PDCA循環(huán)管理視角下BAS-BPNN的學(xué)生組織管理工作評價(jià)

劉紅紅

摘 要： 為實(shí)現(xiàn)高精度的學(xué)生組織管理工作評價(jià)和為學(xué)校部門進(jìn)行學(xué)生組織管理工作提供理論參考和方法依據(jù)，以PDCA循環(huán)管理視角出發(fā)從學(xué)風(fēng)建設(shè)工作、常規(guī)管理工作、公寓教育與管理工作、隊(duì)伍建設(shè)工作等4個(gè)維度構(gòu)建出一套學(xué)生組織管理工作評價(jià)指標(biāo)體系，并針對BPNN模型性能受其參數(shù)的影響，運(yùn)用天牛須搜索算法對BPNN的權(quán)值和閾值進(jìn)行優(yōu)化選擇，建立BAS-BPNN的學(xué)生組織管理工作評價(jià)模型。與SVM和BPNN對比發(fā)現(xiàn)，BAS-BPNN可以有效提高學(xué)生組織管理工作評價(jià)的精度，為學(xué)生組織管理工作評價(jià)提供了新的方法。

關(guān)鍵詞： 天牛須搜索算法; 前饋神經(jīng)網(wǎng)絡(luò); PDCA循環(huán); 組織管理; 支持向量機(jī)

中圖分類號： TP 391.1 ? ? ?文獻(xiàn)標(biāo)志碼： A

Abstract： In order to realize high precision evaluation and student organization management， and provide theoretical basis and methodfor the school instudent organization management， we referencePDCA cycle management perspective to build a set of evaluation index system from four dimensionsof the study style construction， routine management work， apartment education and management team construction. Because the BPNN model performance is affected by its parameters， we use Beetle antennae search algorithm to optimize the weights and threshold of BPNN choice， establish BAS-student organization management evaluation model of BPNN. Compared with SVM and BPNN， it is found that BAS-BPNN can effectively improve the accuracy of student organization management work evaluation， it can providea new method for student organization management work evaluation.

Key words： Beetle antennae search algorithm; back propagation neural network; PDCA cycle;organization management;support vector machine

0 引言

大學(xué)生組織管理工作是高校人才培養(yǎng)的重要保障和系統(tǒng)性工作，因此對學(xué)生組織管理工作進(jìn)行過程管理具有重要的理論意義和實(shí)際價(jià)值，PDCA循環(huán)管理是一套科學(xué)規(guī)范的分析問題、解決和處理問題的工具，其包括策劃（Plan）、實(shí)施（Do）、檢查（Check）和處置（Action）等四個(gè)階段，被廣泛地應(yīng)用于質(zhì)量管理體系，用于改進(jìn)工作方法、工作流程、解決問題、形成制度和制定標(biāo)準(zhǔn)等方面取得了很好的效果[1-2]。

為提高學(xué)生組織管理工作的水平和效果，從PDCA循環(huán)管理視角出發(fā)，結(jié)合層次分析法建立學(xué)生組織管理工作的評價(jià)指標(biāo)體系[3]。針對前饋神經(jīng)網(wǎng)絡(luò)（back propagation neural network，BPNN）收斂速度慢和局部最優(yōu)的問題，運(yùn)用天牛須搜索（Beetle antennae search，BAS）算法對BPNN的權(quán)值和閾值進(jìn)行優(yōu)化選擇，建立BAS-BPNN的學(xué)生組織管理工作評價(jià)模型。與支持向量機(jī)（supportvector machine，SVM）和前饋神經(jīng)網(wǎng)絡(luò) （back propagation neural network，BPNN）對比發(fā)現(xiàn)，BAS-BPNN可以有效提高學(xué)生組織管理工作評價(jià)的準(zhǔn)確率，為學(xué)生組織管理工作評價(jià)提供了新的方法和途徑。

1 學(xué)生組織管理工作評價(jià)指標(biāo)

