張雅麗，王 科

(1.陜西鐵路工程職業(yè)技術(shù)學(xué)院，陜西 渭南 714000； 2.西北工業(yè)大學(xué),陜西 西安 710129)

PDCA循環(huán)管理作為經(jīng)典的一種用于分析、解決和解決問(wèn)題的管理方法，其主要包含：策劃(Plan)、實(shí)施(Do)、檢查(Check)和處置(Action)4步構(gòu)成，其被廣泛地應(yīng)用于各個(gè)方面的管理，以改善工作方法、業(yè)務(wù)流程，切實(shí)的解決實(shí)際問(wèn)題；同時(shí)PDCA循環(huán)管理對(duì)于管理和制度的形成和固化有良好的應(yīng)用效果[1-2]。

基于 PDCA周期管理的角度，采用 AHP方法，提高高校工程管理學(xué)院學(xué)生工作的規(guī)范化、科學(xué)化，運(yùn)用層次分析法，從學(xué)校風(fēng)氣建設(shè)、規(guī)范管理工作、學(xué)生公寓管理以及教師隊(duì)伍建設(shè)幾項(xiàng)指標(biāo)，建立了一種評(píng)估高校本科生管理工作的指標(biāo)系統(tǒng)[3]。為支撐向量機(jī)(SVM)的模型的執(zhí)行效果，最大限度地利用參數(shù)C和g的約束條件，避免陷入局部最優(yōu)；運(yùn)用布谷鳥算法(CS)優(yōu)化選擇SVM模型參數(shù)，提出一種基于多維度評(píng)價(jià)指標(biāo)的CS-SVM學(xué)生管理工作評(píng)價(jià)模型[4]。CS-SVM模型、SVM模型和BP模型3種算法，CS-SVM極大地改善了對(duì)學(xué)生管理工作評(píng)價(jià)的精準(zhǔn)度，有利于進(jìn)一步指導(dǎo)開展學(xué)生管理和評(píng)價(jià)工作。

1 學(xué)生管理工作評(píng)價(jià)指標(biāo)

針對(duì)目前高校管理工作的現(xiàn)狀，從4個(gè)方面建立起一套工程管理學(xué)院學(xué)生管理工作，即從學(xué)風(fēng)建設(shè)工作、常規(guī)管理工作與公寓管理、隊(duì)伍建設(shè)4個(gè)維度構(gòu)建出一套學(xué)生管理工作評(píng)價(jià)指標(biāo)體系；學(xué)生管理工作評(píng)價(jià)指標(biāo)體系如圖1所示。

圖1 學(xué)生管理工作評(píng)價(jià)體系Fig.1 Evaluation system of student management

2 布谷鳥算法

布谷鳥算法是模擬布谷鳥繁衍過(guò)程所提出的群智能模擬仿生搜索算法[5-6]。布谷鳥種群在持續(xù)進(jìn)化過(guò)程中，占有其他鳥類的窩，將鳥蛋產(chǎn)在其他鳥類的窩里，如果其他鳥類沒(méi)有識(shí)別出外來(lái)的鳥蛋，則讓其他鳥類代為孵鳥；否則，這些鳥蛋則會(huì)被丟棄[7]。

布谷鳥算法開展的前提：

前提1：每只布谷鳥每次只生產(chǎn)1只鳥蛋，并隨機(jī)選擇其他鳥類的巢穴；

前提2：對(duì)于其他鳥窩適應(yīng)最好的蛋則會(huì)被繁衍至下一代；

前提3：當(dāng)其他鳥類的巢穴數(shù)量和位置固化后，假設(shè)其他鳥類發(fā)現(xiàn)非本物種鳥蛋的幾率為pa，pa∈[0,1]。則采用式(1)更新布谷鳥的選擇的鳥巢的位置[8]：

(1)

對(duì)于鳥蛋被其他鳥類識(shí)別的概率pa，即鳥蛋被拋棄的概率pa，采用式(2)計(jì)算其的隨機(jī)個(gè)性化游動(dòng)生成最新解取代被丟棄的解：

(2)

3 基于CS-SVM的學(xué)生管理工作評(píng)價(jià)

3.1 支持向量機(jī)

(3)

(4)

3.2 適應(yīng)度函數(shù)

