思想政治教育策略的IKH算法最優(yōu)選擇

黃愛軍

摘要：為了提高思想政治教育策略選擇的精度和有效性，有針對性地做大學生思想政治教育工作具有重要的現(xiàn)實意義。在預設大學生群體意識行為正負激勵的背景下，運用改進的磷蝦群算法的良好尋優(yōu)能力優(yōu)化投影尋蹤分析模型，建立IKHPP的思想政治教育策略模型。與KHPP相比，思想政治教育策略選擇精度提高了3.95%和4.09%，從而說明IKHPP可以有效提高思想政治教育策略選擇的精度。

關鍵詞：思想政治教育;磷蝦群算法;正激勵;投影尋蹤分析;最佳投影方向

中圖分類號：G643

文獻標志碼：A

BestChoiceofIdeologicalandPoliticalEducationStrategyBasedonIKHAlgorithm

HUANGAijun

（EducationDepartment，XiantaoVocationalCollege，Xiantao433000，China）

Abstract：Inordertoimprovetheaccuracyandeffectivenessofideologicalandpoliticaleducationschemeselection，itisofgreatpracticalsignificancetodoagoodjobinideologicalandpoliticaleducationforcollegestudents.Underthebackgroundofpresettingpositiveandnegativeincentiveofcollegestudentsgroupconsciousnessbehavior，theprojectionpursuitanalysismodelisoptimizedbyusingthegoodsearchingabilityoftheimprovedkrillswarmalgorithm，andtheideologicalandpoliticaleducationstrategymodelofIKHPPisestablished.ComparedwithKHPP，theaccuracyofideologicalandpoliticaleducationstrategyselectionisimprovedby3.95%and4.09%，indicatingthatIKHPPcaneffectivelyimprovetheaccuracyofideologicalandpoliticaleducationstrategyselection.

Keywords：ideologicalandpoliticaleducation;Krillswarmalgorithm;positiveincentives;projectionpursuitanalysis;optimumprojectiondirection

0引言

隨著社會經濟的發(fā)展和大學招生人數(shù)規(guī)模的不斷擴大，有針對性地做好大學生思想政治教育工作具有重要的現(xiàn)實意義。大量研究表明[1]，大學生的個人意識和行為具有正相關性，因此通過正確合理的思想政治策略選擇教育（正激勵、負激勵、樹立榜樣和標桿等），可以實現(xiàn)很好的教育工作效果。

為了提高思想政治教育策略選擇的精度，在預設大學生群體意識行為正負激勵的背景下[2]，運用改進的磷蝦群（ImprovedKrillHerd，IKH）算法的良好尋優(yōu)能力優(yōu)化投影尋蹤分析（ProjectionPursuit，PP）模型，建立IKHPP的思想政治教育策略模型。與KHPP相比，思想政治教育策略選擇精度提高了3.95%和4.09%，從而說明IKHPP可以有效提高思想政治教育策略選擇的精度。

1思想政治教育正負激勵策略

正激勵是指主動性的激勵[3]，對于學生而言，正激勵主要通過肯定、認可學生的積極行為，適當?shù)奈镔|獎勵，以調動學生爭當正面典型的積極性，正確的教育引導和科學管理，營造健康的輿論氛圍，為學生個體樹立學習的榜樣，為集體指引正確的方向，用正確的輿論力量來抵制錯誤輿論。

負激勵是被動性的激勵，對人們的某種行為給予否定、制止和懲罰，弱化這種行為，朝著有利于個體需要和組織目標實現(xiàn)的方向發(fā)展。正激勵與負激勵都是必要而有效的，因為這兩種方式的激勵效果不僅會直接作用于個人，而且會間接地影響周圍的個體與群體。丹尼爾森.卡爾曼從心理學角度證明，負激勵所具有的懲罰作用更明顯。

因此，對于從事學生工作的輔導員來說，要慎用負激勵，因為懲罰會給人帶來心靈上的創(chuàng)傷。我們對于學生采用的負激勵方式大致是：批評、取消評優(yōu)、警告處分、留校察看之類的，這些負激勵措施也許可以起到以儆效尤的作用，但一定要把握負激勵的尺度和力度，不能產生任何的偏差。在思想政治教育工作中，對學生采取正負激勵策略，確實有助于形成一種健康積極向上的群體氛圍和輿論導向，提高大學生辨別是非的能力，增強個體的自我意識，從而引導理性的群體意識行為。

