《遗传学》课程建设与优化初探（通用11篇）
耿洪伟a，白璐b，高文伟a ，曲延英a ，陈全家a，于月华a
(新疆农业大学a.农学院;b.科学技术学院，新疆乌鲁木齐830052)
摘要：《遗传学》是农学和生物专业等学科在本科学校教学中必修的主要课程。本文从《遗传学》教学的特点出发，分析了《遗传学》在教学过程中存在的一些问题。根据以往在教学过程中存在的问题，对《遗传学》精品课程建设中教学内容的更新、教学方法的改善、计算机辅助课件的创建、电子版教材的编写、教学质量的测评、实验项目的创新以及教学效果提高等方面进行了思考，并展开了讨论。
关键词：《遗传学》;课程建设;本科教学;多媒体教学课件
基金项目：2011年新疆自治区精品课程(遗传学)建设(编号：XJAU2011004)
作者简介：耿洪伟(1978-)，男，重庆合川人，博士，讲师，研究方向：小麦分子育种。
《遗传学》是上一世纪生物科学领域中发展最快的学科之一，形成了许多分支学科和交叉学科，其研究范畴大幅度拓宽和深化，新技术和新方法也不断涌现[1]。《遗传学》内容抽象，涉及相关知识面广，学生学习起来较为困难，教师如何“以人为本”地让学生尽可能掌握本门课程知识，成为《遗传学》课程改革的重点[2，3]。目前随着分子生物学科的飞速发展，《遗传学》的研究方面逐渐拓宽、深化，势必将在基因组学和生物信息学等研究领域继续展开激烈的竞争，因此培养具备丰富的《遗传学》知识，同时兼备创新能力的研究型创新人才已迫在眉睫[4]。因此，要强化《遗传学》课程的建设工作，在以提高教学效果和质量为前提的基础上，还要注重运用教学手段和多媒体技术的运用，《遗传学》课程在本科教学中一直是很重要的基础课程，尤其是在农学和生物学等相关学科中的教授中，取得的成绩也很显著。与此同时，《遗传学》及其相关学科发展之迅速，使得教学中出现授课内容的增加与课时安排矛盾突出、教学方法不适应《遗传学》的快速发展、教师队伍知识结构需要调整及教学仪器和设备较为陈旧等问题比较突出。为此，笔者认为可以从课程体系、教学内容、教学方法、教学手段等方面改进，注重师资队伍建设和实验的建设，将《遗传学》课程的逐步合理优化。
一、课程体系建设和教学内容的组织
(一)课程体系的建设
《遗传学》教学大纲严格依据新世纪人才培养的目标需求，充分体现出本学科最新的发展趋势，具有良好的前瞻性。而在教学过程中也要实现教学与实践的灵活互动，使学生能够灵活地运用《遗传学》所学的基本规律来分析学科中遇到的问题，从而提高学生的遗传分析能力。规范《遗传学》的教学管理模式，避免重复知识的讲授，多配合一些案例分析，并及时将一些新知识、新案例及时补充到课堂和实验之中，可以适当地开设与《遗传学》理论相关的综合性实验，同时结合生物技术前沿技术领域，开设了有关遗传转化和利用染色体的微核技术进行核型分析等综合实验，将会取得较好的教学效果，使《遗传学》课程始终保持一种活力，通过对教学的研究和创新，探索并运用精品课程教学高水平的途径和方法，使《遗传学》教学形成自己的特色。
(二)教学内容的组织
随着近年教学同行们的不懈努力，已将相关学科的新理论、新技术添加到《遗传学》授课内容中，因此《遗传学》内容已有明显增加，《遗传学》课程教学过程中在保持本学科自身完整性和系统性的基础上，还要强调反映力遗产学，特别是基因工程和基因组学在20世纪90年代的最新进展。因此，《遗传学》课程为适应21世纪学科发展的需要，在论述方面应对经典《遗传学》进行适当整合，以遗传物质的本质、传递、变异和遗传信息的表达与调控为主线，对与《遗传学》紧密相关的基础知识和本学科的最新发展动态做重点讲解和介绍。其内容涉及生物体宏观到微观等各个层次，包括生物进化过程、植物群落演化、各种生物体形态性状以及细胞染色体、DNA分子结构等。教学内容上，应注意避免与其他学科相重复，使学生对《遗传学》的不同层次上有较为完整和充分的认识，从而充分了解和掌握《遗传学》在国内外发展的现状和趋势，更深层次上了解和掌握《遗传学》知识。另外，教师把每章内容讲解学习完成后，应根据教学内容为学生布置一些精选习题，以提高学生分析解决问题的能力。
(三)教学效果的测评
教学效果是评价课程建设成效的重要手段。因此，要深层次地改进考核办法以提高教学效果。在考核方法上，可以采取笔试、面试、课程论文和课后习题相结合，单项试题与综合分析试题相结合的方法。在考试命题上，为提高学生独立思考、分析问题的能力，应多出理解分析方面的试题，做到灵活多变。同时将实验操作过程、报告结果，纪律和实验考试等也纳入到实验考核中来，在提高在《遗传学》总成绩中实验成绩的所占比例。“理论综合试题”的内容要让学生通过一学期的学习和思考后，在综合全书主要内容的基础上再行完成，这样有利于提高学生对《遗传学》知识的全面理解，从而提高学生独立思考问题和分析问题的能力。实验考试可采用在学生完成实验后根据考试结果由教师现场打分的方法，来激发学生学习的积极性和主动性，提高学生观察发现问题和解决问题的能力。
二、教育教学方法与手段的改进
(一)改善传统教学方法
首先，在《遗传学》教学中，最重要的是要把培养学生的遗传分析能力作为重点。为了使学生获得深刻的印象与全新的体验，教师一般会采用各式各样的教学方法，例如：交互式、实习法等。这种方式方法对加强学生对本学科的基本规律、理论、概念以及研究发放有很好的促进作用，学生也更容易掌握相关知识。同时，启发式教学模式给予学生更大的支配空间，在实际学习中掌握主动权，培养了学生自主学习的精神，提高了学生学习的积极性和主动性。通过开放实验室，更好地培养了学生自主学习和创新能力，可以最大程度地启发学生的主观能动性，提高学习积极性，这些都是开展研究《遗传学》研究性学习的基础。也是改善改进日常教学效果的基础。同时，《遗传学》中日常教学情况及时反馈以及课后征询学生意见制度的实施，可以多方参考学生对教育教学的意见建议，适时的改善教学方法，保持教学双向信息反馈通道。
(二)不断改进教学手段
为了改善课程教学质量与日常教学效果，同时克服有时遇到的课时不足的问题，需要在现代化教育技术应用重与教学改革中，积极创建和应用CAI教学课件，结合实物、图片、录像等进行多媒体现代化的教学设备。同时为了方便学生的自学和复习，又能让教师授课使用，在《遗传学》CAI教学课件中，可以同时制作网络版和课堂教学版两个板块。《遗传学》课件具有界面美观、内容新颖、结构紧凑、文字精炼、图文并茂等特点，实物照片和彩图多，能够将动植物的生长发育时期和世代、宏观和微观特性等直观地展现在学生面前。《遗传学》的教学内容比较抽象难以理解，而多媒体教学设备则使其变得生动直观，更加有效地发挥了学生的想象力，调动了学生学习的积极性。而多媒体课件中附有的教学大纲、日历、参考书和教辅助资料等内容也方便了任课教师和学生更好地了解《遗传学》需要掌握的内容范畴，课后学生们可以随时上网阅读和复习课上的内容，还可以通过课件链接到国内外与《遗传学》相关的诸多网站进行自主学习与兴趣学习。另外，还要配合《遗传学》CAI教学课件，编写配套的笔记型电子版教材，有助于克服学生在学习过程中多媒体笔记难记的问题，也方便了学生们根据相关的课件内容进行复习。
