常识问题任务中理解他人的加工机制

理解他人是指推断他人的心理状态,以及解释和预测他人行为的心理加工。本研究采用常识问题任务,通过三个实验来考察成人理解他人的加工机制,提出并验证双加工模型。研究发现:第一,个体在理解他人的过程中综合考虑了自我信息和他人信息,提出并验证了双加工模型。第二,反馈作用会改变个体自我模拟所获得的自我信息,从而影响理解他人。第三,他人信息将影响自我对他人的推断预测,片面的他人信息会导致理解他人出现偏差。

高中地理课堂问题任务特征研究——基于优质课视频观摩

本文以2018年度20节省部级高中地理优质课为观摩对象,从教材来源、教学行为和认知过程维度等方面,量化分析地理问题任务的教材忠实度、时间分配、教学行为的使用、认知水平等特征,直观呈现优质地理课堂问题任务特点,进一步提出优化建议,为高中地理课堂问题任务设计提供指导。

基于核心素养的“问题任务驱动”式翻转课堂教学实践——以人教版高中化学必修二“离子键”为例

化学核心素养既是课堂教学的主旨,也是课堂教学改革的灵魂。新理念下的课堂教学设计,应遵循以化学核心素养为学生发展培养目标,并构建一个可促进学生自身知识体系完善、以学生为本的课堂教学新模式。

“问题任务型”学习模式在民族学生语文课堂教学中的策略研究

问题任务型学习模式不仅兼具了创新性和趣味性,而且非常适用于民族学生语文课堂教学。教师积极应用问题任务型学习模式,既可以促进学生思维品质和语文核心素养的同步发展,也能显著增强语文教学的质量。本文主要论述了问题任务型学习模式在民族学生语文课堂教学中的应用策略,希望可以为广大教师提供有力的参考,从而助力民族学生综合素质和谐发展。

以问题任务群助推整本书阅读教学--以《骆驼祥子》整本书阅读教学为例

问题任务群的整本书阅读教学策略,不仅能够有效督促学生完成整本书阅读,而且能够引发学生关注整本书文字背后的人性美、人情美,关怀个体生命,更是为学生搭建从浅显思考走向深度思维的台阶,从而真正提升学生整本书阅读的能力和品质。

高中数学“问题链+任务单”单元式教学策略探索

立足“学科育人”目标,探索高中数学“问题链+任务单”单元式教学策略,实施“单元导引—课时教学—整体评价”一体化方案,全面提升教师专业化水平,促进学生数学学科核心素养的形成和发展.

高中数学“问题链+任务单”单元式教学

在高中数学课程的实施过程中,采用“单元教学”思想,从整体角度出发,能将高中所有重要知识有机地结合起来,重新组合、再设计,以达到动态教学的效果.当前我国教育以“学科育人”为目标,教育工作者对高中数学“问题链+任务单”的单元化教学策略进行了积极的探讨,采取了指导学生进行单元教学的新方法,对教师的专业化程度进行了整体的提高,能够对学生数学学科核心素养的形成和发展起到很大的促进作用.

改进粒子群优化算法求解任务指派问题

任务指派问题是典型NP难题,引入粒子群优化算法对其进行求解。建立了任务指派问题的数学模型,给出了粒子群优化算法求解任务指派问题的具体方案。为提高其优化求解效果,引入变异机制及局部更新机制对粒子群优化算法进行改进。实例及数字仿真验证了改进粒子群优化算法的有效性。

求解任务分配问题的带有推荐功能的蚁群算法

为有效求解任务分配问题,提出带有推荐功能的蚁群算法。构建了一种推荐机制,根据对问题的分类情况,基于蚁群算法的算子规则与问题的匹配程度,为每类具体问题的求解提供算子推荐。为提高算法的求解性能,针对问题的三个优化目标设计了三种局部搜索策略,在蚁群算法迭代过程中,根据解的迭代特性自适应地嵌入算法中执行。设计了四种类型共16个不同规模的算例来验证方法的有效性,通过验证每类算例在不同规模下算子规则选择的一致性,从侧面反映了算法推荐机制的合理性。

用具有混沌特性的神经网络解任务分配问题

利用由一对相互藕合的混沌吸引子作为神经元构造的混沌神经网络来解决任务分配问题 .通过与传统Hopfield人工神经网络解决任务分配问题相比 ,混沌神经网络具有更强的全局搜索能力和寻优能力 .实时分布处理系统任务分配问题实例仿真结果表明 ,该网络解任务分配问题有效地避免了 Hopfield人工神经网络极易陷入局部极小的缺陷 。

地理课程思政任务要求与存在问题分析——兼论对高师地理专业思政建设的要求

地理课程思政在学校思政教育中十分重要,研究发现:中学地理教师的地理课程思政素养尚有相当的提升空间。当前,必须解决地理课程教学中政治地理概念内涵不够明晰、中华优秀传统文化结构不够完善、爱国主义教育层次结构不够系统、国情国力评价指标不够齐全等问题。高师地理专业思政应对中学地理课程思政起到重要的引领作用,为此,应统筹建设高师地理专业思政的体制与机制,制定高师地理专业课程思政目标和毕业要求,修订地理专业课程大纲。

特定的舰船维修任务分配问题研究

分析战前舰船维修任务的特点,并对相关因素进行了简化,按照不同的任务需求,建立了任务模型和维修方案模型,并结合运筹学的线性规划问题和任务分派问题,给出舰船维修任务分配问题的求解方法和过程,最后用实例进行引证。

