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(duì)性地做大學(xué)生思想政治教育工作具有重要的現(xiàn)實(shí)意義。在預(yù)設(shè)大學(xué)生群體意識(shí)行為正負(fù)激勵(lì)的背景下，運(yùn)用改進(jìn)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(guān)鍵詞：思想政治教育;磷蝦群算法;正激勵(lì);投影尋蹤分析;最佳投影方向

中圖分類號(hào)：G643

文獻(xiàn)標(biāo)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(huì)經(jīng)濟(jì)的發(fā)展和大學(xué)招生人數(shù)規(guī)模的不斷擴(kuò)大，有針對(duì)性地做好大學(xué)生思想政治教育工作具有重要的現(xiàn)實(shí)意義。大量研究表明[1]，大學(xué)生的個(gè)人意識(shí)和行為具有正相關(guān)性，因此通過正確合理的思想政治策略選擇教育（正激勵(lì)、負(fù)激勵(lì)、樹立榜樣和標(biāo)桿等），可以實(shí)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(yù)設(shè)大學(xué)生群體意識(shí)行為正負(fù)激勵(lì)的背景下[2]，運(yùn)用改進(jìn)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(fù)激勵(lì)策略

正激勵(lì)是指主動(dòng)性的激勵(lì)[3]，對(duì)于學(xué)生而言，正激勵(lì)主要通過肯定、認(rèn)可學(xué)生的積極行為，適當(dāng)?shù)奈镔|(zhì)獎(jiǎng)勵(lì)，以調(diào)動(dòng)學(xué)生爭當(dāng)正面典型的積極性，正確的教育引導(dǎo)和科學(xué)管理，營造健康的輿論氛圍，為學(xué)生個(gè)體樹立學(xué)習(xí)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(cuò)誤輿論。

負(fù)激勵(lì)是被動(dòng)性的激勵(lì)，對(duì)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(gè)體需要和組織目標(biāo)實(shí)現(xiàn)的方向發(fā)展。正激勵(lì)與負(fù)激勵(lì)都是必要而有效的，因?yàn)檫@兩種方式的激勵(lì)效果不僅會(huì)直接作用于個(gè)人，而且會(huì)間接地影響周圍的個(gè)體與群體。丹尼爾森.卡爾曼從心理學(xué)角度證明，負(fù)激勵(lì)所具有的懲罰作用更明顯。

因此，對(duì)于從事學(xué)生工作的輔導(dǎo)員來說，要慎用負(fù)激勵(lì)，因?yàn)閼土P會(huì)給人帶來心靈上的創(chuàng)傷。我們對(duì)于學(xué)生采用的負(fù)激勵(lì)方式大致是：批評(píng)、取消評(píng)優(yōu)、警告處分、留校察看之類的，這些負(fù)激勵(lì)措施也許可以起到以儆效尤的作用，但一定要把握負(fù)激勵(lì)的尺度和力度，不能產(chǎn)生任何的偏差。在思想政治教育工作中，對(duì)學(xué)生采取正負(fù)激勵(lì)策略，確實(shí)有助于形成一種健康積極向上的群體氛圍和輿論導(dǎo)向，提高大學(xué)生辨別是非的能力，增強(qiáng)個(gè)體的自我意識(shí)，從而引導(dǎo)理性的群體意識(shí)行為。

2改進(jìn)的磷蝦群算法

在KH算法中，每個(gè)磷蝦個(gè)體為解空間內(nèi)的一個(gè)可行解，食物為KH算法的全局最優(yōu)解。磷蝦總的移動(dòng)Zk由誘導(dǎo)運(yùn)動(dòng)Rk、覓食運(yùn)動(dòng)Sk與隨機(jī)擴(kuò)散Tk共同決定[4]，下標(biāo)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(dòng)。

（1）誘導(dǎo)運(yùn)動(dòng)

誘導(dǎo)運(yùn)動(dòng)分為目標(biāo)指引、局部影響以及引導(dǎo)慣性，如式（2）。

Rk=Rmaxαk+ωrRoldk

（2）

式中，Rmax為最大誘導(dǎo)速度;Roldk為上一次誘導(dǎo)運(yùn)動(dòng)的速度矢量;αk和ωr分為誘導(dǎo)方向和誘導(dǎo)權(quán)重;αk和ωr均處于[0，1]之間，且αk+ωr=1。

（2）覓食運(yùn)動(dòng)

覓食運(yùn)動(dòng)包括覓食經(jīng)驗(yàn)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(quán)重;βk和ωs均處于[0，1]之間，且βk+ωs=1。

（3）隨機(jī)擴(kuò)散

隨機(jī)擴(kuò)散速度Tk，如式（4）。

Tk=Tmax（1-t/tmax）δ

（4）

式中，δ為隨機(jī)擴(kuò)散方向，且δ∈[0，1];Tmax為最大隨機(jī)擴(kuò)散速度。

在Δt時(shí)間段內(nèi)磷蝦個(gè)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(biāo)準(zhǔn)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(dòng)算子β引入隨機(jī)擴(kuò)散，如式（7）。

