基于遗传算法的高校专业进化能力评价

郭三党，董奋义，张冬咏，翟振杰，樊为刚，刘同生

(河南农业大学 信息与管理科学学院，河南 郑州 450002)

基于遗传算法的高校专业进化能力评价

郭三党，董奋义，张冬咏，翟振杰，樊为刚，刘同生

(河南农业大学 信息与管理科学学院，河南 郑州 450002)

从高校竞争力入手，描述了高校专业种群的进化模式，利用遗传算法对高校专业的进化能力进行评价，采用专业竞争力作为个体专业进化的适应性测度函数，高校的综合竞争力作为进化的目标函数，设计了合理的遗传编码，专业种群经过选择、交叉、变异的遗传操作，保持适应环境变化，具有较强进化能力的适应策略，经过重复的过程，最终达到高校专业进化能力的最优化．通过实例计算，得到了较符合实际的结果．

高校专业种群；高校竞争力；遗传算法

0 引言

随着我国高等教育的发展，高等院校数量急剧增加.新建本科院校作为高等教育改革的产物，办学规模迅速扩大，办学实力明显增强，呈现出良好的发展态势．但是由于历史原因，新建本科院校在师资力量、办学条件、生源质量、社会认同等方面与老牌院校及本科教学要求相比都存在较大差距[1]．为了在激烈的高等教育竞争中立足和发展，新建本科院校必须结合自身实际，确定办学地位，打造合理专业学科建设，形成符合本校的核心竞争力及比较优势．高校只有不断培养发展自己的优势品牌，提高自己的核心竞争力，才能在竞争中求得生存和发展，立于不败之地[2]．

高校教学工作是由不同专业的教学工作构成的，随着社会环境变化程度的加剧，高校在发展过程中需要随时调整自己的专业结构以适应环境的变化，保持较高的进化能力，从而提高竞争力[3]．高校的专业结构是由高校内部各个专业构成的，每个专业又同其他专业及外界社会环境产生复杂的关系，形成一个高校专业种群．在评价高校专业进化能力时，仅仅考虑单个专业的进化能力是片面的，必须对整个高校专业种群的进化能力进行评价，以寻求提高高校整体专业进化能力的途径．本文借鉴了企业种群进化的思想，将遗传算法应用于高校专业种群进化能力评价，对某高校各专业进行测算，得到该校各专业进化能力的测算值，并依据结果将各专业类型进行定位，得到了比较合理的结果．

1 评价思想

高校内的单个专业并不是在自我封闭的空间内独立进化发展，而是同其他多个具有适应性进化能力的专业一起存在于一个高校整体内部，它们共同构成了该校的专业种群．专业种群进化就是这些相互联系作用的高校内部个体专业之间相互竞争、协同进化的过程．各专业在进化的过程中不仅要注重自身循环的进化，更要从种群的生态角度注重整体进化能力，只有这样，才能有利于整个高校专业种群的共同进化[4]．专业种群间的竞争表现为各专业对学校竞争力的贡献程度，一部分师资力量强、生源质量好、社会认同度高的专业能够增加高校的竞争力，因此，这些专业将表现为较好的适应性和更强的进化能力，这种进化能力是个体专业间的进化能力．由个体专业进化能力构成的高校整体进化能力是高校综合竞争力的体现，看作是高校对外部环境的进化能力．

在复杂的社会外部环境中，提高进化能力，发展自身综合竞争力是高校保持旺盛生命力的关键．高校专业种群的进化能力取决于高校的个体专业的进化能力，而个体专业的进化能力需要从专业种群的角度出发，贯穿于高校专业整个进化过程．鉴于高校专业种群与生物种群在适应性及进化能力上的相似性，本文用模拟生物进化的遗传算法来模拟高校专业在种群中的进化过程，并分析高校专业种群的进化能力．社会环境的变化给高校专业构成与发展造成不确定性，高校专业作为一种具有自适应的系统，可以用种群来表示，高校专业种群对外部环境所提供的信息进行处理，并对外部环境的变化做出敏感的反应．当信息到达高校专业系统时，专业系统必须改变自身的结构即专业种群结构来适应环境的变化．这种反应依赖于适应性策略的作用，该适应性策略是高校专业种群对有效环境信息反应的结果，可以用遗传算法中的适应性测度函数来衡量，即评价高校专业种群的进化能力．不同的适应策略会导致适应性测度函数出现差异，在给定条件下，高校专业种群对外界环境的反应在适应策略作用下达到高校专业种群的进化能力最大．

高校专业种群是由多个专业构成，每个专业都是种群中的一个个体．每个专业有其各自进化能力的评价指标，这些指标共同组成了专业种群的进化能力评价指标．运用遗传算法适应函数来评价种群的进化能力，从而能够得到适应性较好的近似解，以此来评价单个专业在专业种群中的进化能力．对于专业种群来说，为提高自身的进化能力，在算法中的选择、交叉和变异过程不应该仅仅由突变的随机性来控制进化的方向，而应该根据初始状态、环境信息和目标要求等制定出相应的规则，调整自身的系统结构，拥有更多适应性较强的指标．

