基于粒子群算法的班级文化管理隐性构建初探

杜 瑶，王 莉

（1.西北工业大学 电子信息学院，陕西 西安 710072；2.西北工业大学学生处，陕西 西安 710072）

一、班级文化管理的重要性

班级文化[1]是一种潜移默化的教育力量，是一种特定的文化环境，对班级成员的发展起着导向、约束、熏陶等教育功能，是学校文化的重要支撑点、落脚点和归宿点。班级文化通过熏陶、感染影响学生，已受到教育管理者越来越多的重视。班级文化作为一种隐性的教育力量，在班级文化建设乃至整个校园文化和大学精神的体现方面发挥着至关重要的作用。

加强高校班级文化管理，创建健康、积极向上和富有凝聚力的班级文化，极大地增强了班集体教育与自我教育的实效性，不仅可以有效促进高校思想政治教育工作，还可以进一步推进和谐校园的创建。班级中的成员在参与班级建设的过程中，不断发挥其个人和集体的创造性，展现其才能，并在建设的过程中不断增强主人翁的主体感和集体凝聚力，产生新的需求和集体动力；在班级文化的熏陶下，在与同学的交往中，又得到榜样激励、品行参照，促使学生进行自我教育和自我评价，从而获得自我提升和发展。实践证明，学生主体意识的增强和主体性的发挥是有其规律可循的。而这个规律很重要的构成就是班级文化及其建设，这种内在的精神力量遵循了学生身心发展由浅入深、由简单到复杂、由他律到自律的规律，是高校大学生人格发展的重要内在动力；同时又因为其成员的积极参与，使班级文化的内涵不断丰富，更具生命力。两者互相促进、共同发展，最终达到学生整体素质的提高。班级文化及其建设是大学生自我教育、自我管理、自我服务的主要载体，它对高校素质教育的实施起着决定性的作用。

二、班级文化管理研究存在的不足

目前对班级文化管理的研究成果丰硕，涉及到思想政治、班级管理方法、学生性格特征、教学管理、学生凝聚力等各个方面，为基层管理者提供了有益的思想指导。但同时也存在少许不足：一是大学生的发展是多元化的，存在着很多可以相互学习的特质，那么研究采取何种班级管理方法才能使同学之间互补以实现全面发展就很有必要了，但相关文献较少；二是对班级文化的研究大多遵循传统途径进行思考和探索，研究视角单一。大多数工作着力于宏观层面，而对于班级文化的操作层面涉及不多，且往往缺乏数学理论支撑和逻辑推理，未能体现文章严谨性；三是对班级文化建设的对策研究更多的是注重显性教育，关于隐性教育及班级文化的隐性构建问题有待深入地研究。

本文基于粒子群算法[2]的进化机制，提取推动算法的原动力作为建模的理论依据，以系统思维的角度对班级文化管理进行数学建模，初步探讨粒子群算法与班级文化建设相结合的必要性及其具体操作过程。

三、粒子群算法概况

粒子群算法（Particle Swarm Optimization，PSO）由科学家们在观察鸟的群体行为中逐步被建立和完善，常常用于各个领域的工程问题中。在鸟群这个群体中，每只鸟（即粒子）具有位置和速度属性，都有能动性，都会与环境及其他个体交流，共享信息，从而推动个体和群体的演变进化。该方法模拟了鸟类从最初的杂乱无章进化到整体有序、行动一致的过程，从理论上解释了群体行为的优化过程。其建立目的之一就是模拟人的社会行为。该算法对于人的社会行为的模拟主要解决两个方面的问题：个人通过调节自身行为与其他社会成员和谐相处，并获取对个人最有利的位置；个体间的社会信息的共享推进社会群体的整体进化。该算法的核心思想如下：

将所优化问题的潜在解看成一群粒子，假设种群由n 个粒子组成，解向量是d 维的，那么第i 个粒子在第t+1 次迭代中的速度和位置是由下列公式更新的：

这n 个可行解经过t 次迭代产生的种群为：swarm（t）=[x1(t),x2(t),x3t(t),….,xi(t),…,xn(t)]。

其中：xi(t):表示第t 次迭代中粒子i 的位置；xi(t+1):表示调整后的位置；vi(t):表示在第t 次迭代中粒子i 的速度；pid(t):表示在第t 次迭代时第i 个粒子经过的“最好”位置；pgd(t):表示在第t 次迭代中整个种群所经过的“最好”位置；w 为速度的惯性因子，表征继承过去速度的大小；c1，c2是大于零的常数，称为加速因子或是学习因子，一般取2，用来控制学习能力；r1,r2是[0，1]之间满足均匀分布的随机数。

从以上二式中看出，该规则之所以能推动粒子产生进化并最终找到问题最优解，其原因在于：（1-1）式中等号左边部分表示了下一代粒子的速度，等号右边第一部分表示了粒子的原有速度，第二部分为粒子的自我思考过程，是粒子的自我纵向优化，第三部分为粒子群之间的信息共享和相互合作过程，是粒子之间的横向优化；（1-2）式是粒子的自我位置的更新公式；整个算法过程同时兼顾粒子的自我优化同时考虑粒子间信息共享和相互合作的影响。

粒子群算法计算过程如图1 所示：

图1 粒子群算法流程图

初始化粒子的位置与速度，产生初始群。将本次迭代中每个粒子的适应度值与上次迭代中该粒子的适应度值相比较，若本次的适应度值较好，则说明该粒子产生了进化，那么用该粒子替代上一粒子，若本次的适应度值较差，那么说明没有进化成功，则上一代的粒子延续到本代，记为Pbest，用本代所有粒子中适应度值最好的粒子与上一代所有粒子中适度值最好粒子相比较，若本代最佳的粒子适应度值较好，那么用该粒子替代之，否则上一代最佳粒子延续到本代（记为Gbest）；根据公式1-1 与1-2 更新每个粒子自己的速度与位置，产生新的族群，在新的族群中寻找优化Pbest 与Gbest，如此迭代循环寻找个体最优解和整体最优解。