為了實(shí)現(xiàn)高精度的學(xué)生組織管理工作評價(jià)，在參考文獻(xiàn)[4-5]的基礎(chǔ)上，從學(xué)風(fēng)建設(shè)工作、常規(guī)管理工作、公寓教育與管理工作和隊(duì)伍建設(shè)工作等4個(gè)維度構(gòu)建出一套學(xué)生組織管理工作評價(jià)指標(biāo)體系，學(xué)生組織管理工作評價(jià)指標(biāo)體系，如圖1所示。

2 BAS算法

BAS算法是受天牛覓食啟發(fā)而提出的高效的群智能算法，其建模步驟如下[6]。

（1） 定義方向向量

為了模擬天牛的搜索行為，方向向量定義如式（1）。

3.3 BAS-BPNN學(xué)習(xí)算法

基于BAS-BPNN的學(xué)生組織管理工作評價(jià)流程如下：

1） 初始化BAS算法參數(shù)：步長因子c1、c2以及迭代最大次數(shù)gen、當(dāng)前迭代次數(shù)t，將學(xué)生組織管理工作評價(jià)數(shù)據(jù)分為訓(xùn)練樣本和測試樣本，訓(xùn)練樣本主要用于建立BAS-BPNN模型，測試樣本主要用于驗(yàn)證BAS-BPNN模型的好壞或者優(yōu)劣;

2） 令t=0，隨機(jī)初始化天牛位置x0，并設(shè)最優(yōu)位置xbest=x0;根據(jù)公式（8）計(jì)算天牛左須、右須位置;

3） 更新t=t+1，重新計(jì)算天牛左須、右須位置，得到適應(yīng)度值f（xr）和f（xl）;

4） 根據(jù)式（5）計(jì)算預(yù)更新位置xt，并計(jì)算適應(yīng)度值f（xt）;

5） 根據(jù)接受概率p，即式（6）來判斷是否更新天牛的位置。若f（xt）

6） 若t>gen，則轉(zhuǎn)到步驟7）;反之，轉(zhuǎn)回步驟3）;

7） 輸出最優(yōu)解，即最后一次迭代后的xbest與fbest，對應(yīng)為BPNN模型的最優(yōu)值初始連接權(quán)值cj、ωij和閾值ε、θj，并將運(yùn)用BPNN模型最優(yōu)參數(shù)初始連接權(quán)值cj、ωij和閾值ε、θj進(jìn)行學(xué)生組織管理工作評價(jià)測試驗(yàn)證。

4 仿真實(shí)驗(yàn)與結(jié)果分析

4.1 數(shù)據(jù)來源

為了驗(yàn)證BAS-BPNN進(jìn)行學(xué)生組織管理工作評價(jià)的有效性，通過專家打分法[9-10]獲得學(xué)生組織管理工作評價(jià)數(shù)據(jù)。選擇西安市10所高等職業(yè)技術(shù)學(xué)院為研究對象，10個(gè)專家對10個(gè)高校的15個(gè)二級指標(biāo)進(jìn)行打分，得到100個(gè)樣本，其中訓(xùn)練樣本80個(gè)，測試樣本20個(gè)。學(xué)生組織管理工作評價(jià)等級分為低、較低、中、較好、好等5個(gè)等級水平。

4.2 結(jié)果分析

本研究選擇Matlab2015a為軟件平臺，電腦操作系統(tǒng)為Windows 7，PC機(jī)配置為CPU的主頻為2.60 GHz、內(nèi)存8 GB、中央處理器為Intel（R）Core（TM）i5-2400 4-core。為了驗(yàn)證學(xué)生組織管理工作評價(jià)的效果，將BAS-BPNN與SVM、BPNN進(jìn)行對比[11-13]，BAS算法參數(shù)設(shè)定為：最大迭代次數(shù)gen=100，步長因子c1=0.997，c2=10，對比結(jié)果如表1和圖2-圖4所示。

圖2-圖4和表1可知，在訓(xùn)練集上，BAS-BPNN模型的最優(yōu)、最差和平均正確率分別為98%、95.6%和95%，優(yōu)于SVM的95%、92.5%和92.5%以及BPNN的92.5%、77.5%和72.1%;在測試集上，BAS-BPNN模型的最優(yōu)、最差和平均正確率分別為90%、90%和90%，優(yōu)于SVM的85%、80%和80%以及BPNN的80%、75%和61.3%。與SVM和BPNN對比，BAS-BPNN可以有效提高學(xué)生組織管理工作評價(jià)的精度，為學(xué)生組織管理工作評價(jià)提供了新的方法。