三、师资队伍建设
建设好一门精品课程不仅要有丰厚的物质基础，还需要雄厚的师资力量和一支团结协作的师资队伍，在《遗传学》教学的工作中，受到高度关注的重要工作之一就是师资队伍建设。因此，根据《遗传学》的课程教学队伍的实际情况和发展所需的课程，制订一套《遗传学》课程的发展规划和培养师资的计划，并且由丰富经验的教师进行指导，势在必行。可通过对教师队伍综合素质培养、教学素质培养、科研素质培养等三个方面进行师资队伍建设。
(一)综合素质培养
教师之间应该及时交流上课经验，选修课程应选择与《遗传学》课程相关的一些课程，例如：《植物学》、《生物学》等本科生和研究生的课程。这样可以丰富教师的知识。要保证教学的质量，教学课件必须由专业人士制作，教学的质量和课件的内容也必须由课程的负责人全权负责。要经常举行《遗传学》的课程教学研讨会，这样可以及时发现问题、解决问题。每学期开学后，由团队的负责人组织和指导下，请团队中资深、教学经验丰富的老教师和其他学校长期工作的一线教师对青年教师进行综合素质的培训。依托建立的实践教学基地，有计划地安排教师到业务部门进行调研，使教师有机会参加业务实践，提高实践教学能力。
(二)教学素质的培养
青年教师应经常参加学校组织教学观摩课程。在参与的过程中同时由团队负责人和团队成员中的老教授可以亲自传授一些教学方法或者经验。这样有利于青年教师学习到丰富的实践知识以及亲身体验。以便青年教师在以后的教学实践中可以更好地学以致用。青年教师在教学中还存在一些缺陷，或者说是教学经验不足。学校可以安排青年教师给有着丰富经验的老教授担任教学指导老师，制定详细的、以老教授带新青年教师的计划，年轻教师可以给导师承担一些工作。这样在教学上青年教师可以学到的知识很多。这样有利于青年教师积累丰富知识和经验。在参加教研活动的过程中会逐渐的提高自身的水平。青年教师之间相互交流教学经验，这样才能逐步提高青年教师的教学水平以及教育教研的能力。
(三)科研素质培养
只有当教师自身具有丰富的科研实践经验，才能游刃有余地将理论简单而有效地传授于学生，使学生更为直观地认识到所学知识的应用领域，从而能有效地避免学生眼高手低现象的出现。因此，青年教师需要承担或者参与其中的一些科研项目。通过在实施的过程中发现问题和解决问题的办法，并及时有效地反馈到教学实践中，这样才能更加有效地提高教师的自身水平，为开展教学实践提供更高的水平。青年教师和科研骨干都是教学团队中最重要的支柱和后备力量。因此学校应大力支持青年骨干教师积极参与科研工作或有计划攻读博士学位或进博士后流动站，争取实现教师博士化，在年龄上应有较大的提升空间。学校应采取多种形式支持青年教师从事科研工作。
四、实验教学或实践性教学的提高
根据《遗传学》发展迅速并形成了许多分支学科和交叉学科的这一特色，这门课程要从多方面入手，做出具体的内容调整，例如：实验的项目、实验的具体教程和实验实践的内容，对有连续性和相似性的实验进行归纳并拢，在课堂上多多开展具有设计性、应用性、综合性的实验，对于验证性的实验要逐步削减，从而跟上国内外本学科的发展步伐。争取与国际国内重点大学的学科实践看齐，不断提高学生对本学科的实践操作能力，激发学生的学习兴趣和积极性。
(一)增开新实验
根据开课对象所学专业不同的特点，在保证经典《遗传学》实验开设的前提下，逐年增加1～2个新的实验项目。对室内外的实验有机结合起来，同时在实验课程中我们要积极采用新进的教学技术，去辅助实验的顺利开展，此课程的实验要由具有丰富实践经验的老师来开展，从而提高我们实验课程的教学效果。因为学生在实验操作方面技术还不够纯熟、不够全面，知识面也有待拓宽。对此，此学科的实验内容需要增加与《遗传学》课程内容有着密切关系的、具有综合性的和设计性的实验，如“植物染色体的核型分析”、“果蝇标本的采集、形态鉴别和杂交实验”、“多倍体的诱发与鉴定”等，这样的实验可以从根本上提高学生的综合操作能力，达到良好的实验效果。此学科中的具有综合性的实验应该达到总实验量的一半左右，这样的实验体系才更加合理。在实验过程中，我们要对学生提出严格的`要求，学生们也要对实验过程中所产生的现象进行认真的思考，对实验结果加以分析，积极完成实验报告或撰写论文，通过实验对其原理和方法有了彻底的理解和掌握。
(二)更新实验设备，改善实验环境
更新实验设备、改善实验环境，是我们实验教学水平提高的基础条件和硬性条件。在学校经济条件和实验场地条件允许的前提下，建设完成具有功能齐全的教学实验室，同时引进先进的实验设备，这样的实验室可以满足更多专业学生的实验要求，能够满足我们更多学科实验任务和符合综合性实验的需求，从而大大提高我们的实验教学水平。为了更好地利用这些先进的实验设备和良好的实验环境，我们要积极制定相关管理制度，责任到人，同时对实验室的开发时间要加以延长，这样学生可以有更多的机会去亲手做实验。我们要培养学生爱护实验设备和实验环境的意识，让学生自主对其进行管理。在实验过程中学生可以和实验指导教师共同协商，这样可大大提高学生对此课程实验的积极性，使得学生的操作技能不断提升，从而实现高效实验课堂的目的。
(三)在教学中运用多媒体手段
多媒体教学是现代教学中运用的一种重要方式，要提高课堂教学效率一方面要采用优秀的教学资料以及现代教育技术，也要将多媒体技术引用到教学中，在《遗传学》的教学过程中也要如此，这样才能进一步提高和完善教学手法和手段。为此，实验室要不断增添、更新教学仪器设备，尤其是多媒体教学仪器设备，在改善教学环境和实验条件的同时，也为教师自己更深层次的教学提供了更便利的条件。举个例子，以前教师如果与学生一起进行显微镜内的观察，难度很大，过程也比较繁琐。但是，运用了多媒体教学手段，教师可以很方便地将显微镜里可观察到的物体用数码显微系统映射到大屏幕上，教师的讲解就更加容易，更生动活泼，学生学习也简单了，更增添了学习兴趣。再者，平常学生自己做完的片子也可以在计算机中保存，随时就可以打印出来，减少了学生的工作量，同时也能激发他们的学习兴趣。对于平常各种教学图片扫描到电脑里让学生进行观看，可以使教学效果有一个很大层次的提高。
综上所述，通过近几年的教学改革可以看出《遗传学》课程改革势在必行。教师在把握该课程特点的基础上，重点考虑学生的接受能力，据此来制定切实可行的教学方案。通过先进的教学技术与传统的教学方法有机结合，把以教师为中心的教变为以学生为中心的学，把以教师为主体的教学实践过程变为以学生为主体的学习实践过程，是提高《遗传学》课程教学质量、紧跟时代步伐的有效手段。今后将以此为指导思想，并进一步完善《遗传学》课程建设，使课程教学再上一个台阶。
参考文献：
[1]黄旭明，梁雅梨。师生互动课堂教学模式的实践与探索[J].高等农业教育，2003，(6 )：58-60.