2改進的磷蝦群算法

在KH算法中，每個磷蝦個體為解空間內的一個可行解，食物為KH算法的全局最優(yōu)解。磷蝦總的移動Zk由誘導運動Rk、覓食運動Sk與隨機擴散Tk共同決定[4]，下標k表示第k只磷蝦，如式（1）。

Zk=Rk+Sk+Tk

（1）

式中，Zk為這只磷蝦總的移動。

（1）誘導運動

誘導運動分為目標指引、局部影響以及引導慣性，如式（2）。

Rk=Rmaxαk+ωrRoldk

（2）

式中，Rmax為最大誘導速度;Roldk為上一次誘導運動的速度矢量;αk和ωr分為誘導方向和誘導權重;αk和ωr均處于[0，1]之間，且αk+ωr=1。

（2）覓食運動

覓食運動包括覓食經驗和食物指引，覓食速度Sk如式（3）。

Sk=Vsβk+ωsRoldk

（3）

式中，Vs為最大覓食速度;βk和ωs分別為覓食方向和權重;βk和ωs均處于[0，1]之間，且βk+ωs=1。

（3）隨機擴散

隨機擴散速度Tk，如式（4）。

Tk=Tmax（1-t/tmax）δ

（4）

式中，δ為隨機擴散方向，且δ∈[0，1];Tmax為最大隨機擴散速度。

在Δt時間段內磷蝦個體位置更新公式如式（5）、式（6）。

xk（t+Δt）=xk（t）+Δt×Zk

（5）

Δt=Ct∑NVi=1（UBi-LBi）

（6）

式（5）和（6）中，Ct為步長縮放因子;UBi和LBi為變量上界和下界;NV為變量維數(shù)。然而，標準KH算法容易陷入局部最優(yōu)，為避免KH算法陷入局部最優(yōu)和提高收斂速度，將擾動算子β引入隨機擴散，如式（7）。

Tk=Tmax（1-t/tmax+β）δ

（7）

式（7）中，β=η×fitness，η∈[0，1]。

改進的KH算法流程，如圖1所示。

3基于IKHPP模型的思想政治教育策略選擇

3.1評價指標

為實現(xiàn)思想政治策略的選擇，本研究從道德品質、政治表現(xiàn)、思想政治理論、考勤指數(shù)、學習指數(shù)、成績指數(shù)和日常表現(xiàn)等7個維度構建思想政治教育策略評價指標，一二級評價指標如表1所示。

3.2投影尋蹤分析

投影尋蹤分析（ProjectionPursuit，PP）是處理和分析高維數(shù)據(jù)的統(tǒng)計方法。假設若第i個樣本第j個指標為xij（i=1，2，…，n;j=1，2，…，m），其中，n和m分別為樣本個數(shù)和指標個數(shù)，則PP分析步驟為[5]：

（1）數(shù)據(jù)預處理：為了消除各個指標量綱對評價結果的影響，統(tǒng)一各個指標值的變化范圍，采用極值歸一法對指標值進行標準化處理[6]：

對于正向型指標如式（8）。

x*ij=xij-min（xj）max（xj）-min（xj）

（8）

對于逆向型指標如式（9）。

x*ij=max（xj）-xijmax（xj）-min（xj）

（9）

式（8）和（9）中，max（xj）和min（xj）為第j個指標樣本的最大值和最小值;x*ij為經過標準化處理后的指標值。

（2）構造投影指標函數(shù)：設α=（α（1），α（2），…，α（m））為投影方向，將x*ij向α上投影，得到一維投影值z（i）如式（10）。

z（i）=∑mj=1αjx*ij

（10）

將目標函數(shù)Q（α）定義為投影值類間距離Sz與類內密度Dz的乘積，如式（11）。

Q（α）=SzDz

（11）

式（11）中，類間距離Sz用投影值z（i）的標準差計算，類內密度Dz為投影值z（i）的局部密度如式（12）、式（13）。

Sz=∑ni=1（z（i）-E（z））2n-1

（12）

Dz=∑ni=1∑nj=1（R-rij）u（R-rij）

（13）

式（12）和（13）中，E（z）為投影值z（i）的平均值，Sz的值越大，點團散布越開。rij為投影值之間距離rij=z（i）-z（k）（i、k=1，2，…n）。u（t）為單位階躍函數(shù)，當t=（R-rij）≥0，其值為1，當t=（R-rij）<0，其值為0。R為求局部密度時的窗口半徑，取R=min（x（i，j））5+max（x（i，j））32。