图1 专业竞争力评价体系Fig.1 Evaluation system of professional competence

2 评价步骤

2.1 模型建立

评价高校专业进化能力，需要合适的适应性测度函数，用来衡量高校专业种群进化中的适应性策略．本文选择高校综合竞争力作为适应性测度函数，即目标函数．高校综合竞争力是各专业竞争力的总和[5]．单个专业竞争力可以建立由两层指标构成的评价体系，如图1．

高校综合竞争力即目标函数为高校所有专业竞争力的简单加和，而专业竞争力(如图1所示)可以表述为

U=f(B1,B2)，

B1是专业现状及前景，包含新生报到率C1、毕业生就业率C2，专业布局特色发展C3；B2为专业实力及潜力，由师资队伍C4、实验实训C5、质量与声誉C6构成．高校单个专业竞争力的通用公式为

其中，Bi为一级指标频重(i=1,2)，Ci为二级指标频重(i=1,2,…,6)，Wi为一级指标权重(i=1,2)，Ki为二级指标权重(i=1,2,…,6)．Ci产生原理是根据二级指标评分Mi(i=1,2,…,6)，

指标权重产生原理如下：

因此只要给定各个专业二级指标评分Mi和一级指标权重Wi，就能够求解高校单个专业竞争力的结果，将所有专业竞争力结果进行加和，即为高校综合竞争力的结果．

2.2 遗传编码

在遗传算法编码过程中，以高校内所有专业包含的二级指标评分的组合为一个个体，每个专业的每个二级指标评分为一个基因，某个专业包含二级指标评分构成个体的一个基因片断．如某高校中含2个专业，每个专业包含3个二级指标，专业1指标评分为[1 2 3]，专业2指标评分为[6 5 4]，则个体编码为[1 2 3 6 5 4]．设置种群个数popsize，能够生成包含popsize个体的专业种群．生成种群时，个体中基因的评分不能超过初始个体基因评分．专业结构因素评分为0～10内的数值，容易生成，方便后续遗传算子操作．以it次迭代代表专业各因素在一年内的进化，随着每次迭代t，专业各个因素都发生变动，借鉴经济学中的外推型预期模型，对于第i个因素，其进化规律为pi(t)=pi(t-1)+αi(pt-1-pt-2)，表示任一时刻t的水平pi(t)等于前一时期的水平加上(减去)一定比例的前两个时刻的水平之差(pt-1-pt-2)，若αi>0，则以前的趋势将继续保持下去，若αi<0，则以前的趋势向反方向发展．当t时刻专业因素水平达到两个极限值，即最大达到评分10，最小达到评分0，则停止进化，即专业因素评分一定在[0,10]之内[6]．

2.3 遗传算子

1)选优排序

用选优排序代替一般的选择操作，计算每个个体产生的适应度函数值，按照从大到小的顺序进行排列，同时，重新排列种群，这样可以确定适应值较好的几个解，保证在遗传操作中，种群的近似最优解总是向较好方向发展．

2)交叉

①设置交叉概率，某个有关交叉概率的区间范围内，选取两个父代，分别在两个父代个体随机确定需要交叉的基因片段，该基因片段为某专业基因片段．

②将两个父代中选定的基因片段进行交换，生成两个新的个体，即为子代．用子代替换父代，生成新种群．也应考虑生成的新个体要比初始个体更具有适应能力．

3)变异

选取适应度值较差的个体，即排序之后的种群中排在后面的个体，设置变异概率，在某个有关变异概率的区间范围内，在个体中随机选择一个基因片段，重新生成该片段中的基因的数值．

2.4 遗传算法步骤描述

popsize为种群大小，t为最大迭代数，it为迭代次数.

Step 1初始化种群P(产生popsize个初始个体)；

Step 2对种群P进行选优排序操作产生新种群P′；

Step 3对种群P′进行交叉，选优排序，变异操作，再次选优排序，产生新种群P″；

Step 4检验it是否等于t，是，转Step 5；否，it++，转Step 2;

Step 5种群中的最优个体作为最终近似最优解．

图2 2015年某高校58个专业进化能力测算评分结果Fig.2 Evaluation results of 58 professional evolution abilities of one university in 2015