支持向量機(jī)的核心參數(shù)包括：懲罰系數(shù)C和核參數(shù)g[11]，其主要作用是對(duì)支持向量機(jī)的不斷接近錯(cuò)誤值和運(yùn)算復(fù)雜性得確定進(jìn)行控制。當(dāng)數(shù)值較大時(shí)，SVM的適配性較高，SVM的推廣性能也隨之降低；核參數(shù)g主要用于調(diào)整SVM模型的最終的分類精準(zhǔn)度[12]，該值取值越小，SVM模型最終識(shí)別的分類結(jié)果精準(zhǔn)度越高；否則，分類準(zhǔn)確率會(huì)下降。因此，考慮到SVM模型性能與懲罰參數(shù)C負(fù)相關(guān)性、與核參數(shù)g的正相關(guān)性，本文選用CS算法對(duì)SVM模型的核心參數(shù)記性優(yōu)化，并使用分類準(zhǔn)確率T作為SVM模型的適應(yīng)度函數(shù)：

(5)

式中：Total為待分類的樣本總值；right為可以正確分類的樣本總值。

3.3 算法流程

Step1：通過(guò)專家打分法獲得學(xué)生管理工作評(píng)價(jià)數(shù)據(jù)，10個(gè)專家對(duì)10個(gè)高校的15個(gè)2級(jí)指標(biāo)進(jìn)行打分得到樣本數(shù)據(jù)。學(xué)生管理工作評(píng)價(jià)等級(jí)分為低、較低、中、較好、好等5個(gè)等級(jí)水平。將樣本數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集并歸一化[13]：

(6)

式中：x′為歸一化后的數(shù)據(jù)；a、b為歸一化后的最小值與最大值，取a=-1，b=1；x、xmax和xmin分別為原始樣本數(shù)據(jù)、原始樣本數(shù)據(jù)中的最大值與最小值；

Step2：CS算法參數(shù)初始化，最大迭代次數(shù)M、鳥巢數(shù)量N、外來(lái)鳥蛋被宿主發(fā)現(xiàn)的概率pa，按式(5)計(jì)算所有鳥巢適應(yīng)度函數(shù)值；

Step3：按式(1)動(dòng)態(tài)更新鳥巢的最新坐標(biāo)，同時(shí)使用式(5)獲得更新位置后所有鳥巢的最新適應(yīng)度，將更新后的結(jié)果與原始適應(yīng)度比較，選擇最佳適應(yīng)度值作為鳥巢的最新位置；

Step4：產(chǎn)生(0,1)之間均勻分布的隨機(jī)數(shù)r，若r>pa，按式(2)動(dòng)態(tài)更新鳥巢的坐標(biāo)，同時(shí)計(jì)算全部鳥巢的適應(yīng)度函數(shù)，保留最佳位置作為種群的最佳適應(yīng)度值；

Step5：算法終止條件判斷。若達(dá)到最大迭代次數(shù)M，則輸出最好的鳥巢位置；反之，返回Step3；

Step6：最好的鳥巢位置對(duì)應(yīng)SVM模型最優(yōu)的懲罰參數(shù)C*和核參數(shù)g*，將最優(yōu)的懲罰參數(shù)C*和核參數(shù)g*代入SVM模型進(jìn)行學(xué)生管理工作評(píng)價(jià)。

4 試驗(yàn)與結(jié)果分析

4.1 數(shù)據(jù)來(lái)源

為有效評(píng)估CS-SVM對(duì)工程管理學(xué)院學(xué)生管理工作的精確性，運(yùn)用專家評(píng)分[14-15]方法對(duì)其進(jìn)行問(wèn)卷分析，獲得了對(duì)學(xué)生管理工作的評(píng)估結(jié)果，學(xué)生管理工作評(píng)價(jià)等級(jí)分為好、中、差3個(gè)等級(jí)水平。學(xué)生管理工作評(píng)價(jià)樣本數(shù)據(jù)如表1所示。

表1 評(píng)價(jià)樣本數(shù)據(jù)Tab.1 Evaluation sample data

4.2 評(píng)價(jià)指標(biāo)

選擇準(zhǔn)確率T和誤判率F作為學(xué)生管理工作評(píng)價(jià)效果的評(píng)價(jià)指標(biāo)[16-17]。

(1)準(zhǔn)確率T：假設(shè)學(xué)生管理工作評(píng)價(jià)等級(jí)被正確識(shí)別的數(shù)量為A；而實(shí)際的評(píng)價(jià)等級(jí)使用B代表，使用式(7)計(jì)算學(xué)生管理工作評(píng)價(jià)等級(jí)的準(zhǔn)確率：

(7)

