。在本文中,我们使用蚁群算法来有效地获得资源配置的解集,从而解决IPE资源的不合理分配的问题和低效率的测试。此外,本地搜索方法纳入蚁群优化技术进行本地搜索的解集获得的资源分配,以提高算法的性能。在标准的测试集,算法比较实验进行验证提出算法的有效性和效率。
1。介绍
网络技术的快速增长在前几年已经导致了大量数据的重要性急剧上升。网上教学资源的优化和改进IPE可以帮助改善教育的内容,以及提高筛查,采矿、和集成在线IPE的资源,从而导致新模式的发展,教育(1- - - - - -3]。这可以通过提高筛选、挖掘和整合在线IPE的资源。高等教育的学生将会有更多的机会了解政治和意识形态,以及事务的当前状态,政治气候,国家面临的重要问题如果大数据技术用于建立和完善高等教育的在线资源共享平台。这个平台可以使用大数据的技术创建和使用优秀的道德、意识形态、政治素质同时[4,5]。
当前IPE高校教学的特点是强调理论教学而忽视实践教学的现象。此外,实践教学资源的缺乏会影响教学的作用[6),可以看到通过大量的课堂教学经验的总结。在高等教育中,有越来越多的人达成共识,IPE的研究应该教实践的方式。这是主要的方法,培养学生实际应用能力,因此应该是这样。因此,高校等教育机构应该如何促进IPE计划?的整合实践教学资源和IPE课程的实践教学效果的提高应该仍然是一个主要的焦点在高校大量的时间(7- - - - - -11]。
用于大数据技术的扩散已经被不断进步成为可能,在互联网信息技术。当务之急是在这个时期的大数据,云计算,深入学习,网络教育资源的整合加强为了为学生提供最新的、有趣的、全面的IPE这是可能的。考虑到当前形势下,当务之急是加强网络教育资源的整合12- - - - - -14]。利用教育情况下可以被纳入课程和活动的IPE程序为了使它更有效的和迷人的学生。虽然这是,许多高等学校提供的课程IPE上局限于课堂和教材。IPE在高等教育机构将限制和阻碍了这个问题,因为学生将无法专注于专业教学时老师说[15]。
人工蚁群优化(ACO)过程已经大量的主题研究和被投入使用在各种不同的行业,如制造业和物流分配的调度。很大一部分的潜在路径的扩展项目调度尚未探索,特别是在域IPE的资源规划。这是一个常识,算法具有全局并行性,健壮性和高效的搜索功能。本文提出了一个算法作为一个潜在的解决这个问题。为了进一步提高性能的建议算法过程中,插入和交换社区搜索基于逻辑约束已经集成到它。效率的方法是通过实验证明。IPE教学资源彼此集成,可以以各种不同的方式进行配置。
本研究的主要贡献可以概括如下。(我)我们使用蚁群算法有效地获得资源配置的解集,和不合理的解决问题IPE资源配置和低效率的测试。(2)局部搜索方法合并为了执行本地搜索的解集获得资源配置以提高算法的效率。(3)同样,为了进一步推进性能的算法,插入和交换社区搜索基于逻辑约束已经集成到它。
剩下的纸是组织如下。节2背景的研究已经完成。节3,建议一个蚁群优化算法。和模拟研究结果提出了部分4。部分5论述了先进的相关工作。部分6总结了研究和为以后的调查研究提供了指导方针。
2。背景
2.1。资源整合的状态
在本节中,我们研究和分析最新的IPE资源的有效整合,并提出了一些相关建议的缺点。
因为奇异和历史悠久的教育模式,许多教育机构,包括学校和大学,不支付足够的考虑大数据的应用,和他们没有挖掘和整合网络教育资源目前是必要的。高等职业教育遭受IPE的赤字,因为其内容和形式过于简单和无趣的。这个赤字可以归因于缺乏多样性的课程。
2.1.1。单一的教育模式
他们过度的重视机械化教育概念和模型的应用在他们的IPE项目,尽管事实上,许多学院和大学教师使用的教育思想和模型相对简单和传统。学生很难学习因为他们缺乏自我激励和热情所必需的学习新事物和扩大他们的知识基础。如果缺乏动力和激情去学习新事物,扩大视野,就会影响IPE结果。缺乏能力使用信息技术(IT),计算,协助IPE和大数据技术,许多学院和大学没有考虑支付教育工作者开展有针对性的培训活动。此外,IPE的典范,老师收到是机械化。由于较低的平均受教育程度IPE教授,为各种机构和大学很难增加IPE的质量提供他们的学生。