Tk=Tmax（1-t/tmax+β）δ

（7）

式（7）中，β=η×fitness，η∈[0，1]。

改進(jìn)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(píng)價(jià)指標(biāo)

為實(shí)現(xiàn)思想政治策略的選擇，本研究從道德品質(zhì)、政治表現(xiàn)、思想政治理論、考勤指數(shù)、學(xué)習(xí)指數(shù)、成績指數(shù)和日常表現(xiàn)等7個(gè)維度構(gòu)建思想政治教育策略評(píng)價(jià)指標(biāo)，一二級(jí)評(píng)價(jià)指標(biāo)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(jì)方法。假設(shè)若第i個(gè)樣本第j個(gè)指標(biāo)為xij（i=1，2，…，n;j=1，2，…，m），其中，n和m分別為樣本個(gè)數(shù)和指標(biāo)個(gè)數(shù)，則PP分析步驟為[5]：

（1）數(shù)據(jù)預(yù)處理：為了消除各個(gè)指標(biāo)量綱對(duì)評(píng)價(jià)結(jié)果的影響，統(tǒng)一各個(gè)指標(biāo)值的變化范圍，采用極值歸一法對(duì)指標(biāo)值進(jìn)行標(biāo)準(zhǔn)化處理[6]：

對(duì)于正向型指標(biāo)如式（8）。

x*ij=xij-min（xj）max（xj）-min（xj）

（8）

對(duì)于逆向型指標(biāo)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(gè)指標(biāo)樣本的最大值和最小值;x*ij為經(jīng)過標(biāo)準(zhǔn)化處理后的指標(biāo)值。

（2）構(gòu)造投影指標(biāo)函數(shù)：設(shè)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(mì)（i）如式（10）。

z（i）=∑mj=1αjx*ij

（10）

將目標(biāo)函數(shù)Q（α）定義為投影值類間距離Sz與類內(nèi)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(mì)（i）的標(biāo)準(zhǔn)差計(jì)算，類內(nèi)密度Dz為投影值z(mì)（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(mì)（i）的平均值，Sz的值越大，點(diǎn)團(tuán)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(dāng)t=（R-rij）≥0，其值為1，當(dāng)t=（R-rij）<0，其值為0。R為求局部密度時(shí)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(biāo)函數(shù)：通過最大化類間距離與類內(nèi)密度的乘積來尋找最佳投影方向，即求投影指標(biāo)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(jì)算出個(gè)樣本點(diǎn)的投影值z(mì)*（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(mì)*（i）大小排序，則可以計(jì)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(biāo)函數(shù)

針對(duì)PP模型的評(píng)價(jià)精度受最佳投影方向選擇的影響，運(yùn)用IKH算法優(yōu)化PP模型的最佳投影方向，目標(biāo)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(píng)價(jià)指標(biāo)數(shù)據(jù)，劃分訓(xùn)練集和測(cè)試集，并進(jìn)行歸一化處理，消除數(shù)據(jù)量綱差異帶來的影響;

（2）設(shè)置IKH算法參數(shù)：磷蝦種群大小N、最大隨機(jī)擴(kuò)散速度Tmax、最大誘導(dǎo)速度Rmax、最大迭代次數(shù)Maxgen以及最大覓食速度Vs，并隨機(jī)初始化種群;

（3）對(duì)于訓(xùn)練集，根據(jù)公式（16）計(jì)算種群適應(yīng)度，并進(jìn)行排序，計(jì)算各運(yùn)動(dòng)分量;

（4）更新磷蝦種群位置;

（5）判斷算法終止條件，若達(dá)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(jì)算思想政治教育策略方案的好壞或等級(jí)。

4實(shí)驗(yàn)結(jié)果與分析

4.1思想政治教育策略方案

為了評(píng)價(jià)不同思想政治教育策略方案的好壞或等級(jí)，結(jié)合表1的評(píng)價(jià)指標(biāo)，選擇表2的5個(gè)等級(jí)的思想政治教育策略為研究對(duì)象[1011]，如表2所示。

表2中5個(gè)等級(jí)分別為優(yōu)、較好、中、一般和差，每個(gè)等級(jí)有7個(gè)評(píng)價(jià)指標(biāo)。

4.2評(píng)價(jià)指標(biāo)

為提高IKHBP模型的收斂速度和計(jì)算精度，對(duì)數(shù)據(jù)進(jìn)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(píng)價(jià)不同方法進(jìn)行思想政治教育策略選擇的優(yōu)劣，選擇準(zhǔn)確率作為思想政治教育策略選擇的評(píng)價(jià)指標(biāo)如式（18）。