四、班级文化管理隐性构建的粒子群算法建模

如前所述，班级文化的主体是班级里的每个人，这些个人在班级文化的指导和影响下不断发展，同时班级集体也向着班级文化所指明的目标前进，即班级文化的作用是在兼顾作为集体小“粒子”的同时推进集体向前发展。班级文化的这种特征及班级管理的目的与粒子群算法及其创建的初衷相吻合。粒子群算法正是同时兼顾粒子个体最优化和整体最优化的模拟社会活动的求解方法。

我们可以通过其优化计算过程看到，该优化方法同时兼顾了粒子本身的进化同时搜索粒子群的最优解，即：同时兼顾个体与群体的进化发展。在大学的班级文化管理中，针对学生本身的发展和班级整体进步可以使用该优化算法进行班级文化管理，用于协调学生个人发展与班级整体“进化”，促使学生之间进行充分交流，取长补短，共同进步。

粒子群算法各要素与班级管理要素之间的关系为：每个粒子——每个学生；粒子速度——根据学生所处班级环境，改变自我所作出的努力；函数最优值——班级建设目标；粒子适应度值——学生对班级建设目标的贡献程度；迭代过程中的上一代和本代——学生过去一段时间和现在。

为了使模型更具有实际操作性，需要对学生对班级文化建设的贡献度进行量化，首先是将学生所能做的贡献进行分类并按照重要程度打分，如可分类为课程成绩类、科技竞赛类、文艺表演类、体育竞赛类、志愿服务类等等，每一大类还可以细分，给每一个小项目赋予一定分数（如学习成绩按高到低量化为10 分至0 分，科技竞赛按等级分为8 分至1分，等等）。至此，就可以计算每个学生的贡献度（及适应度值）了。建立的具体模型如图2 所示。

应用粒子群算法对班级管理进行最优化管理的流程如下：

新生入学，可以看做是粒子群算法中的粒子初始化，构建“贡献度”的评测标准，将每个学生的特质量化，产生“粒子”的初始位置（初始贡献）和初始速度。

确立班级文化目标，以班级文化目标为导向确立班规及开展班级活动，以班规及班级活动对班级中的个人——“粒子”产生影响，激发其内在的发展动力，提供其改变自我的推动力，产生发展速度。

构建一种评测体系来量化每个“粒子”对班级文化管理目标的贡献度，计算其从开始到现在的贡献度，对比前后贡献度，如果大于以前的贡献度则保持现状继续发展，如果小于前一时段适应度则需要调整自我，做出改变，这一点是每个“粒子”的纵向评测，是对比自己在不同时段的发展状态和对班级文化目标的贡献度，优化自我的过程，产生Pbest；对比班级里所有粒子对班级文化的贡献度，找出上一时段和目前对班级贡献度最大的学生，树立榜样，鼓励向该学生学习，这是每个“粒子”的横向评测，通过对该榜样的学习推进班级整体的发展，产生Gbest。

通过班级活动，班级公约等影响因素推进学生个体及班级整体的进化发展。每个学生根据自身不同时期对班级的贡献度不同，通过班级活动作为调整动力，不断发展或改变自我；班级根据学生及整体的发展程度适当的调整班级活动或是班规来进一步推动学生的自我“进化”和班级的整体“进化”。

图2 粒子群算法用于班级文化管理隐性构建建模

和上一阶段相比，学生和班级进入新的发展状态，如果班级建设目标实现，则维持现在的班级文化管理方法；若班级目标未达到，则继续通过调整班级发展目标、激励学生的措施、班级活动及班规等管理方法对学生个人产生驱动力，并进入新的阶段进行评测。

五、粒子群算法在班级文化管理中的发展前景及其意义

粒子群算法对班级文化管理的建模同时兼顾个人及全局发展的最优化解。适应现阶段追求自我个性的新时代年轻人的个人诉求，同时也兼顾了班级整体的发展目标，是一个适应时代发展的班级文化隐性构建方法。

根据算法进化特性，一旦评价标准（可参照学校的学生综合测评办法）确定后，可以实现学生管理的流程化和推动学生的自我学习、相互交流，发挥大学生活多元化的优势的同时，使学生能在所处环境中最大程度地提高自身能力，实现班级文化管理的优化改进。

由于该算法的鲁棒性及自适应性很好，所以用其建模的班级文化隐性构建具有很好的稳定性，可以指导管理者随时对管理方法进行针对性的调整，做到有的放矢，实现班级的动态管理。

基于粒子群算法的班级文化管理隐性构建模型能继承该算法的理论方法和优化特性，使班级文化管理有了理论支撑的同时，可系统性地分析大学生集体发展过程中的现象和特点，为相关问题的研究开辟了新的视角。

该方法主要针对群体优化进行，在算法的进一步发展推广上有很大的前景，可以进一步推广至学校文化管理等方面。

[1]马丽华.高校班级文化建设刍议[J].黑龙江高教研究,2003(5).

[2]Elberhart R C, Kennedy J.A new optimizer using particles swarm theory [C].Proc.Sixth International Symposium On Micro Machine and Human Science.Nagoya, Japan, IEEE Service Center,Piscataway,NJ,1995.

[3]韩敏.基于微粒群的神经网络预测控制理论及应用[M].北京：中国水利水电出版社，2013.