2.1.2。集成的资源不足
因为教育者不支付充分考虑在线教育资源的整合,因为他们缺乏一定的积极性和创造性的使用网络教学技术,IPE高校缺乏颜色和灵性。这是由于一个事实,即教育者不能使用互联网的潜能来教学生。教育是发达的,IPE和高标准。由于这个原因,一些教育家持有陈旧的教学观念和单一概念,缺乏一定的了解关于矿业和集成的在线教育,和无法识别或利用巨大的IPE可用资源网络。由于所有这些因素,网络教育综合的程度是有限的。尽管有大量和各种网络教育资源,有可能是教育者将无法提取相关的和全面的信息。需要你的协助改善IPE的学院和大学。
2.1.3。难以利用的资源
在这个时代的大数据,出现的最常见的一个问题是数据挖掘的效率低下,造成采集和集成标准软件或技术的使用。当学生们正在寻找网上教育资源,如果他们遇到不利的信息或材料,它将有不利影响他们的思维方式以及价值观。尤其这种情况如果信息或材料包括色情,暴力内容,或超自然的信仰。学生在政治和意识形态的教育观点可能会变得更具挑战性的许多教育工作者未能识别和及时消除错误或误导性信息。提高IPE的水平为目的的教学受到学生,课堂上教师必须更加歧视在他们选择的材料和他们结合的方式。
2.2。资源整合措施
2.2.1。教学资源的开采
在学院和大学层面,IPE是一个复杂的领域,涉及许多不同的方面的理论和实践。注意这个方面的内容不是固定的,是时间的进展密切相关,换句话说,内容需要按照时间的发展。做出调整,以跟上迅速变化的时代。因此,高校等教育机构应该制度化与时俱进的理念,积极探索实践教学资源可用的内部和外部的机构,并有效利用这些资源。IPE课程的实际教学活动应结合发现校外的资源。这应该是你的主要焦点。总之,利用当前形势下发展的合作联动机制IPE的实践教学课程,目标是促进每个主题的角色扮演。
2.2.2。资源的合理划分优先级
成功的唯一方法提高多个集成的意识形态和政治大学教室是学校的管理员提供意识形态或政治教育设计合理的现有实际资源的计划,区分教学资源的主要部门和二级部门,最后结合现有IPE实践的问题。增加课堂教学的整体质量标准和通过有效的利用各种教学资源,可供你使用。IPE的学院和大学教师需要不断协调他们的责任和义务,充分利用教学资源的同事,积极创新课堂教学模式,为学生提供一个高质量的课堂经验。这是除了认识到他们自己的资源的积极作用在实践教学和教育工作者的资源。
我们可以开始理性地规范实践教学资源IPE的学院和大学课程除以他们根据全面了解学生的水平的IPE建设。这将使我们能够深入地挖掘我们这个时代的精神和特征,同时也开始理性地规范实践教学资源。它是积极寻找新的方法来教,希望实现其最终目标,这是提高高校IPE的有效性类实践教学资源的利用。此外,它有助于增加比例的时间实践教学资源投入使用。
2.2.3。开展实践教学
理论是所有其他活动的基本活动。如果你承认的重要性在IPE应用你所学课程在教室里的真实场景中,您可以帮助高校IPE研究变得更加有效。教学在课堂上的使用在很大程度上阻碍了IPE课本,使教师难以传达先进和科学IPE内容给学生。学生没有特别感兴趣的IPE在学院和大学教授课程。IPE教学的教科书是有效课堂教学的一个主要障碍。高等教育的教育工作者必须承认IPE指令的重要性,改变传统的教学方法,理论和实践的基础上,承认学生的课堂教学优势,开发课程,不断地根据学生的个人IPE学习需求。所有这些事情都必须做的,以确保学生受到的教育是有效的。
此外,管理员IPE高校需要澄清IPE的主要地位,积极的想法素质教育融入课堂教学,和理解理论教学和实践教学的有效融合为了履行自己的责任。至关重要的大学IPE教师获得更深入的理解如何指导学生在课堂环境中。研究时间分配在教室里的意识形态和政治应该是分布式的方式,不仅抓住了学生的注意力,而且也帮助学生成为更有能力几乎大部分时间,使分配给IPE指令。
2.2.4。利用多媒体教学技术