[2]沈法富，王洪刚，于元杰。计算机辅助教学及多媒体在遗传学教学中的应用[J].遗传，2000，22(1)：34-36.
[3]符碧，顾惠娟，乔守怡。遗传学CAI教学软件的研制开发及其在教学中的应用[J].遗传，2001，23(3)：255-257.
一、教学过程中存在的主要问题
1. 教学内容与学时的矛盾突出
《遗传学》是生物、农学、医学类等多种专业的重要专业基础课, 随着遗传学学科的迅速发展, 导致遗传学的教学内容越来越丰富, 教学难度增加, 而教学计划学时数却未能有相应的提高, 甚至由于增加多种选修课而造成《遗传学》课程教学时数不升反降, 授课教师在教学内容的选择和教学时数的安排上存在突出的矛盾[2]。虽然目前广泛采用的计算机辅助教学手段在一定程度上缓解了这一矛盾, 有效教学时间明显增加, 但同时由于教学进度加快, 导致了学生记笔记困难、复习和消化的难度明显增大等一系列新问题出现, 尚未完全满足高质量教学的要求。
2. 实验课以验证性实验为主
多数高校根据各自专业的要求及实验设备条件开设的遗传学实验课主要包括两大类, 一类是遗传学基本规律的验证实验, 如玉米或果蝇的杂交。另一类是与遗传学相关的染色体水平的操作技术实验, 如细胞有丝分裂、减数分裂、植物多倍体的诱发等。从实验的性质来看, 多属于验证性实验。实验的教学过程也是遵循传统的方式, 先由教师详细讲解实验过程并进行示范, 再由学生进行模仿操作, 不能充分发挥学生的主动性, 效果欠佳。
二、遗传学课程体系的建设
1. 教材的改进建设
在《遗传学》的教学中首先应注重教材的选用, 应根据不同专业的特点选择不同版本的教材。刘祖洞主编 (高等教育出版社, 1999) 的遗传学是一本较为经典的遗传学教材, 曾被高校普遍采用。但是由于遗传学学科的迅速发展, 知识的更新速度快, 经典教材已经不能较好的反应和把握本学科发展阶段的科研进展和较前沿的信息, 所以应尽量采用近年出版的精品教材, 如可选择面向21世纪的教材。另外还要结合学生的专业特点进行教材的有针对性的选择。根据笔者的教学实践来看朱军主编的《遗传学》是较为适合农科类专业使用的教材, 而对于生物类专业, 则选择杨业华编写的《普通遗传学》更能满足专业需求。
2. 教学内容的组织建设
目前《遗传学》授课内容已有明显增加, 而《遗传学》课程学时数并未增加, 这就对课程的教学内容组织提出了更高的要求[3]。《遗传学》课程在教学的过程中对保持本学科自身的完整性与系统性十分重视, 还应反映出20世纪90年代以来遗传学, 特别是基因工程和基因组学等方面的最新进展。为适应学科发展的需要, 建议在《遗传学》课程中在使学生掌握最基本的遗传学规律之后, 可适当压缩经典遗传学方面的一些内容, 以遗传物质的本质、传递、变异以及遗传信息的表达与调控为主导内容, 依照由简单到复杂、由宏观到微观的知识学习体系, 进行教学内容的调整, 如可将在其他相关课程中也有讲授的遗传物质的本质、传递等内容提前, 使学生在学习中可先易后难, 符合学习规律。在教学内容的组织上应注意把握与遗传学密切相关的基本知识和基本理论与本学科的最新发展动态两方面内容的平衡, 还应注意避免与其他学科如细胞生物学、分子生物学、分子遗传学、数量遗传学等相关学科教学内容的相互重复, 使学生既能对基本理论深刻掌握, 又能及时了解国内外遗传学发展的现状和趋势, 在更广阔和更深层次上掌握遗传学知识, 并为进一步学习相关的专业课程打好基础。
三、遗传学课程教学方法与手段的优化
1. 教学方法的优化
在《遗传学》课程的教学过程中应始终要把培养学生的遗传分析能力放在首位, 这是遗传学教学的关键所在。在课程讲授时应避免对教材内容的简单罗列, 可采用启发式教学方法, 激发学生学习的主动性和创造性, 使学生更深刻的理解《遗传学》课程中基本规律、基本理论、基本概念和基本研究方法的理解, 取得较好的教学效果。同时, 也能够加强学生自主学习和创新能力的培养, 符合素质教育的要求, 为学生在今后的研究性学习打下一个良好的基础。另外在教学的过程中应逐步增加双语教学的形式, 针对学生的外语水平的不同, 可采取多个教师同时授课, 各个教师的双语教学的程度形成梯度, 以满足不同外语水平学生的学习要求, 可有针对性的增强阅读和领会《遗传学》有关外文文献资料的能力, 是学生能自行汲取学科的最新发展成就, 并在一定程度上提高学生的外语水平[4]。教师在授课的过程中还应及时通过各种渠道了解教学效果, 如通过调查问卷的形式或课后征询意见的形式, 及时收集学生对课程教学的意见, 及时作出相对的改进和调整, 以达到更好的教学效果。
2. 教学手段的优化
在目前的《遗传学》课程教学中, CAI教学课件的应用已经很普遍, CAI教学课件的应用可以使课程教学中增添实物、图片、录像等多媒体教学内容, 很适合《遗传学》这种较抽象的、理论性强的课程, 符合学生认知心理, 提高学生对课程内容感性认识, 可显著改善课程
教学效果和质量, 同时也在很大程度上克服了课时不足的困难。鉴于目前由于大量应用多媒体教学而出现的学生笔记难记、复习困难等问题, 可通过建立相应的教学网站的方式提供与CAI教学课件相配套的电子版教材或其他教学辅助资料, 以便于在课下学生可以将课堂吸收不了的内容通过登录教学网站或是查阅相关的教辅资料得到相应的补充, 如在《遗传学》CAI教学课件制作中可同时制作网络版和课堂教学版两大部份, 两者相辅相成, 课堂教学版方便教师授课, 网络版可满足学生自学和复习, 并为学生提供针对教学内容的测验, 取一举多得之效[5]。在课件的制作过程中应把握界面美观、内容全面、结构紧凑、文字精炼、图文并茂的原则, 多采用实物照片和彩色图片, 还可加入动画和视频等内容, 如可通过动画的方式演示细胞分裂的过程等, 将抽象难懂的教学内容变得生动直观, 激发学生的学习兴趣和求知欲, 最大限度发挥多媒体教学的优势。在课件中还应加入的本门课程的教学大纲、教学参考书和教学辅助资料 (包括相关的教案、习题集、实验指导及其他教学资料) 等内容, 便于学生全面地了解《遗传学》教学的要求和内容, 便于学生课后的复习与自主学习。
