“原子结构发现史”中科学要素剖析及教学反思

科学要素是科学发现过程中必然涉及的因素,其中包括观察、假说、实验、理论等。以＂原子结构发现史＂为例,原子结构的确立历经理论探讨、实验探究、模型确立三个阶段,体现了观察是建构与检验假说的基础;假说是解释、预测现象以及指导实验的依据;实验是获取现象以及检验假说的手段。教师应当返还属于学生的时间,培养学生的观察能力;关注学生的＂错念＂,培养学生提出假说的能力;引导学生思考实验的价值,培养学生的实验设计能力。

基于带状态回溯个体进化的子结构发现

将进化算法引入图数据挖掘,以克服贪婪式查找易陷入局部极值的问题。针对图数据挖掘中经常遇到的子图同构问题,提出了带状态回溯个体的概念,从而使遗传算子的设计更为合理。另外,还提出了一种新的多样性保持方案,从种群的组成和个体的生成两个方面提高了种群的多样性。在进化过程中随时去掉当前种群中没有潜力的个体的机制使查找空间缩小了一半。实验结果表明,以上措施增强了算法的寻优能力,提高了算法的效率和解的质量。

快速的混合进化子结构发现算法

将混合进化算法引入图数据挖掘,避免了陷入局部极值问题,提高了解的质量。在此基础上提出了一种基于单标签扩展的子结构扩展方法,该方法可以减少进化过程中图同构操作执行的次数。在典型数据集上的仿真实验和理论证明表明了该方法的高效性和正确性。

进化子结构发现在区域经济研究中的应用

提出了一种基于进化算法的子结构发现算法,并将爬山算法的思想融合于交叉和变异算子的设计之中,该算法可有效地跳出局部极值,取得较好的实验结果。将该算法应用于我国区域经济研究,挖掘结果反映了我国经济目前发展的趋势及存在的问题。

一种基于混杂EA的子结构发现算法

将混杂进化算法引入图数据挖掘,定义了基于图的染色体表示与加边变异和减边变异算子。针对子图同构问题,采用了SUBDUE提出的带实例的子结构的概念并提出了个体的潜力和带历史的个体两个概念,前者用以衡量一个个体生成新子结构的能力,后者用来保存进化过程中有潜力的个体,从而使减边变异成为可能,在一定程度上克服了子图同构问题。实验结果表明,以上措施增强了算法的寻优能力,提高了算法的效率和解的质量。

基于近似个体协同的进化子结构发现

SUBDUE是一个主流的图数据挖掘算法。为克服其贪婪式查找易陷入局部极值的问题,将进化算法与爬山算法相结合并引入图数据挖掘,较好地权衡了算法的探查和利用能力。另外,针对图数据挖掘中普遍存在的实例易丢失的问题,采用了个体协同的查找方法,该方法与常见的种群间协同进化算法不同,可以使同一种群中的个体进行协同查找,重新找回丢失的实例。同时,还给出了一种具有多项式时间复杂度的近似图匹配算法以改善个体间协同的性能。实验结果表明,以上措施增强了算法的执行效率及寻优能力,能够获得更优的解。

试论“苯分子结构发现史”教育价值与教学实践——科学本质的视角审视

从科学本质的视角分析,“苯分子结构发现史”涉及的知识、方法、情感,蕴含了科学知识、科学方法及科学情感三个维度上的科学本质观念,有利于学生知识和方法的形成,有利于学生形成科学的情感态度。以“苯分子结构发现史”与实践教学的融合与应用线索为例,分析目前化学史教学存在的问题,提出相应教学建议。

基于个体协同的子图结构发现混合进化算法

将进化算法与爬山算法的混合进化算法引入图数据挖掘,以克服贪婪式查找易陷入局部极值的问题.针对子图结构发现问题中实例易丢失的特点,提出了一种新的遗传操作——个体协同算子,使得代表同一子结构的不同个体能够以协同的方式进行查找.另外,还提出了一种基于年龄段和个体生成方式的多样性保持方案,以从种群的组成和个体的生成两个方面保持和提高种群的多样性,同时还有助于个体协同算子的执行.在进化过程中随时以新生成的单边子结构替换当前种群中没有潜力的个体的机制在缩小查找空间的同时还使得进化过程成为一个更为完全的查找过程.实验结果表明,以上措施增强了算法的寻优能力,能够获得更优的解.