(2)誤判率F：假設(shè)工程管理學(xué)院學(xué)生管理工作評(píng)價(jià)等級(jí)是第i類的實(shí)際數(shù)量為H；而將第i類學(xué)生管理工作評(píng)價(jià)等級(jí)誤判為第j類學(xué)生管理工作評(píng)價(jià)等級(jí)的數(shù)量為W，則學(xué)生管理工作評(píng)價(jià)等級(jí)判斷的誤判率為：

(8)

4.3 結(jié)果分析

為了驗(yàn)證工程管理學(xué)院學(xué)生管理工作評(píng)價(jià)的效果，將CS-SVM和GA-SVM[18]、SVM[19]和BP[20]進(jìn)行對(duì)比。CS算法參數(shù)：設(shè)定鳥巢數(shù)N=20，pa=0.25，最大迭代次數(shù)M=100；GA算法參數(shù)為：種群規(guī)模10，最大迭代次數(shù)100，交叉概率pc=0.7，變異概率pm=0.1，對(duì)比結(jié)果如表2和圖2～圖5所示。

表2 評(píng)價(jià)結(jié)果Tab.2 Evaluation results

圖2 CS-SVM評(píng)價(jià)結(jié)果Fig.2 CS-SVM evaluation results

圖3 GA-SVM評(píng)價(jià)結(jié)果Fig.3 GA-SVM evaluation results

圖4 SVM評(píng)價(jià)結(jié)果Fig.4 SVM evaluation results

圖5 BP評(píng)價(jià)結(jié)果Fig.5 BP evaluation results

由圖2～圖5可知，“*”代表對(duì)學(xué)生管理工作評(píng)價(jià)等級(jí)的全部評(píng)價(jià)類別；“o”代表學(xué)生管理工作評(píng)價(jià)等級(jí)的實(shí)際類別；結(jié)合實(shí)際類別和評(píng)價(jià)類別的比對(duì)，可以明顯地看出評(píng)價(jià)結(jié)果和實(shí)際類別，其中1、2、3分別表示學(xué)生管理工作評(píng)價(jià)等級(jí)為好、中和差。當(dāng)“*”和“o”重合時(shí)，學(xué)生管理工作評(píng)價(jià)等級(jí)的評(píng)價(jià)結(jié)果和學(xué)生管理工作評(píng)價(jià)等級(jí)的實(shí)際類別一致，說(shuō)明學(xué)生管理工作評(píng)價(jià)結(jié)果正確；當(dāng)“*”和“o”不重合時(shí)，學(xué)生管理工作評(píng)價(jià)等級(jí)的評(píng)價(jià)結(jié)果和學(xué)生管理工作評(píng)價(jià)等級(jí)的實(shí)際類別不一致，說(shuō)明工程管理學(xué)院學(xué)生管理工作評(píng)價(jià)結(jié)果錯(cuò)誤。由表2可知，CS-SVM的工程管理學(xué)院學(xué)生管理工作評(píng)價(jià)的準(zhǔn)確率和誤判率分別為96.41%和3.59%，優(yōu)于GA-SVM的92.28%和7.72%、SVM的90.46%和9.54%及BP的86.35%和13.65%。與GA-SVM、SVM和BP對(duì)比發(fā)現(xiàn)，CS-SVM能夠極大地改善工程管理學(xué)院學(xué)生工作考核結(jié)果的精確度，為高校學(xué)生工作考核開辟了新的思路。

5 結(jié)語(yǔ)

為加強(qiáng)對(duì)高校工程管理學(xué)院學(xué)生工作管理的質(zhì)量和水平，確保實(shí)現(xiàn)高精度對(duì)工程管理學(xué)院學(xué)生管理工作進(jìn)行評(píng)價(jià)，本文運(yùn)用層次分析法，從學(xué)校風(fēng)氣建設(shè)、規(guī)范管理工作、學(xué)生公寓管理以及教師隊(duì)伍建設(shè)幾項(xiàng)指標(biāo)，構(gòu)建出一套學(xué)生管理工作評(píng)價(jià)指標(biāo)體系。使用布谷鳥算法對(duì)SVM模型的核心參數(shù)懲罰C和核參數(shù)g進(jìn)行優(yōu)化，避免陷入局部最優(yōu)。由于學(xué)生管理評(píng)價(jià)工作的體系性和系統(tǒng)性較強(qiáng)，涉及面較廣，影響因素較多。文中對(duì)影響因素的考慮還需要進(jìn)一步加強(qiáng)，后續(xù)將持續(xù)補(bǔ)充完善更多的評(píng)價(jià)指標(biāo)的學(xué)生管理工作評(píng)價(jià)模型，從而提高模型的適用性和可靠性。