四、实践性教学的提升
1. 实验项目的提升
遗传学是上一世纪生物科学领域中发展最快的学科之一, 形成了许多分支学科和交叉学科, 其研究范畴大幅度拓宽和深化, 新技术和新方法也不断涌现。由此《遗传学》课程需要及时调整实验课程的内容, 改变原有的以验证性、演示性实验为主的实验课程设置, 较大比例地增加设计性、应用性、综合性等较为先进的实验项目, 使之能与国内外遗传学科最新进展相适应, 并与国内外一流大学同类实验项目看齐, 提高学生操作技能和从事实验的兴趣与积极性。争取每年能够开设1~2个新实验, 《遗传学》综合性实验可达到总实验量的50%左右, 使实验课程体系构建趋向合理[6]。
2. 实验课程教师及实验员素质的提升
实验课程的教学是《遗传学》课程学习的重要组成部分, 应利用各种形式提高实验课程授课教师的素质, 如在实验教学中采用“预讲预做”制度, 提升实验课程的质量[7];还应对相关教师及实验室管理人员进行培训, 如多去外单位切磋实验技能等方法, 也可在一定程度上提高实验教师的技术水平, 取得更好的实验效果。另外教师在实验时应严格要求学生, 确认学生是通过认真思索、独立完成实验过程, 并对学生的实验报告认真批阅, 及时学生在实验中遇到的问题, 并能在以后的实验教学过程中加以改进。
3. 实验设备及实验室管理的提升
实验课的教学水平的提高, 离不开实验设备的更新和实验环境的改善。在条件允许的情况下, 构建功能齐全、设备先进的《遗传学》教学实验室, 有利于开设综合性实验和及时增添新的实验教学内容, 进一步提高实验教学水平。另外科学合理的实验室管理制度的建立, 也有利于实验课程正常有序的进行[8]。通过制订实验人员责任制, 延长实验室开放时间, 让学生在一定程度上可以参与实验室的管理工作, 如在一定范围内让学生自主管理常用的实验设备并可帮助老师准备实验材料, 这样可为学生创造更多实践操作的机会, 可明显提高学生实验的积极性、工作效率以及操作技能。
参考文献
[1]袁智敏.遗传学教学中创造性思维能力的培养[J].锦州师范学院学报 (自然科学版) .2003, 24 (2) :95-96.
[2]王彬, 韩赞平, 张泽民, 王林生等.《遗传学》课程建设的实践与思考[J].洛阳师范学院学报.2008, 5, 141-143.
[3]张建龙, 潘伟槐.遗传学教学中的学习策略和教学策略探讨[J].遗传, 2002, 24 (6) :687-690.
[4]刘珊珊, 李文滨, 吕文河等.农业高校遗传学双语教学模式的实践与探索[J].东北农业大学学报 (社会科学版) , 2010, 8 (5) :86-87.
[5]宋喜悦, 等.遗传学多媒体教学研究与实践[J].高等农业教育, 2004, (1) :57.
[6]王培先, 李力.遗传学解题中的六类技能[J].科学教育, 2010, 3 (16) :62-64.
[7]石春海, 等.遗传学 (电子版教材) [M].杭州:浙江大学出版社, 2003.
关键词 遗传学； 教学改革；教学内容；教学方法
中图分类号：Q33 文献标识码：A 文章编号：1674-098X（2016）05（c）-0000-00
遗传学是生命科学学科领域中一门极其重要的专业基础课程，也是近年来发展迅速的学科之一，是我院农学和生物技术专业大二学生必须的一门主干基础课，遗传学教学质量的高低对于其它相关基础课程的学习起到致关重要的作用[1-2]。作为地方本科院校，我校在遗传学教学中面临许多问题，因此，我院的遗传学理论教学体系急需改进，内容要与时俱进，并根据教学过程中暴露的问题进行调整和完善。
1 我院遗传学理论教学体系中的不足之处
1.1授课时间限制与教学内容增加之间的矛盾.
因遗传学是高等院校生命科学等相关专业必修的专业基础课。目前，随着遗传学的快速发展，已渗透到医学科学、微生学等学科，导致遗传学教材的很多内容同时出现在其他相关课程教材中，这不仅占用了遗传学教材的篇幅，而且造成教学混乱，讲授内容重复、课时浪费等。就我院农学与生物技术专业而言，目前选用杨业华主编的普通遗传学教材，包含了15章。而这里有几章内容与细胞生物学、微生物的课程教学发生重叠，且遗传学的理论学时已压缩为 48 学时，这严重导致授课内容与授课时数之间矛盾的产生。
1.2 地方本科院校生源素质与企业、科研院所等机构对高素质人才的需求之间的矛盾。
随着国家大众化、普及化高等教育政策的实行，地方本科院校的生源质量逐年下降，又随生物技术学科专业发展的趋势及要求，以及现在就业单位、国内高校和科研院所对创新人才的需求，尤其是随着产学研合作的推进以及地方经济是愈来愈需要具有科技创新能力的生物技术人才，所以如何培养具有实践能力、创新能力的高素质人才，如何调动学生的学习积极性和主动性是摆在教师面前面前亟须解决的课题。
1.3 教学方法与手段的快速发展带来很大的挑战。
随着新技术的发展， 教学方法日趋丰富，对教与学的双方的快速学习能力都提出了更高的要求，如何选取合适教学方法，利于将理论知识更好的运用于实践，已引起广大教师的高度重视。笔者在借鉴各大高校以及本校对这门课程教学中面临的问题，结合当代社会对这方面人才的品质要求，在教学内容和方法上进行了一系列的改革探索[3-5]。
2 我院遗传学理论教学体系的改进
2.1 改革教学内容
2.1.1 合理调整教学内容，明确教学重点。