3 实例计算

在调研基础上确定某高校2015年58个专业综合评价得分，以该评分数据为初始条件，进行2015年专业进化能力评价测算，在专业实力潜力和专业现状前景的现有分类基础上，结合实际情况，以师资力量、实验实训、质量和声誉、新生报到率、毕业生就业率和专业布局这6个专业可以自我调节因素为二级指标，进行种群迭代进化．为计算简便，指定遗传算法中各专业各个二级指标的系数，同时由专家评分法确定专业竞争力评价指标体系中一级权重的数值．设置迭代25次为一年的进化次数，设置种群为30，通过用Matlab进行编程运算，得到每次计算的近似最优解．由于遗传算法的全局搜索性，每次计算的近似最优解并不是完全相同，可以通过多次计算，取其平均值的方法，将算法所得的近似最优解的平均值求出，作为较合理的结果．通过10次计算，取其平均值，得到2015年的该学院各专业二级指标的评分结果．由遗传算法计算得到各专业在一定条件下能够使该校进化能力达到最大的二级指标评分结果，不能直接判断各专业的综合竞争力，并由此制订相应的专业调整计划．为便于更加直观地评价各个专业的竞争能力，进行专业结构调整，可以将由遗传算法所得的二级指标评分结果代入到图1所示的专业竞争力评价体系中，分别计算每个专业在评分结果下的专业实力潜力和专业现状前景的评分数值，画出散点图，如图2．

每个专业在图2中具有不同的位置，能够直接根据各个专业所在的不同位置，判断经过进化能力测算后，专业对外部环境的适应情况，从而为进行正确的专业调整决策提供依据．例如，如图2所示，一部分专业自身竞争力不强，在最终进化结果中专业现状和前景及专业实力与潜力评分都较低，如现代教育、家政等专业，这部分专业应有意识地放弃发展或者对原有专业进行改造．一部分专业如飞行技术、机械设计等，专业现状和前景评分较高，但是专业实力和潜力评分较低，说明这些专业的师资力量、实验实训等教学条件需要加强，使得它们的专业教学实力能够适应该专业的前景要求，说明了学校需要积极发展这部分专业，以使它们能够在将来成为学校具有竞争力的特色专业．一部分专业如电气工程自动化和电子信息科学与技术等，专业现状和前景及专业实力与潜力评分都较高，说明这部分专业发展前景较好，专业教学实力较强，学校应该继续支持其发展，形成学校具有竞争力的重点专业．一部分专业如学前教育和应用数学，专业现状和前景评分不高，专业实力和潜力评分较高，说明这些专业是学校前期的实力较好的专业，但是不适应外界社会环境，需要在维持发展的基础上进行有效改造，以使其能够适应社会需求，将自身的专业优势延续下去．其他还有某些专业的发展前景与专业实力都可以由进化得到评分结果，对照现有实际情况采取相应的措施．该结果对学校制订专业调整计划，有效地在各专业进行资源配置起到了一定的参考作用．

4 结论

本文应用遗传算法对高校专业进化能力进行了评价，以某高校专业竞争力为适应性测度函数，设计了合理的遗传编码和计算规则，测算了该校58个专业2015年度专业进化结果，得到了比较符合实际的结果，为学校进行专业结构调整、优化配置资源提供了参考．

[1]王锦锋,魏朱宝.关于培育提高新建本科院校核心竞争力的探讨[J].铜陵学院学报,2005(2):106-109．

[2]董婷,李永明.新建本科院校核心竞争力的打造[J].中国成人教育，2012(21)：89-91.

[3]张铁男,张亚娟,才华.基于遗传算法的企业种群进化能力评价[J].哈尔滨工业大学学报,2006,38(12):2155-2161.

[4]张铁男，张亚娟，才华.战略视角下的企业进化能力研究[J]．管理世界,2006(10):160-161.

[5]李晓娟,高鹏,吴志功.我国研究型大学核心竞争力的评价指标体系研究[J]．管理评论,2010,22(3):44-53.

[6]王小平,曹立明.遗传算法——理论、应用与软件实现[M].西安：西安交通大学出版社,2002:87-103.

Evaluation of College Specialty Evolution Ability Based on Genetic Algorithm

GUO Sandang,DONG Fenyi,ZHANG Dongyong,ZHAI Zhenjie,FAN Weigang,LIU Tongsheng

(CollegeofInformationandManagementScience,HenanAgriculturalUniversity,Zhengzhou450002,China)

Describes the evolution of college specialty population model and evaluates the evolution of the college professional ability using genetic algorithm for the competitiveness of colleges.Reasonable genetic codes are designed by using professional competence as adaptive measurement function of individual professional adaptability evolution and the comprehensive competitiveness of colleges as the objective function of evolution.Through the genetic processing of choosing,intersection and variation,college specialty population will maintain the strategy that adapts to environmental changes and has strong evolutionary ability.After such repeated process,the enterprise species can attain an evolution ability of superior.Finally,an example is given and more accords with the actual results are obtained.

specialty population of college; college competitiveness; genetic algorithm

2016-09-18

2017年河南省教育厅人文社会科学研究一般项目(CXLX12-0177)

郭三党(1973—),女,河南兰考人,河南农业大学信息与管理科学学院讲师，博士,主要研究方向：灰色系统理论.

10.3969/j.issn.1007-0834.2016.04.004

G648

1007-0834(2016)04-0015-04