蚁群算法求解分布式系统任务分配问题

蚁群算法是受自然界蚂蚁觅食过程中,基于信息素的最短路径搜索食物行为的启发提出的一种智能优化算法。研究表明,在求解复杂优化问题方面该算法具有一定的优越性。任务分配问题是一类典型的组合优化问题。应用蚁群算法来解决多处理器分布式系统上的任务分配问题,一个任务只能分配给一个处理器处理,而一个处理器可以处理多个任务,其中每个处理器都有固定成本和能力限制。仿真结果表明,该算法比禁忌搜索和随机方法具有更好的求解能力。

基于协同进化的混合变量多目标粒子群优化算法求解无人机协同多任务分配问题

无人机多机协同控制系统近年来已被广泛地应用在军事打击、海洋监测、陆地航拍和灾情探测等领域.针对无人机协同多任务分配问题,为了更加准确地描述无人机协同多任务分配场景,本文考虑实际应用场景下的多种复杂约束,并以无人机飞行总航程最少和任务完成时间最短为优化目标,构建了混合变量多约束的无人机协同多任务分配问题模型M-CMTAP.为了高效求解上述模型,本文提出一种基于协同进化的混合变量多目标粒子群优化算法C-MOPSO.C-MOPSO采用基于任务分配和路径规划的编码方法表示无人机的任务分配结果和路径规划结果及基于约束处理的可行解初始化方法生成可行粒子;同时利用基于结构学习的重组策略对粒子进行更新以提高种群的多样性和收敛性;并引入协同进化策略在两个子种群之间进行合作进化以提高算法的搜索效率.根据无人机和目标的分布状态设计4个代表性的测试实例并验证算法性能,实验结果表明,与其他采用协同进化策略的算法相比,所提算法在解的收敛性和解集多样性上均具有显著的性能优势.

求解装备保障任务调度问题的改进粒子群算法

装备保障任务调度是否合理、高效是取得现代信息化战争胜负的决定性因素之一,提出了两种改进的粒子群算法对该问题进行优化。针对问题的特点,两种算法均采用基于任务编码的粒子结构,且都采用子群划分的方法以保持种群多样性,①改进算法采用了基于维度分解的分群策略,使算法避免进入高维优化领域,②改进算法采用了杂交操作,有效避免了算法陷入局部最优。仿真结果表明,改进算法相比标准粒子群算法具有更好的性能。

实施“任务助推问题”教学模式,促进课堂教学改革

以教育部提出的高等教育应培养学生自主学习能力、创新意识及团队合作精神为指导,构建"任务布置、课前阅读、小组讨论、课堂答疑、体会总结、课后反思"的"任务助推问题"课堂教学模式。其中任务布置是起点,通过课前阅读和小组讨论,学生获得最初知识体验,课堂答疑和体会总结完善学生知识结构,其目的在于培养学生自主学习能力和团结协作的精神。

任务分配问题的瞬态混沌神经网络解法

采用具有瞬态混沌特性的神经网络 ( TCNN)解任务分配问题 .该方法利用神经元的自反馈产生混沌动态 ,由于混沌动态特性具有很强的搜索全局最优解的能力 ,有效地避免了传统 Hopfield神经网络 ( HNN)极易陷入局部极小的缺陷 ;同时利用时变参数控制混沌行为 ,使网络在经过一个短暂的混沌倒分岔后逐渐趋于一般的 Hopfield神经网络 ,保证网络收敛到一个最优或近似最优的稳定平衡点 .仿真结果表明 ,TCNN解任务分配问题时 ,总能收敛到全局最优或几乎接近全局最优 ,同时具有更高的搜索效率 .另外 ,还用此方法求解了属于NP-完全问题的实时分布处理系统中的任务分配问题 .

混合蚁群算法求解分布式系统任务分配问题

任务分配问题是被公认的NP-hard问题,应用广泛。在对分布式系统任务分配问题进行分析的基础上,将蚂蚁寻求任务分配方案的过程用一种新的图形表示方式来实现。针对蚁群优化算法易陷入局部最优的固有缺陷,提出了一种新的混合算法,该算法将蚁群优化算法与简单禁忌搜索算法相结合,增强了算法的局部搜索能力,提高了任务分配问题解的质量。实验结果表明混合算法的求解性能较优。

任务和问题驱动的研究生专业课程教学模式探究

研究生专业课程学习是后续开展科研创新和论文写作的重要基础和必要准备。研究生专业课程教学内容具有挑战度,教学目标具有高阶性,教学过程关键是要发挥研究生的学习主体性。任务和问题驱动教学模式以教师设计任务和问题实现对课程教学的主导,研究生的学习形式转变成在全课程周期内发挥主观能动性利用学习资源自主钻研解决任务和探索问题。任务和问题驱动教学模式有利于夯实研究专业基础,锻炼研究生解决专业任务的能力,激发研究生探索未知问题的创新思维。

主从式免疫克隆选择算法求解任务分配问题

基于生物免疫系统的克隆选择机理,提出一种求解任务分配问题(task assignment problem,TAP)的主从式免疫克隆选择算法(MSICSA).该算法采用一种多种群策略,通过迁入和迁出操作,更新种群之间的信息,保持了群体的多样性.实验结果表明,该算法可有效改善基本免疫克隆选择算法解决大规模优化问题上的不足,具有很好的收敛性和稳定性,能有效解决任务分配问题.