遗传学教学内容较多、涉及面广，在有限的时间内较好地完成教学任务，难度较大。遗传学是一门基础学科，与多门学科的教学内容有重叠。我们在不扰乱遗传学的发展历史和完整的知识结构体系下，精简遗传学内容，突出重点，提炼其中直接反映遗传信息存在与变化的内容，学生能看懂的或与其他课程交叉的内容让他们自学，并给予指导性的建议，充分调动学生学习的能动性。对于经典的理论不仅进行重点讲解，而且对其进一步深入研究和应用提出前景展望，如将经典问题巴氏小体与人类性别鉴定和某些人类疾病的相关性进行阐述，可作为一条线贯穿于遗传学教学的部分环节，让学生掌握应该掌握主要理论和内容。
2.1.1 跟踪遗传学的前沿研究，使教学内容与时俱进，激发学生学习的积极性。
随着生命科学的突飞猛进，遗传学学科新的知识和理论不断涌现，在教学中，我们结合遗传学学科研究的最新动态，适度将前沿科研成果及时转化为本科生的教学内容，及时提炼需要转化的要素。如在讲授染色體的形态结构时，可结合端粒及端粒酶的最新研究进展 ，介绍“端粒与人类疾病”和“端粒与衰老的关系”，不仅丰富了教学内容，而且激发了学生学习遗传学的兴趣和积极性。
2.2 改革教学方法
2.2.1 充分利用现代教育教学方法
现代教育技术是指运用现代教育思想、理论和现代信息技术和系统方法， 随着计算机技术、网络技术与电子通讯技术的迅速发展和应用，人类已经进入了现代化的信息社会，因特网是世界上最大的知识资源库， 因而适合学生进行自主学习。遗传学教学中许多知识点比较抽象，如果没有直观的教具，又无真实的实验演示，很多内容难以理解，学生掌握比较困难。为此笔者采取传统讲授与多媒体教学相结合的方法，充分利用现代教育技术资源，不仅使用 PPT 课件、Flash 动画等多媒体教学手段，而且利用虚拟仿真教学来弥补传统农学与生物科学类专业工程教学的不足。如染色体组型分析，利用 Flash 动画，模拟实验条件，共享优质虚拟仿真实验室资源，进一步完善本科理论教学体系，以及满足可持续发展的需要，学生就很容易掌握染色组型分析的方法，加强了学生的理解能，从而达到事半功倍的教学效果。
2.2.2 改进传统的教育教学方法。
在遗传学课程的整个教学过程中，综合应用案例教学、讨论式教学、引入文献专题教学和互动式教学等多种教学方法，具体方法根据每章知识内容的不同，侧重采用的方法不一。如在讲细菌的遗传分析时，是学生普遍难于理解的一个章节，内容多而琐碎，重点不突出，学生死记硬背，教学效果较差，此时最好采用案例教学，那如何将经典研究案例融入课堂教学中呢？首先讲解与案例有关的基础知识和概念，为学生较好理解以细菌为实验材料的经典研究案例打好基础，其次引出科学问题，介绍 Lederberg 和 Tatum利用两种不同营养缺陷型K12 大肠杆菌所做的混合培养实验，他们意外地发现了野生型菌落，向学生发问：“为什么会出现野生型菌落？ 鼓励学生利用已有的知识进行合理的推论和假设，再次介绍其它科学家对上次凝问所做的一些验证性实验， 如“U 型管实验”，最后总结科学理论和规律，阐明细菌“接合”这一遗传学概念、归纳细菌重组的特点，进一步比较细菌的接合、转化、转导等遗传重组方式的区别。通过综合运用多种教学方法，不仅增强了学生主动学习的积极性，而且有助于学生顺利地掌握遗传学的核心知识、提高学生的遗传分析能力、阅读能力，并有利于学生科学探索精神的培养。
理论教学是高校遗传学教学的重要组成部分，我们应该不断探索新的教学方法，合理调整教学内容，使我们的教学质量不断提高，为国家培养出更多具有探索精神和创新能力的应用型人才。
参考文献
[1] 金欣， 吴建红， 曾艳，等.在医学遗传学本科教学中引入与临床合作的CBL教学模式的研究[J].继续医学教育， 2016， 30（4）：53-55.
[2] 邢万金， 莫日根.遗传学教学中在细胞与分子水平上理解等位基因的显性与隐性[J].遗传学教学， 2015 ， 37（1）： 98-108.
[3] 陈凡国， 侯丙凯.巴氏小体案例在遗传学教学中的应用[J]. 遗传学教学， 2012 ， 34（4）： 503-508.
[4] 吕艳欣， 梅庆步， 陈萍，等. 以案例为导向的讨论式教学法在“医学遗传学”教学中 的应用[J]. 高校医学教学研究， 2013， 3（4）：28-30.
车辆路径优化研究是一个既有理论和实践意义又富有挑战性的课题.针对该NP难问题,提出了一种改进遗传算法.该算法采用了一种新的编码方式,使得染色体中的`每一个基因能代表三层含义;采用了一种与爬山法相结合的混合进化策略.通过性能比较可以看出,在同等计算量情况下,改进遗传算法的优势明显.
作 者：孔志周 官东 作者单位：孔志周(湖南大学,统计学院,长沙,410079;中南大学,信息科学与工程学院,长沙,410083)
官东(中南大学,信息科学与工程学院,长沙,410083)
依据火电机组的实时煤耗特性曲线,针对目前较实用的负荷优化分配方法--动态规划法的弊端,即在机组数目较多时运算量过大、难以满足实时要求,提出了改进的.遗传算法,在加快搜索速度、提高寻优精度、保证群体多样性等方面采取了新的措施.改进后的遗传算法在搜索结果接近全局最优解的前提下,大大提高了寻优速率,具有较高的实用价值.
作 者：倪敏 陈彦桥 刘吉臻 魏向国 NI Min CHEN Yan-qiao LIU Ji-zhen WEI Xiang-guo 作者单位：倪敏,陈彦桥,刘吉臻,NI Min,CHEN Yan-qiao,LIU Ji-zhen(华北电力大学,控制科学与工程学院,河北,保定,071003)
魏向国,WEI Xiang-guo(国华定洲电厂,河北,定州,073000)
基于遗传算法的小推力空间液体发动机参数优化
基于连续型遗传算法,与空间液体火箭发动机系统质量模型和长度模型相结合,建立了空间发动机系统优化模型.以发动机系统的质量为目标函数,对燃烧室压力和喷管扩张比进行了优化设计.计算结果表明,采用遗传算法能够有效地得到最小质量下设计变量的最优解.
