面向应用场景的数据结构线上实践教学案例

针对疫情下的数据结构线上实践教学需要,为进一步激发学生编程兴趣和参与热情,例举3个与实际应用紧密结合的、基于在线评测的数据结构线上实践教学案例并进行相关分析,最后说明取得的教学效果。     

结合特征学习的粒子群求解极小碰集方法

基于模型诊断中的极小碰集问题是人工智能领域的一个重要课题,现实中很多实际问题都可以转化为极小碰集问题,如老师与课程问题,极小覆盖集问题等.通过对极小碰集问题特征的研究,本文结合粒子群优化求解极小碰集的算法提出了一个新的算法,来指导极小碰集的求解:引入学习机制,减少极小碰集求解中对无解空间的搜索;加入翻转策略,来加速极小碰集有解空间中的求解.实验结果表明本文提出的算法在求解极小碰集问题上的效率有明显提高.     

结合部件动态变化度求解最小碰集的GRASP算法

针对最小碰集求解问题,提出一种改进的GRASP算法。在算法构造解阶段,提出一种结合部件动态变化度d-covered的打分机制,用来选择可能是最小碰集的部件,避免非最小碰集部件的加入,并能较早地得到最小碰集;在算法局部搜索阶段,结合部件动态变化度drcovered给出锦标赛策略,进而从当前解对应的冗余部件中删除较可能是非最小碰集的部件。此外,还给出了完备算法和不完备算法的时间复杂度分析。实验结果表明:与现有完备算法相比,本文算法能够在较短的时间内找到最优解;与现有不完备算法相比,本文算法可以找到更短长度的最小碰集。     

基于相似度约束的双策略蒸馏深度强化学习方法

策略蒸馏是一种将知识从一个策略转移到另一个策略的方法，在具有挑战性的强化学习任务中获得了巨大的成功。典型的策略蒸馏方法采用的是师生策略模型，即知识从拥有优秀经验数据的教师策略迁移到学生策略。获得一个教师策略需要耗费大量的计算资源，因此双策略蒸馏框架(Dual Policy Distillation, DPD)被提出，其不再依赖于教师策略，而是维护两个学生策略互相进行知识迁移。然而，若其中一个学生策略无法通过自我学习超越另一个学生策略，或者两个学生策略在蒸馏后趋于一致，则结合DPD的深度强化学习算法会退化为单一策略的梯度优化方法。针对上述问题，给出了学生策略之间相似度的概念，并提出了基于相似度约束的双策略蒸馏框架(Similarity Constrained Dual Policy Distillation, SCDPD)。该框架在知识迁移的过程中，动态地调整两个学生策略间的相似度，从理论上证明了其能够有效提升学生策略的探索性以及算法的稳定性。实验结果表明，将SCDPD与经典的异策略和同策略深度强化学习算法结合的SCDPD-SAC算法和SCDPD-PPO算法，在多个连续控制任务上，相比经...     

教学与科研关系的思考及其在数据结构课程建设中的实践

分析教学与科研对立与统一的关系问题,指出二者关系对于社会发展、高校发展以及教师个人发展的重要意义,结合国家级精品课数据结构的建设过程说明如何做到教学与科研的统一,介绍两则实验题目和创新实验的设计原则。     

创新idea引导的纵深式本科教学改革研究

本科教育传统理念与教学模式面临着更新的挑战并存在许多难题,但对大学本科教育研究的系统性及针对性尤其是理论与实践互动方面还不够。文章基于以问题和实际工程项目为基础的教学改革,提出一种以工程项目创新idea引导的纵深式本科教学改革方案,阐述大学本科教学改革实行过程并说明实践教学成果。