传统的课堂教学模式已经明显重新思考的结果今天的现代信息技术,这导致了多媒体教育设施的发展集中在互联网上。网络目前已经广泛应用在各种各样的行业和领域。高校政治和意识形态的部门有义务利用多媒体技术以增加课堂教学的整体优势,鼓励和激励学生学习,提高课堂教学。这是一个重要组成部分,确保学生毕业与适当的角度看待生命的意义和价值。由于当前高校教学IPE实践的问题,这些机构需要继续创新和改革的内容是在教室里学到的,引入现代多媒体教学设施,各种教学资源、整合和优化。
这是一个额外的问题已经出现。另一方面,开放的可用性和多媒体资源的自由交换使课堂教学更加容易。这可以让学生有更多复杂的理论信息直观地呈现在他们面前,从而满足他们的需求。另一方面,学校为了迎合学生的不同教育需求,他们应该更关注多媒体教学平台的发展,建立基于网络的微信、微博账户,组织正在进行的活动,产生周期性的出版物,使一个微妙的努力影响这些平台。
3所示。提出的蚁群算法
本文把IPE资源分为四个部分:人力资源(H)、物质资源(M),文化资源(C),和信息资源(I),如图1。IPE的整合资源的核心是资源的合理分配四个部分IPE教学。该算法的目标是寻找最优解的四个资源。
本文提出的方法主要是利用并行搜索每个人口中按照设定条件为了独立发现最好的和最优的解决方案。此外,相互沟通信息的方法通过使用信息熵。下面的公式(1)和(2)是一种解释了信息熵公式用来计算: 在哪里的概率是国家吗我和ln特征的自然对数。
蚁群算法是一种仿生启发式优化技术,事实上,模型的蚁群寻找食物。这个系统使用一个称为正反馈并行自催化反应机制。当蚂蚁达到他们之前从未去过的十字路口,他们会随机选择一个方向穿过可用选项。和释放信息素,释放的信息素量成反比的长度路径信息素。蚂蚁,然后让他们的方式交叉会选择路线,导致更大的信息素,从而创建一个积极的反馈机制。导致最佳解决方案的路径,信息的数量将继续增加而积累。收集的信息量越沿着nonoptimal路径,更存在沿路径的信息素会逐渐减少,最终,通过整个蚁群的运动,将找到最优路径。
蚂蚁k选择元组年代的寻路如下公式(3): 在哪里剩下的元组,表示信息素的数量,是启发式价值,的影响因素信息素的数量。此外, 是一个均匀分布的随机变量。
蚂蚁的概率k随机选择年代在接下来的探险是由公式(4):
的计算公式数学上体现在以下方程: 在哪里是全部教学资源,是使用的教学资源,是能力的使用价值。
全局信息素更新规则是在公式(6): 在哪里多余的信息素的数量,按照给出的计算公式(7): 在哪里是全球迁徙路线最优。
鉴于全球信息素,我们给的局部信息素的计算方法如下:
这个时间间隔不是永久性的,不过估计根据信息的所有人口,换句话说,它的收敛所有的人口变化。人口的算法要求通信发生在一定的时间间隔。满足下列条件的时间间隔人口沟通数学估计的公式(10): 在哪里是一个参数。
4所示。结果与讨论
首先应该考虑当整合和分配思想政治教育资源是资源分配的能源消耗。这包括CPU和内存的消耗以及资源浪费。在确定能量的总量(以千瓦时)在数据中心的物理资源,考虑应用程序的工作负载。
在一些研究中,评价指标的确定程度的资源整合是由软件和硬件的数据量消耗除了浪费了教育资源的数量。这个指标也用来评估资源整合的程度在同一篇文章中如前所述。
为了更有效地建立和验证仿真结果的一致性,我们进行了仿真实验总共五次,每次使用一组不同的参数。数据2和3显示一个比较使用的总能量和平均能量使用从第一个迭代到第五个迭代,分别。应该指出,RI1和PRI算法相比较,可以清楚地理解,建议方法的能耗,提出了本文明显低于RI1和PRI算法的比较。RI1的能源消耗是高达5.0 kW秒以上,PRI过程的能耗大约是4.9 kW-sec,和本文提出的算法的能量消耗kW-sec只有不到4.8。随后,我们注意到,该算法更稳定的能源消耗。RI1能耗最高的三种算法。
我们模拟不同参数下的思想政治教学资源 ,如图4。
实验与仿真的过程主要是基于资源分散、和资源分配的方法模拟系统加载设计。更具体地说,为了模拟实际环境中的资源分配,多个资源分配模型是用于相同的负载。本研究使用MATLAB软件模拟和分析实验数据,模拟了资源使用在思想政治(IPE)教学体系在很长一段时间。图4描绘了可用资源的实际分布。