作 者：李贺杰 关正西 LI He-jie GUAN Zheng-xi 作者单位：第二炮兵工程学院,西安,710025 刊 名：弹箭与制导学报 PKU英文刊名：JOURNAL OF PROJECTILES, ROCKETS, MISSILES AND GUIDANCE 年，卷(期)：2007 27(2) 分类号：V434 关键词：液体火箭发动机 遗传算法 优化设计1、课程的现状分析
数值分析作为介绍科学计算的基础理论与方法的课程，已经成为各专业学生的必修课程。如何进一步提高数值分析课程的教学质量，已成为当前教育改革的焦点之一。目前在农林院校的数值分析实际教学中，大多数学生抱怨该课程难学，公式复杂，存在的问题比较多，分析其中的原因，总结起来有以下几点：
1.1 数值分析课程自身的复杂性
数值分析难学与本课程的特点有关。具体说有如下几点： (1）公式长，难记。数值分析课程中的公式有的是“构造”的，有的是把连续变量的数学问题离散化得到的，还有的公式是近似替代。这就导致该课程中的计算公式多，冗长，不易记牢； (2）抽象的理论分析。对于已经复杂冗长的公式，还要分析算法的收敛性、误差分析以及好的时间和空间复杂性，使得算法最终在计算机上实现时既节省时间又节省空间； (3）课程本身具有复杂性。数值分析教学内容多而杂，需要学时多。而现在农林院校中该课程学时普遍较少，所以出现学时少、内容多的矛盾。
1.2 传统教学模式忽视实验教学，教学过程缺乏系统性和整体性
目前农林院校数值分析课基本还在沿用着传统的教学模式。数值分析课程涉及大量推导过程和繁琐的复杂公式、算法分析及计算框图等，传统的教学模式注重讲授原理，对实践性环节的教学重视不够，使得学生不能全面地理解和运用书中的算法。所谓的实践一般仅停留在要求学生用所学习的内容和方法求解或证明课后习题这一基本阶段。学生对课堂讲授的知识理解不深，不能灵活运用于实际中，往往感到过于枯燥，学习兴趣不高。传统的教学模式不仅不能发挥出《数值分析》这门课真正的实用性，而且势必会导致学生的学习效率低下，发散性思维、逆向思维被束缚。
1.3 考试考核方式不完善
目前大部分农林院校对数值分析的考查大部分还是以笔试的形式进行。这种考试形式只能考查学生对理论知识的掌握程度，而对于其中占主体地位的实验课部分，其能考察的是微乎其微。这种考试形式只会使学生过度重视书本理论知识而忽视实验课，而只有书本知识而没有实际的应用经历，又严重影响了学生的就业。
2、课程优化改革措施
鉴于上面的现状分析，需要对农林院校的《数值分析》课程特别是其实验部分进行优化改革。具体地就是：
2.1 重新设置该门课程的课程体系，加大其中实验课程的比重
在教学环节中应当紧密联系信息技术与计算技术的实际，特别是学科最新发展与高新技术的实际, 加强学生的数学软件应用、计算机编程等实践能力的培养。通过加强实验课的教学，一是训练学生使用数学工具解决实际问题的能力；二是以相应的数学问题为背景，要求学生自己编写程序，训练学生的算法设计与编程能力。
2.2 改进原有课程教学考试方法，提高教学质量
我们可以采取以下的教学方法提高教学质量： (1）问题教学法。在教学中，可以结合工科各专业的专业背景，介绍《数值分析》在其中的体现，以帮助学生对问题的理解，提高学习兴趣。 (2）对比教学法。采用对比教学法，可以帮助学生分清内涵，深刻领悟基本内容，增强分析问题和判断问题的能力。在《数值分析》中，采用对比教学法，效果非常明显，因为本课程中有很多知识点和其他课程是相通的，采用对比教学法有助于学生加深对本课程的理解。
另外，将实验教学独立出来也是必要的。将实验课程单列，不仅有助于教学质量的提高，而且并不改变实验设备条件, 也不影响实验的完成。在考核时, 可以定期上机对学生某一阶段的学习进行考察，并将实验课的成绩单独列出，而不是附之于理论课的成绩之下。这样可以促使学生重视实验教学，促进动手能力的提高。
2.3 引入数学建模的思想，以数学建模的教学方式培养学生主动思考及团队开发能力
所谓实践，就是要求学生把所学的数学建模思想应用到操作实践当中，并在操作实践当中去发现问题、分析问题和解决问题，从而实现课程的教学目标。我们可以将工程实际中的具体问题引入到课堂上来，仿效数学建模或竞赛的形式，让学生通过自由组队的形式对问题进行分析，自己设计出理想的求解方案、通过程序实现问题解决，并通过评比或检验的形式找到最佳方案。通过这种形式和良性的竞争氛围，调动学生实践的积极性，培养他们思考问题，并提高自己动手解决问题的能力。
3、结论
对农林院校现有的《数值分析》课程进行优化设计，提高学生的动手能力，使他们能够运用数学知识与方法解决工程问题特别是农林实际问题，以适应现代社会的对人才的需求。在平时课程的教学内容的选取上，突出理论结合实践的教学思想，将数学建模的思想及方法渗透到实验教学的各个方面和环节，使学生不仅掌握数学理论，而且能掌握现代计算技术，为学生将来的工作或深造打下一个良好的数学基础。
参考文献
[1]杨扬.数值分析课程教学初探[J].徐州教育学院学报, 2008;23 (3) :144-145
[2]陈晓英, 龚日朝.国内外数学实验教学的现状分析与展望[J].株洲师范高等专科学校学报, 2004 (10) :50-52
关于遗传学这门学科，其实我觉得并不会很简单，遗传学在高中的生物学习中也算是表较难的一个部分，注重理解，而在我们大学生涯中又把理论和实践联系起来，于是就有了我们的遗传学实验。对于这一点，其实我是很兴奋的。可是接下来我又纠结了······作为实验我没有感觉到遗传学实验的特殊性，这是我的感受。周而复始地围着染色体，细胞的观察打转，而且一而再地实验失败观察不到现象，使得我们很无奈。
或许是自己本身缺乏经验，所以看似简单的实验老是做失败；也有缺乏耐心的原因，每每到了五点来钟，生物钟就提醒我了，该吃饭了，于是置失败的实验于不顾。而缺乏交流也是其中的问题了，做学问不能闭门造车，当然实验就更不能了，当遇到问题的时候不积极地与老师同学交流也是致使实验失败的重大原因之一。其实遗传学是一门很深奥的学科，它包含了生物体很多奥秘，它是一门既要结合理论知识又要通过实践来检验的科学，所以遗传学实验有着很重要的地位。所以作为学生的我们必须以科学严谨的态度认真对待它，认真学习好理论知识，使之付诸实践。
再说说对于这门课程的建议吧：首先，对于学生来说，我们最大的难处是把实验做成功，由于实验的多次失败，其实在很大程度上打击我们的自信心，我们对于实验没有什么成就感可言。所以在这里希望老师每次讲解实验的时候能够实际给我们操作一遍，或者是事先下载好网上操作的视频给我们观看，了解其具体操作程序，注意事项，我想可以更好的让我们完成实验，成功率和效率都会提高很多.其次，就是对于实验教学课程的设置的问题，个人觉得遗传学实验课程设置所包括的内容涵盖面太过狭窄，大多都是对于染色体的观察操作，重复性较高，没有涵盖到遗传学里面的细胞水平、分子水平的遗传学内容。这样可能会使我们的遗传学学习和研究深度不够。希望这方面在课程设计之中能够得到加强。
再者，遗传学实验本身就和其他实验不同。它应该包含一个实验设计的项目。我建议在探究性实验和验证性实验当中，可以让我们事先对实验进行设计，再拿到实验室进行验证操作，大家相互讨论，通过实验结果等等一些因素来判定设计的完善与否。这样既可以培养学生的设计实验能力，又能够提高学生的综合能力。
最后不得不提的就是实验室器材的缺乏，每次我们实验室的显微镜数量都不够，就算够了质量也不太高，这样很影响我们对装片的观察，希望学院对这方面能重视起来。
《水资源利用与保护》网络课程建设初探
<水资源利用与保护>课程是给水排水工程专业主干课程之一.笔者据教学实践,将现代网络教学技术与理论教学相结合,初步研究了<水资源利用与保护>网络课程的`架构、教学模式与教学管理,目的是增强学生学习积极性,促进教育模式创新.