（3）優(yōu)化投影指標函數(shù)：通過最大化類間距離與類內密度的乘積來尋找最佳投影方向，即求投影指標函數(shù)的最大值問題[8]，如式（14）。

MaxQ（α）=SzDz

s.t.∑mj=1α2j=1，0≤αj≤1

（14）

（4）分類：將最佳投影方向α*代入式（16）中，計算出個樣本點的投影值z*（i），比較z*（i）和z*（j）大小，若二者越接近，則二者傾向于分為一類;若按照投影值z*（i）大小排序，則可以計算出不同樣本的優(yōu)劣[9]，如式（15）。

z（i）=∑mj=1α（j）x*（i，j），i=1，2，…，n

（15）

3.3目標函數(shù)

針對PP模型的評價精度受最佳投影方向選擇的影響，運用IKH算法優(yōu)化PP模型的最佳投影方向，目標函數(shù)如式（16）。

MaxQ（α）=SzDz

s.t.∑mj=1α2j=1，0≤αj≤1

（16）

3.4算法流程

基于IKHPP模型的思想政治教育策略選擇算法流程為：

（1）讀取思政政治教育策略的評價指標數(shù)據(jù)，劃分訓練集和測試集，并進行歸一化處理，消除數(shù)據(jù)量綱差異帶來的影響;

（2）設置IKH算法參數(shù)：磷蝦種群大小N、最大隨機擴散速度Tmax、最大誘導速度Rmax、最大迭代次數(shù)Maxgen以及最大覓食速度Vs，并隨機初始化種群;

（3）對于訓練集，根據(jù)公式（16）計算種群適應度，并進行排序，計算各運動分量;

（4）更新磷蝦種群位置;

（5）判斷算法終止條件，若達到最大迭代次數(shù)Maxgen，則輸出最優(yōu)解，也就是獲得最佳投影方向α*;反之，返回步驟（3）;

（6）將最佳投影方向α*帶入PP模型，計算思想政治教育策略方案的好壞或等級。

4實驗結果與分析

4.1思想政治教育策略方案

為了評價不同思想政治教育策略方案的好壞或等級，結合表1的評價指標，選擇表2的5個等級的思想政治教育策略為研究對象[1011]，如表2所示。

表2中5個等級分別為優(yōu)、較好、中、一般和差，每個等級有7個評價指標。

4.2評價指標

為提高IKHBP模型的收斂速度和計算精度，對數(shù)據(jù)進行歸一化處理[12]，如式（17）。

=（x-xmin）/（xmax-xmin）

（17）

式中，為歸一化處理之后的數(shù)據(jù);x、xmin、xmax分別為原始數(shù)據(jù)、原始數(shù)據(jù)序列中的最小值和最大值。為了評價不同方法進行思想政治教育策略選擇的優(yōu)劣，選擇準確率作為思想政治教育策略選擇的評價指標如式（18）。

AC=TNN×100%

（18）

式中，AC為準確率;N為樣本總數(shù);TN為正確分類的樣本數(shù)量。

4.3結果分析

按照表1中各指標的評價等級范圍和分級標準[13]，在每個等級區(qū)間內隨機生成100個標準評價對象，獲得500個標準樣本數(shù)據(jù)，并對樣本數(shù)據(jù)進行標準化處理，將500個標準評價對象數(shù)據(jù)按照訓練集所占比例為0.8劃分訓練集和測試集。IKH和KH參數(shù)設置為：磷蝦種群大小N=100、投影方向α范圍為[0，1]、最大隨機擴散速度Tmax=0.02、最大誘導速度Rmax=0.03、最大迭代次數(shù)Maxgen=100以及最大覓食速度Vs=0.02。

將為證明IKHPP模型進行思想政治教育策略選擇的優(yōu)越性，將IKHPP與KHPP、PSOBP和DEBP進行對比，不同模型參數(shù)設置如表3所示。

表3不同模型參數(shù)

算法參數(shù)設置

PSO種群規(guī)模N=10，最大迭代次數(shù)T=100，學習因子c1=c2=2，搜索區(qū)間[-1，1]

