智能计算虚拟仿真实验教学平台建设与实践

林剑 石向荣 谢凤华

摘  要：智能计算是人工智能课程的重要知识模块，其教学内容以算法模型为主，内容较为抽象，学习难度较大，同时也缺少相应有效的实验教学平台。文章针对智能计算的知识特点，以“虚实结合，以虚补实”为设计思想，融入智慧供应链中典型的應用场景，构建了智能计算虚拟仿真实验教学平台，并基于实验平台架构、实验内容设置和实验教学特色等视角，介绍了智能计算虚拟仿真实验教学平台的建设与实践情况。该实验教学平台的建设有利于更好地激发学生学习兴趣，强化学生计算思维和创新思维。

关键词：虚拟仿真;智能计算;实验平台;课程改革

中图分类号：G640       文献标志码：A          文章编号：2096-000X（2021）18-0071-04

Abstract： Intelligent computing is an important knowledge module of artificial intelligence course. Algorithmic model is the main teaching content of intelligent computing， which is abstract and difficult to learn， and also lacks of effective experimental teaching platform. According to the knowledge characteristics of intelligent computing， by integrating some typical application scenarios in intelligent supply chain， a virtual simulation experimental teaching platform of intelligent computing is constructed with the design idea of "combining virtuality and reality， complementing reality with virtuality". The construction and practice of the virtual simulation experimental teaching platform for intelligent computing is introduced from the viewpoints of experimental platform architecture， experimental content setting and experimental teaching characteristic. The construction of the experimental teaching platform is conducive to better stimulate students' interest in learning and further improve their computational thinking and innovative thinking abilities.

Keywords： virtual simulation; intelligent computing; experimental platform; course reform

人工智能技术正深刻地影响着经济社会的发展，在金融领域的应用已得到社会的广泛关注。2017年7月，国务院发布的《新一代人工智能发展规划》[1]中明确提出将金融列为人工智能应用试点示范的重点行业之一，将智能金融作为推进产业智能化升级的重要任务，并明确提出了建立金融大数据系统、创新智能金融服务、加强金融风险智能预警防控等具体措施。对此，财经类院校一直予以高度关注，始终认真思考如何把握技术变革带来的重要机遇。我校紧密结合人工智能发展趋势与行业人才最新需求，积极申报并开展人工智能类专业建设，在2017、2018和2020年相继开展数据科学与大数据技术本科专业、人工智能微专业和人工智能本科专业的招生和人才培养，促进以人工智能为代表的新一代信息技术与财经领域的实际应用需求紧密结合，突显多学科交叉融合和协同创新特色，这不仅为我校经管类学科研究提供强有力的理论、方法和技术支撑，同时也为经管类专业建设与学科发展注入强大的人工智能基因。

智能计算是人工智能的重要分支，主要通过模拟自然界或生物界的现象规律或行为特征而提出的用于求解复杂优化问题的一系列算法模型。智能计算是人工智能类课程主要的知识模块，包含了大量算法类知识点，如：遗传算法、粒子群算法、蚁群算法、多智能体系统等[2]。目前有关智能计算的实验基本上都是按照“知识点-练习题”的“点对点”形式进行设计[3]，学生通常缺少对于问题场景和技术应用的深刻理解，这在很大程度上局限了学生计算思维和创新思维能力的培养[4]。因此，设计和构建有效的智能计算实验教学项目和平台显得尤为重要。

供应链是以客户需求为导向，以提高质量和效率为目标，以整合资源为手段，实现产品设计、采购、生产、销售及服务全过程高效协同的组织形态[5]。全球经济已进入供应链时代，企业与企业之间的竞争开始转化为企业所处的供应链与供应链之间的竞争。在智能制造环境下，打造智慧、高效的供应链，是制造企业在市场竞争中获得优势的关键。随着数字经济的发展，智慧供应链从采购到生产、从运输到配送均存在较多典型资源调度问题，这些问题模型也广泛存在于科学服务、工程管理、智能制造等领域。与此同时，智慧供应链中的资源调度过程通常具有高实时性、高消耗量和操作不可逆等特点，因此传统实验难以充分体现智慧供应链中的调度问题特点和优化过程。随着虚拟仿真技术的不断发展，其在实验系统中的应用越来越受到广泛关注[6-9]。

本文以智慧供应链中广泛存在的复杂资源调度问题为切入点，以可视化分析技术为手段，构建智能计算虚拟仿真实验教学平台，使学生深入理解智能计算的理论知识、算法模型和应用方法，全面提升学生的实践能力和创新精神。