AC=TNN×100%

（18）

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

4.3結(jié)果分析

按照表1中各指標(biāo)的評(píng)價(jià)等級(jí)范圍和分級(jí)標(biāo)準(zhǔn)[13]，在每個(gè)等級(jí)區(qū)間內(nèi)隨機(jī)生成100個(gè)標(biāo)準(zhǔn)評(píng)價(jià)對(duì)象，獲得500個(gè)標(biāo)準(zhǔn)樣本數(shù)據(jù)，并對(duì)樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將500個(gè)標(biāo)準(zhǔn)評(píng)價(jià)對(duì)象數(shù)據(jù)按照訓(xùn)練集所占比例為0.8劃分訓(xùn)練集和測(cè)試集。IKH和KH參數(shù)設(shè)置為：磷蝦種群大小N=100、投影方向α范圍為[0，1]、最大隨機(jī)擴(kuò)散速度Tmax=0.02、最大誘導(dǎo)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(jìn)行思想政治教育策略選擇的優(yōu)越性，將IKHPP與KHPP、PSOBP和DEBP進(jìn)行對(duì)比，不同模型參數(shù)設(shè)置如表3所示。

表3不同模型參數(shù)

算法參數(shù)設(shè)置

PSO種群規(guī)模N=10，最大迭代次數(shù)T=100，學(xué)習(xí)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(dú)立運(yùn)行10次，將10次思想政治教育策略選擇結(jié)果的平均值作為最終選擇結(jié)果。思想政治教育策略選擇評(píng)價(jià)時(shí)，將9個(gè)評(píng)價(jià)指標(biāo)作為IKHPP模型的輸入，策略等級(jí)作為IKHPP模型的輸出，建立IKHPP思想政治教育策略選擇模型，結(jié)果如圖2、圖3和表4所示。

由思想政治教育策略選擇評(píng)價(jià)精度對(duì)比結(jié)果可知，在訓(xùn)練集和測(cè)試集上，IKHPP的最優(yōu)準(zhǔn)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(zhì)評(píng)價(jià)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(xùn)練集和測(cè)試集上，IKHPP的思想政治教育策略選擇最差準(zhǔn)確率和平均準(zhǔn)確率均優(yōu)于PSOPP、DEPP、KHPP和PP，從而說明IKHPP進(jìn)行思想政治教育策略選擇具有更強(qiáng)的穩(wěn)定性和魯棒性。

收斂速度對(duì)比如圖4所示。

可知不同算法收斂速度的對(duì)比，與PSO、DE和KH相比，IKH具有更快的收斂速度且具有更高評(píng)價(jià)精度。主要原因可能是：IKH算法將擾動(dòng)算子β引入隨機(jī)擴(kuò)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(jié)

文中在預(yù)設(shè)大學(xué)生群體意識(shí)行為正負(fù)激勵(lì)的背景下，運(yùn)用改進(jìn)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(píng)價(jià)因素，后期將研究更多影響因素的思想政治策略選擇，進(jìn)一步提高模型的適用性和精度。

參考文獻(xiàn)

[1]蔣海彬，郝桂榮，劉剛.高等學(xué)校大數(shù)據(jù)思想政治教育評(píng)價(jià)系統(tǒng)研究[J].錦州醫(yī)科大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2018（1）：103105.

[2]張楠楠，林春雷，李凱瑞.高校思想政治教學(xué)評(píng)價(jià)指標(biāo)體系構(gòu)建研究[J].河北大學(xué)成人教育學(xué)院學(xué)報(bào)，2017（4）：117120.

[3]李君亮，許典利，陳艷.高校思想政治理論課教學(xué)質(zhì)量監(jiān)控與評(píng)價(jià)分析[J].教育教學(xué)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(jī)組最優(yōu)初壓研究[J].動(dòng)力工程學(xué)報(bào)，2017，37（8）：615621.

[5]崔東文.改進(jìn)蝴蝶優(yōu)化算法投影尋蹤模型在區(qū)域河長制考核評(píng)價(jià)中的應(yīng)用[J].三峽大學(xué)學(xué)報(bào)：自然科學(xué)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(zāi)害評(píng)價(jià)分析[J].油氣田地面工程，2019（1）：111115.

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

[8]梁薇.基于投影尋蹤模型的網(wǎng)評(píng)評(píng)委綜合素質(zhì)評(píng)價(jià)[J].統(tǒng)計(jì)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(píng)價(jià)[J].長江科學(xué)院院報(bào)，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(jié)合的環(huán)境系統(tǒng)的前向網(wǎng)絡(luò)和投影尋蹤預(yù)測(cè)模型[J].環(huán)境科學(xué)學(xué)報(bào)，2019，39（6）：20532070.

[11]張瑞，袁斐.基于AHP的高校輔導(dǎo)員職業(yè)能力評(píng)價(jià)指標(biāo)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(jìn)的層次分析法在高校學(xué)生綜合素質(zhì)評(píng)定中的應(yīng)用[J].輕工科技，2018（3）：5355.

[13]周海燕.高校思想政治教育精細(xì)化管理PSR模型的指標(biāo)體系研究[J].教育學(xué)術(shù)月刊，2019（7）：2125.

（收稿日期：2020.03.07）