DE種群規(guī)模N=10，最大迭代次數(shù)T=100，縮放因子FR=0.5，交叉概率pc=0.7

不同算法獨立運行10次，將10次思想政治教育策略選擇結果的平均值作為最終選擇結果。思想政治教育策略選擇評價時，將9個評價指標作為IKHPP模型的輸入，策略等級作為IKHPP模型的輸出，建立IKHPP思想政治教育策略選擇模型，結果如圖2、圖3和表4所示。

由思想政治教育策略選擇評價精度對比結果可知，在訓練集和測試集上，IKHPP的最優(yōu)準確率分別為96.62%和97.65%，優(yōu)于PSOPP模型的93.05%和93.93%、DEPP模型的92.71%和93.07%、KHPP模型的92.67%和93.56%和PP模型的89.12%和88.73%，與PP相比，水質評價精度提高了7.5%和8.92%;與KHPP相比，思想政治教育策略選擇精度提高了3.95%和4.09%，從而說明IKHPP可以有效提高思想政治教育策略選擇的精度。

此外，在訓練集和測試集上，IKHPP的思想政治教育策略選擇最差準確率和平均準確率均優(yōu)于PSOPP、DEPP、KHPP和PP，從而說明IKHPP進行思想政治教育策略選擇具有更強的穩(wěn)定性和魯棒性。

收斂速度對比如圖4所示。

可知不同算法收斂速度的對比，與PSO、DE和KH相比，IKH具有更快的收斂速度且具有更高評價精度。主要原因可能是：IKH算法將擾動算子β引入隨機擴散，可以提高KH算法的局部搜索能力和全局搜索能力，提高了尋優(yōu)精度。

5總結

文中在預設大學生群體意識行為正負激勵的背景下，運用改進的磷蝦群算法的良好尋優(yōu)能力優(yōu)化投影尋蹤分析模型，建立IKHPP的思想政治教育策略模型。與KHPP相比，思想政治教育策略選擇精度提高了3.95%和4.09%，從而說明IKHPP可以有效提高思想政治教育策略選擇的精度。由于思想政治教育策略的選擇因素較多，本文只考慮了部分評價因素，后期將研究更多影響因素的思想政治策略選擇，進一步提高模型的適用性和精度。

參考文獻

[1]蔣海彬，郝桂榮，劉剛.高等學校大數(shù)據(jù)思想政治教育評價系統(tǒng)研究[J].錦州醫(yī)科大學學報（社會科學版），2018（1）：103105.

[2]張楠楠，林春雷，李凱瑞.高校思想政治教學評價指標體系構建研究[J].河北大學成人教育學院學報，2017（4）：117120.

[3]李君亮，許典利，陳艷.高校思想政治理論課教學質量監(jiān)控與評價分析[J].教育教學論壇，2017（19）：6061.

[4]牛培峰，陳科，劉阿玲，等.基于磷蝦群算法的汽輪機組最優(yōu)初壓研究[J].動力工程學報，2017，37（8）：615621.

[5]崔東文.改進蝴蝶優(yōu)化算法投影尋蹤模型在區(qū)域河長制考核評價中的應用[J].三峽大學學報：自然科學版，2019（5）：1218.

[6]楊昊，劉鵬，李玉星，等.基于投影尋蹤模型的天然氣管道災害評價分析[J].油氣田地面工程，2019（1）：111115.

[7]白雁翎，崔晨風，童山琳.基于改進螢火蟲算法的投影尋蹤太湖水質綜合評價[J].節(jié)水灌溉，2017（5）：7276.

[8]梁薇.基于投影尋蹤模型的網(wǎng)評評委綜合素質評價[J].統(tǒng)計與決策，2017（23）：6063.

[9]蘇敏杰，白栩嘉.基于最大熵投影尋蹤模型的云南省近10a水資源承載力評價[J].長江科學院院報，2018，35（6）：1218.

[10]李祚泳，汪嘉楊，徐源蔚.規(guī)范變換與誤差修正結合的環(huán)境系統(tǒng)的前向網(wǎng)絡和投影尋蹤預測模型[J].環(huán)境科學學報，2019，39（6）：20532070.

[11]張瑞，袁斐.基于AHP的高校輔導員職業(yè)能力評價指標體系研究[J].絲路視野，2017，11（6）：4244.

[12]曹昱鵬，王智杰，胡勇文.改進的層次分析法在高校學生綜合素質評定中的應用[J].輕工科技，2018（3）：5355.

[13]周海燕.高校思想政治教育精細化管理PSR模型的指標體系研究[J].教育學術月刊，2019（7）：2125.

（收稿日期：2020.03.07）