一、智能计算实验原理及目的

（一）实验原理

智慧供应链中存在的复杂资源调度问题本质上属于NP难解的组合优化问题，具有很强的工程背景，广泛存在于生产制造、科学服务、工程管理、交通运输等领域，其要求在满足任务时序和资源约束的条件下，合理分配资源、安排任务，以达到服务最优、时间最短、成本最小或资源均衡等优化目标。典型的资源调度问题包括了云制造服务组合、物流配送调度、生产计划排程、货运网络规划等。对于某一调度模型，通过合理安排资源和任务顺序，可得到最优调度方案。传统方法通常难以用来解决复杂组合优化问题，智能计算是模拟自然界或生物界的规律或行为而设计求解问题的一系列算法模型，为该类问题的解决提供了新的思路和方法。智能计算模型的基本框架如图1所示，其算法流程通常包含算法初始化策略、个体编解码策略、全局搜索策略、领域搜索策略、选择替换策略等步骤[10]。

本实验教学平台面向智慧供应链中的典型应用场景，构建不同应用场景多约束、多目标和多任务的问题优化模型，采用模块化技术将常用智能计算模型的步骤进行封装，并基于可视化技术展示基于智能计算的复杂资源调度过程，使学生深入理解复杂工程问题的建模过程和智能计算模型的求解思路。实验流程的示意图如图2所示。

（二）实验目的

智能计算实验主要面向人工智能、计算机科学与技术、信息管理与信息系统、物流管理等专业核心课程的关键知识点和能力培养要求，重点培养学生的创新精神与实践能力，实验过程涉及的知识内容体系如图3所示。智能计算的实验目的具体如下：

1. 通过构建智慧供应链中不同资源调度优化模型，加强学生对于智慧供应链中生产排程、资源配置和物流配送等实际资源调度问题的认识和理解;

2. 针对不同调度问题，采用人工智能中的进化算法、粒子群优化和多智能体系统等智能计算模型进行求解，分析算法主要参数对结果的影响，使学生掌握智能计算的概念、框架、特点和求解思路;

3. 以优质实验教育资源开放与共享为目标，虚为实用、以虚补实，培养学生综合运用基础理论和技术手段，解决实际复杂工程问题的综合能力、创新素质和团队协作意识。

二、虚擬仿真实验教学平台设计

（一）平台架构

智能计算虚拟仿真实验教学平台架构如图4所示，主要采用B/S架构模式进行设计，学生可方便地通过浏览器远程进行登录。

该实验教学平台集成了智慧供应链调度建模仿真实验平台、基于智能计算的可视分析实验平台和实验数据管理与分析平台。其中，智慧供应链调度建模仿真实验平台包括了调度场景的选择与导入、算法模型的选择与导入、调度参数的设置、智能计算参数的设置等功能模块，基于智能计算的可视分析实验平台包括了可视化分析、计算数据导出等功能模块，实验数据管理与分析平台则主要针对学生实验完成情况的管理，包括了学生信息管理、评分点设计、实验数据管理等功能模块。

（二）实验操作流程

学生登录智能计算实验教学平台，选择智慧供应链中的复杂资源调度场景，图5所示为物流配送场景对应界面。

在图5所示界面中，学生可开展面向物流配送的智能计算虚拟仿真实验项目，其实验流程与具体操作如下：

1.在虚拟仿真实验教学平台上预习智慧供应链复杂资源调度相关知识，熟悉实验原理及系统操作方法的电子文档;

2.根据实验指导书所示操作步骤激活智能计算实验教学平台进行实验;

3. 根据实验要求完成相关实验内容，教师可实时与学生进行互动交流，针对重点知识点及学生容易出错的步骤进行讲解指导，同时对学生的操作过程进行监督指导;

4. 学生根据要求提交实验报告，教师对实验报告进行评阅。

三、实验特色及实施效果

（一）实验教学特色

1. 教学理念特色。实验平台以复杂资源调度问题为切入点，针对典型智能计算模型的算法特点和应用方法，通过虚拟仿真和虚实结合的思想，创建可视化虚拟应用场景，并以问题为导向，激发学生对于智能算法的学习兴趣，加强学生对于智能计算模型解决复杂资源调度问题的理解，培养学生分析和解决复杂工程问题的综合能力和创新素质。

2. 教学内容特色。资源调度是智慧供应链管理的关键环节，贯穿于供应链中生产、运输到配送的全过程。实验项目主要面向智慧供应链中的核心技术问题，以产业需求为导向，设计了生产调度、交通运输和物流配送等实验内容，具有很强的工程应用背景。此外，智能计算是人工智能的重要分支，在解决复杂资源调度问题中取得了较好的效果，并受到越来越广泛的关注。因此，实验项目研究分析智能计算在智慧供应链中的应用，教学内容具备先进性和实用性，有助于提升学生的创新思维和实践能力。