整合思想政治资源的过程在学院和大学等教育机构是一个需要大量的资源。它将使源物理主机使用更多的CPU资源,这将使源物理主机和目的地主机使用更多的带宽资源,并将暂停正在运行的服务的虚拟机迁移。延长的时间需要集成和迁移。因此,的目标之一本文中描述的算法减少迁移到极端程度可以想象。迁移的持续时间约等于需要分配内存的时间在迁移过程中源的网络带宽链接物理机器的网络带宽链接目标物理机。
可以理解,如图5,迁移时间的过程提出了约4倍,这表明它们是相对稳定在每一个迭代的实验。RI1算法能够完成最多30次虚拟机的迁移,这个数字至少8倍。革命制度党算法的迁移时间也可以达到最多约30倍,至少10倍多,然而,与前面所讨论的两种算法不同的是,没有规则在革命制度党发现算法。应该不足为奇,本文提出的算法有一个迁移的数量显著低于其他两个算法。
5。相关工作
许多网络化和信息化教育的概念已经逐渐影响了传统的教学方法和概念,以及一些现代教学方法已成为广泛使用的。此外,许多在线教育资源也很容易集成和利用16- - - - - -20.]。如果教师在课堂或书本,它将很难开展IPE的工作以及提高教育效果。因此,教育机构必须关注和加强网络教育资源的整合与大数据时代的发展趋势以及匹配思想在我国教育改革的方向。利用这些在线教育资源可以开展教育活动与意识形态和政治更易于管理的方式。
因为我们生活在一个信息时代,因此,大学生的思维方式和当前更具创新精神,和他们有一个强大的工作知识的资源,可以在互联网上找到。如果教师支付重要考虑在线教育资源的整合,为学生提供适当的指导,它将有一个乘数效应的IPE学生接受(21- - - - - -23]。一个可以观察到的趋势,以及的必然性,在线教育资源的整合IPE项目的学院和大学。
调度优化研究IPE资源有限的约束下是很有价值的。本研究的目的是最大化的性能指标,如成本而坚持IPE约束。有可能许多真实世界的生产和服务问题归结为资源受限的项目调度问题。工程的实际应用通常处理等因素对大尺度,严格限制,多个目标,和不确定性。开发有效的优化算法求解资源受限项目调度问题是当前学术界的一个热门研究课题,以及在各种应用行业(24- - - - - -26]。
在历史的发展的几个时代,已经有越来越多的领域的重要性MORCPSP研究学术界(多目标资源受限项目调度问题)。这是一个合理的方法,一些研究者提出了解决问题的两个资源约束。枚举交互算法所提出的解决方案。在规划项目的完成,大量的时间和资源,需要考虑。一些研究人员提出了一个两阶段算法作为解决问题的多目标项目调度。该算法考虑总成本最小化的优化目标,持续时间和项目的净现值。在第一阶段,帕累托算法用于产生一组nondominated解决方案。在第二阶段,在第一阶段产生的解决方案提高了通过使用光速搜索。科学家发明了一种有效的优化算法MORCPSP的帮助下模拟退火和禁忌搜索机制(3,27]。该算法考虑了项目的长度,投资资源,活动延迟。一些研究人员提出了禁忌搜索算法,将增加鲁棒性dual-objective资源受限项目调度问题。这个问题需要安排项目。为了研究相关问题,质量,和金钱,利用混合整数规划的水平形式(28,29日]。
6。结论和未来的研究
在高职教育中,IPE的效果将被放大如果IPE的形式和内容都得到加强。在这篇文章中,我们实现了蚁群过程来有效地获得资源配置的解集以应对IPE资源的不合理分配的问题,以及测试效率低。解决这两个问题的介绍。此外,本地搜索方法纳入算法为了进步和提高的性能建议技术执行本地搜索操作的解集获得的资源分配。总之,该算法比较实验标准的测试集上执行为了验证预期的算法的实用性和生产力。
在未来,我们将继续创造更有效的策略来IPE-related研究问题。为了进一步推进性能的建议方法,插入和交换社区搜索基于逻辑约束可以集成到提出的蚁群算法。此外,我们将进一步研究粒子群优化(PSO)方法的适用性,以及其他进化技术由于资源分配问题是潜在的多目标优化问题。例如,我们将考虑其他各种优化目标,即。最小化总成本,时间和项目的净现值。事实上,我们将考虑如何集成到帕累托算法提出蚁群方法以产生一组nondominated解决方案。
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
作者宣称没有利益冲突。