作 者：石明岩 作者单位：广州大学土木工程学院,广东广州,510006 刊 名：湖南中学物理・教育前沿 英文刊名：CUTTING EDGE EDUCATION 年，卷(期)： “”(12) 分类号：G436 关键词：水资源利用与保护 给水排水工程 网络课程
加工中心主要用于箱体、壳体、模具等较复杂零件的加工,加工中心具有工作台转位和自动换刀的功能,零件在一次装夹下的工步有数十到上百道。在传统的工艺规划中,工艺专家根据经验为每一工艺特征选择一个加工方案(加工链),然后将所有特征的加工方案组合在一起进行最优化排序[1]。然而,工步数越多,排序规模越大,只靠传统的经验法难以得到最优的排序方案。
为解决工艺规划中的工步排序问题,一些智能算法逐渐被用于此方面的研究,文献[1-4]采用了遗传算法,文献[5-6]采用了蚁群算法,文献[7]采用了模拟退火算法,文献[8]采用了遗传算法和模拟退火相结合的算法。但是,上述文献所研究的大都是零件在一次装夹下并且每个加工特征都只有一种加工方案时的工步排序。在实际情况中,对于某类特征及其工艺要求,通常存在几个能力重叠的加工方法[2]。本文在前人研究的基础上,使用遗传算法对加工中心多次装夹下,每种特征有多种加工方案的情形进行工艺选择与排序优化。目标函数由换刀时间、工作台转位时间、装夹时间和加工时间四部分组成,并通过引入特征约束矩阵和加工优先级系数确保工步之间的正确排序。
1 工步排序的数学模型
1.1 特征元和加工链
一般来说,箱体零件由一些具有加工意义的最基本的加工特征所构成,如面、孔、槽等,这些最基本的加工特征被称为特征元。
设一个零件的全部特征元构成了该零件的特征集合F,若此零件一共有m个特征元,则零件的特征元集可表示为
其中,fi为零件的第i个特征元,由于每一特征元可能对应着多条加工链,因此特征元fi又可以表示为
其中,IDf指特征代码,Op为特征元的加工链集,W为特征类型,I为加工精度等信息。fi的加工链集Opi又可表示为
其中,Opim为fi的第m条加工链。由于加工链一般由多个工步组成,所以Opim又可以表示为
其中,Opimn为特征元fi的第m条加工链中第n个工步。
1.2 工步信息表达
对每一个特征元都选择一条加工链,每一条加工链又包含几个工步,这些工步就组成了一条完整的工艺路线。设选择出的加工链中包含的工步总数为n,则工艺路线表示为O={o1,o2,…,on}。这样,理论上存在n!种工步排序,但在实际情况下,由于特征间和加工阶段的约束,某些工步之间必定存在优先关系,所以实际工步的排列种数要远小于n![3]。
在编码的时候令每一个基因码(工步)都对应一个基因座,基因码与基因座信息的映射关系为
其中,IDOp指加工链编号,S指粗加工、半精加工、精加工等加工阶段,M指钻、铣、镗等加工方法,FS为装夹表面代码,C为使用的刀具代码,A为方位面代码,P为工步所属加工链的加工优先级系数,T为工步的加工时间。
2 工艺排序的约束条件
需要重点强调的一点是,在加工工艺的决策与优化排序中,最重要的任务是要保证加工质量,否则单纯的工艺排序将变得毫无意义,也就是说生成的工艺路线必须满足工艺规划中的约束条件。在加工中心上加工箱体零件时,零件的不同特征元之间存在着各种约束关系,这些约束可分为强制性约束和最优性约束。加工工艺排序优化的基本思路就是先找出所有满足强制性性约束的工艺路线集,然后根据最优性约束的标准进行判断和评价,从而找到最好或较好的工艺路线。
2.1 强制性约束
强制性约束是指在同一表面上加工零件时,应严格按照粗加工、半精加工、精加工的次序进行;对既有铣面又有钻孔的零件,若加工平面作为孔的基准,则应严格按照先面后孔的次序要求;加工时应当先安排主要表面的加工,后安排次要表面的加工;工件的精基准表面要先于其他面加工。本文引入特征约束矩阵Y和加工优先级系数P用来保证零件工艺排序中的强制性约束。
对于待加工零件的特征元集F={f1,f2,…,fm},可以使用一个m×m的矩阵Y来存储特征元之间的优先关系,其中:
使用加工优先级系数P来保证同一特征工步间加工阶段的约束,P为自然数,P值越小表明工步的加工优先级越高。如对一平面特征的加工顺序为粗铣、精铣、精磨,则对应的加工优先级系数依次为1、2、3。可以证明,特征约束矩阵和加工优先级系数能够严格保证工艺排序过程的合理性,因而可以保证加工质量。
2.2 最优性约束
最优性约束主要是要达到以下目标:(1)使用相同刀具的工步应集中安排在一起,以尽量缩短加工中心的换刀时间;(2)将零件同一方位上的表面加工集中在一起,以尽量缩短工作台的转位时间;(3)具有相同装夹表面的特征元集中在一起加工,以缩短装夹时间;(4)在满足上面三个条件的基础上,为零件的每一特征元都选择一条合适的加工链,使得零件总的生产时间最短。这样在最少换刀和装夹的情况下,可以尽可能多地加工满足形位公差要求的特征,也能够保证加工过程的质量。
首先建立一个函数g(x,y):
设某箱体零件的工艺路线为O={o1,o2,…,on}。当工步oi加工完毕后,若oi所用的刀具oiC与工步oi+1的刀具oi+1C不同,则g(oiC,oi+1C)=1,否则g(oiC,oi+1C)=0。因为数控加工中心下一工步要用的刀具总是提前转到换刀位置,所以每次换刀的时间基本相同,设每次换刀时间为tT,则总换刀时间可以表示为
箱体零件各特征所依附的面称为方位面,按其法向平行于x、y、z轴正负向共分为6个。本文令主视图中零件的前面、右面、顶面分别为方位面1~3,零件后面、左面、底面分别为方位面-1~-3。设工步oi所在的方位面代码为oiA,工步oi+1的方位面为oi+1A,加工中心工作台转位90°时间为tz。因为工作台转位时间与转位角度大小有关,则从工步oi到oi+1所需要的工作台总的转位时间可以表示为
其中,q(x,y)是本文设计的一个分布函数,用来计算工作台转位次数,表示为
设工步oi的装夹表面代码为oiFS,工步oi+1的装夹面代码为oi+1FS,当工步oi加工完毕后,若oi的装夹表面与工步oi+1的装夹表面不同,则g(oiFS,oi+1FS)=1,否则g(oiFS,oi+1FS)=0。为简化模型,固定装夹时间为tS,则总装夹时间可表示为
假设工步oi的加工时间为ti,则该零件的总加工时间可表示为
由上文可知:函数t1(x)的值越小,工步的刀具越集中;t2(x)的值越小,工步方位面越集中;t3(x)的值越小,零件装夹的次数越少;t4(x)的值越小,零件的加工时间就越短。
综上,目标函数t由四部分组成,表示为
3 基于遗传算法的工艺排序方法
基于遗传算法的工艺路线优化方法的步骤如图1所示。
3.1 工步顺序编码