5 總結(jié)

為給高校管理部門的學(xué)生組織管理評價(jià)工作提供理論參考和方法依據(jù)，提出一種基于學(xué)風(fēng)建設(shè)工作、常規(guī)管理工作、公寓教育與管理工作、隊(duì)伍建設(shè)工作等多維度的BAS-BPNN學(xué)生組織管理評價(jià)模型。由于學(xué)生組織管理評價(jià)是一項(xiàng)復(fù)雜而龐大的系統(tǒng)工程，其涉及很多復(fù)雜的因素，本文只研究了較少的影響因素，后期將研究更多復(fù)雜影響因素對學(xué)生組織管理評價(jià)的影響，增加本文模型的適應(yīng)性。

參考文獻(xiàn)

[1] 王少強(qiáng)， 王如猛. 基于模糊綜合評價(jià)法的高校學(xué)生宿舍火災(zāi)安全分析研究[J]. 華北科技學(xué)院學(xué)報(bào)， 2017（5）：11-15.

[2] 宋昱璇， 申辰. PDCA循環(huán)的項(xiàng)目制管理在高校學(xué)生組織中的應(yīng)用[J]. 管理觀察， 2017（23）：117-119.

[3] 王金明， 陳永韶， 何暖堅(jiān)， 等. PDCA循環(huán)在醫(yī)院教學(xué)質(zhì)量管理中的應(yīng)用[J]. 國際醫(yī)藥衛(wèi)生導(dǎo)報(bào)， 2018， 24（21）：3242.

[4] 楊永東， 張振寧， 滕尊莉， 等. 基于PDCA循環(huán)的土木工程專業(yè)畢業(yè)設(shè)計(jì)質(zhì)量控制[J]. 教育教學(xué)論壇， 2017（1）：101-102.

[5] 王甜甜， 劉強(qiáng). 基于BAS-BP模型的風(fēng)暴潮災(zāi)害損失預(yù)測[J]. 海洋環(huán)境科學(xué)， 2018， 37（3）：457-463.

[6] 劉濤， 徐成良， 陳煥新. 基于改進(jìn)天牛須算法-優(yōu)化極限學(xué)習(xí)機(jī)的地源熱泵能耗預(yù)測研究[J]. 制冷技術(shù)， 2019（3）：21-25.

[7] 薛成偉. 基于BP神經(jīng)網(wǎng)絡(luò)的高校學(xué)生管理工作績效評價(jià)模型[J]. 科技信息， 2011（36）：265.

[8] 于翔. 基于神經(jīng)網(wǎng)絡(luò)模型在學(xué)生心理健康指標(biāo)對考試成績影響中的應(yīng)用[J]. 自動化與儀器儀表， 2016（9）：124-125.

[9] 胡習(xí)文. 基于FNN的智能學(xué)生綜合素質(zhì)評估模型研究[J]. 武漢理工大學(xué)學(xué)報(bào)（信息與管理工程版）， 2007， 29（3）：103-107.

[10] 黃建榮. 基于ANN算法的智能化學(xué)生管理評估信息系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 計(jì)算機(jī)光盤軟件與應(yīng)用， 2012（10）：191-192.

[11] 朱宗元， 王秋霞. 基于神經(jīng)網(wǎng)絡(luò)的高校課堂教學(xué)評價(jià)策略重構(gòu)與檢驗(yàn)[J]. 中國教育信息化， 2018，423（12）：88-91.

[12] 金代志， 王春霞， 石春生. 基于BP神經(jīng)網(wǎng)絡(luò)的顧客價(jià)值識別研究[J]. 中國軟科學(xué)， 2009（7）：156-161.

[13] 黃碧釵， 李高明. 構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的高校德育評價(jià)體系[J]. 南陽理工學(xué)院學(xué)報(bào)， 2010， 2（3）：91-94.

（收稿日期： 2020.03.11）