3. 教学方式方法特色。实验教学采用虚实结合的互动式情景教学模式，科学运用信息技术和可视化方法，构建面向智慧供应链的虚拟应用场景和实验项目，进行情景教学，使学生更易理解和掌握问题特点和建模方法。此外，基于“知识模块化、实验项目化”的实践体系架构，通过知识构建的模块化教学方法和项目导向的实践案例设计方式，也有助于培养和拓展学生采用智能算法解决复杂问题的计算思维能力。

4. 开放运行与共享服务特点。学生可通过互联网在任何时间、任何地点进行上机操作学习，学生也可以根据自己的实际情况合理选择实验时间、实验地点和实验内容，有助于促进学生间的互动协作、自主学习，提高实验教学质量与效率。

5. 教学评价体系特点。基于实验管理平台可实现实验项目成绩的自动考评、统计分析等功能，并支持多维度、多方式和不同权重的自定义评价。通过学生线上实验项目的选择、设计、交流、验证，线下（实验室）实验项目的验收、质询与指导，可以实现实验项目过程线上线下评价有机结合，进一步全面客观地评价实验教学效果。

（二）实施效果

1. 实验平台目前已面向我校信息类和经管类专业开展了课程实验教学和暑期专业实践，涉及人工智能基础、Python程序设计、优化决策理论与方法、人工智能理论与方法等多门课程，目前服务在校学生1000余人次，极大地提升了信息类和经管类专业学生的学习兴趣和探索精神。

2. 通过将应用场景、问题模型、算法模型集成到智能计算实验教学平台，并采用可视化手段实时显示仿真结果，使学生充分理解调度问题的特点和算法模型原理，为学生参加美国大学生数学建模竞赛、ACM亚洲区域赛、全国大学生服务外包创新创业大赛等重要竞赛奠定了良好基础。

3. 教师可通过虚拟仿真实验平台管理和查看学生的实验记录，并根据时间段查询指定学生的操作信息，可实时跟踪和掌握学生实验进度与完成情况，实现针对学生实验行为的画像分析，指导虚拟仿真实验的完善与改进，将有利于更好构建实验教学效果评价与反馈机制。

四、结束语

智能计算是人工智能的重要分支，在解决复杂资源调度问题中取得了较好的效果，并已受到越来越广泛的关注。智能计算虚拟仿真实验平台面向智慧供应链中的核心技术问题，以产业需求为导向，设计了生产调度、交通运输和物流配送等实验内容，具有很强的工程应用背景，实验教学内容具备先进性和实用性，有助于强化和提升学生的创新思维和实践能力，更好地指导人工智能类课程开展实践教学改革。

参考文献：

[1]刘辰.国务院印发《新一代人工智能發展规划》：构筑我国人工智能发展先发优势[J].中国科技产业，2017（8）：78-79.

[2]林剑.多维任务驱动下财经类院校计算机基础课程改革与实践研究[C]//计算机教学研究与实践2018学术年会论文集，杭州：浙江大学出版社，2018：100-106.

[3]王万良.人工智能导论[M].北京：高等教育出版社，2017：131-133.

[4]王移芝，鲁凌云，周围.以计算思维为航标拓展计算机基础课程改革的新思路[J].中国大学教学，2012（6）：39-41.

[5]孟刚，翁建荣，戴以村，等.大力推进浙江现代供应链发展[J].浙江经济，2018（17）：32-34.

[6]白延虎，罗建利.经管类虚拟仿真实验教学项目申报热点分析[J].实验技术与管理，2020，37（8）：149-153.

[7]张良力，代林刚，柴琳.电力变压器高压试验虚拟仿真实验教学系统设计[J].实验技术与管理，2020，37（7）：125-127.

[8]黄永福，季六祥.基于VR技术的物流管理虚拟仿真实验教学中心建设探索[J].实验技术与管理，2020，37（8）：238-242.

[9]段利斌，江浩斌，张学荣，等.汽车侧面碰撞虚拟仿真实验项目建设与教学实践[J].教育教学论坛，2019（38）：263-264.

[10]林剑.仿生优化算法在平版印刷专色配色及油墨预置中的应用研究[D].杭州：浙江大学，2013.

基金项目：浙江省高等教育“十三五”第一批教学改革研究项目“多维任务驱动下财经院校计算机基础课程综合改革与实践”（编号：jg20180199）、“AI+经管：新时代财经院校人工智能复合型人才培养模式研究”（编号：jg20180201）、“基于创新创业导向的《连锁经营与管理》翻转课堂教学实践探索”（编号：jg20180207）;浙江财经大学虚拟仿真实验教学项目“智慧供应链复杂资源调度虚拟仿真实验”（编号：10122420014）

作者简介：林剑（1983-），男，汉族，浙江温州人，博士，副教授，研究生院副院长，研究方向：智能计算，调度优化。