遗传算法常用的编码方法可以分为二进制编码、顺序编码、整数编码和实数编码等方法。本文采用顺序编码的方式,它是用自然数编码并且不允许重复。若一共有n个工步需要排序,则基因值在1~n之间随机取值,每个基因值都不同,代表一个工步。
3.2 初始群体生成
设N为初始群体的个体总数,并设随机选择的特征加工链集中共包含n个工步,则首先要随机产生N条长度为n的符号串。将生成的符号串存入初始群体POP中,记POP={x1,x2,…,xN},其中xi为初始群体POP中的第i个个体,表示一种工步顺序。
3.3 适应度函数
本文优化的目标函数是零件所需的总生产时间最短,但由于算法中通常认为适应度越大越好,因此POP中每个染色体的适应度值取g=M-t,其中M为一个极大值。
3.4 选择
调用轮盘赌比例选择算法,选择N个个体放入NewPOP中,并将适应度值最大的符号串保存到Best中,直到后面出现适应值更大的个体再将其替代。
3.5 交叉
从NewPOP中随机选择两个个体(符号串),生成一个0~1均匀分布的随机数ra,若ra≤Pc(Pc为交叉概率),则将这两个符号串进行交叉操作。调用单点交叉算法,选择一个交叉点,子代交叉点前的部分从父代中复制,交叉点后的部分依次从另一个父代中扫描,如果某个基因码在子代中没有,就把它添加到子代中,按照这样生成两个子代。将新生成的符号串加入到NewPOP中,否则将原符号加入到NewPOP中。
3.6 变异
对NewPOP中的每个符号串,生成一个0~1均匀分布的随机数rb,若rb≤Pm(Pm为变异概率),则对此符号串进行变异操作,随机选择并交换两个基因码。将新生成的符号串加入到NewPOP中,否则将原符号串加入到NewPOP中。
3.7 自适应策略
遗传算法的交叉概率Pc和变异概率Pm是影响遗传算法行为和性能的关键所在,直接影响算法的收敛性。通过引入自适应策略,Pc和Pm就能够随适应度值自动改变,因而自适应遗传算法在保持群体多样性的同时,保证遗传算法的收敛性。Pc和Pm按如下公式进行自适应调整:
式中,gmax为种群的最大适应度值;ga为种群的平均适应度值;g′为要交叉的两个个体中较大的适应度值;g为要变异个体的适应值;k1、k2、k3、k4均为(0,1)之间设定的常数。
3.8 修复
由于NewPOP中每个符号串的基因码(工步)相互间要满足相应的特征约束和工步约束,因此为了获得可行解,必须从每个符号串的第一个基因码开始按照特征约束矩阵和加工优先级系数逐项检验符号串的合理性。若发现不满足约束关系的工步对,将两工步对调,再重新进行校检,直到关系都符合。
3.9 迭代循环
令POP=NewPOP,返回3.3,计算POP的适应值,直至满足迭代次数为止,输出最优解。
4 实例分析
4.1 算法应用
文献[1,4,5,8]与本文的研究相似,都是用智能算法解决零件加工工艺排序问题的。为了验证本文设计的算法的有效性,用本算法分别对上述四篇文献中的待加工零件(图2)进行工艺排序。文献[1]中的算法获得的最短辅助加工时间为65s,而采用本文算法得到的最短时间为53s;文献[4]中直接利用算法得到最短辅助加工时间为135.5s,而本文算法直接得到的最短加工时间为126.5s;文献[5]中得到工艺排序的最短加权海明距离为6.49,而本文算法得到更优值6.34;在假设换刀与工作台转位时间相同的前提下,本文算法得到了与文献[8]中结果相同的最优解。具体排序结果比较见表1,其中粗加工、半精加工、精加工阶段分别用字母a、b、c表示;车削、铣削、刨削、钻孔、钻中心孔、镗孔、铰孔、扩孔、锪、攻丝分别用字母L、M、P、S、DC、B、R、E、C、T表示。
上述文献中的实例基本包含了箱体零件的典型特征,本算法在几个算例中都取得到了更优解,而且加工路线满足工艺约束,初步说明本算法对箱体零件工艺路线排序方面有一定的优越性。为了说明本算法在零件多次装夹并且每个特征元有多种加工方案时的有效性,对图3所示的待加工零件进行加工方案选择与排序。该零件有20个特征元,零件特征元信息如表2所示。
根据特征元的特征类别和加工精度等要求利用反向设计法为每个特征元设计多条加工链,加工链内的工步用编码表示为(IDf,IDOp,FS,C,A,P,T)。加工用的铣、刨、钻、粗扩、粗镗、精扩、半精镗、精镗、铰、锪等的刀具编码为1~10,得到零件的加工信息如表3所示。
4.2 结果分析
遗传算法的每一次迭代必须维持群体的数量不变,当N取值较小时,可提高遗传算法的运行速度,但却降低了群体的多样性,有可能引起早熟现象;而当N取值较大时,又会使得遗传算法的运行效率降低。本文中取群体大小N=20,交叉概率Pc=0.6,变异概率Pm=0.1,极大值M=1500,每次迭代代数E=1200,设加工中心换刀时间为4s,工作台转位90°时间为2s,每次装夹时间为20s。
算法一共运行50次,得到最优解为578。但考虑到本文中工步排序问题规模大、约束条件多等特殊性,因此交叉概率和变异概率宜取较大值。但较大的交叉概率和变异概率会导致算法收敛变慢,因此为了加快收敛速度,采用最优解保存策略,即每次迭代后用最优解替代当前种群中的最差解。
重新设置交叉概率Pc=0.8,变异概率Pm=0.4,运行50次,得到最优解为585,调整前后算法得到最大适应值时的寻优路线如图4所示。
从图4可以看出,当交叉概率和变异概率增大时,虽然算法收敛速度变慢,但能够搜索到更加广阔的可行域,能避免陷入局部最优并有机会搜索到较优值。选择算法取得的最佳加工链,通过对交叉概率和变异概率进行调整并且运行若干次后,得到两者变化与平均最优适应值关系如图5所示,其中,a~p所表达的含义见表4。
依次固定交叉概率为0.2、0.4、0.6、0.8,通过调节变异概率观察所得平均最优适应值的变化如图5a所示;依次固定变异概率为0.2、0.4、0.6、0.8,通过调节交叉概率观察所得平均最优适应值的变化如图5b所示。可以发现,由于工艺排序问题的特殊性,算法中变异概率的改变对最优适应值比交叉概率有着更显著的影响,增大变异概率往往会获得更优解。但在实验中发现,当变异概率大于0.6时,算法在5000代以内很难收敛。综合上述因素并结合算法实际运行情况,本文中建议交叉概率取0.5,变异概率在0.4~0.6取值。
优化后的算法得到零件的最短加工时间为913s,最优工艺路线为:aM f14、f16、f1、f4、f7、f11—cMf1 1、f7、f1、f4、f16、f14—D f15、f17、f3、f6、f13、f9—aE f9、f8、f10、f12、f13、f15、f2、f3、f5、f6—C f17—cE f5、f6、f8、f9、f10、f2、f3、f12、f13、f15—cB f2、f5、f8、f10、f12—R f13、f15、f9、f3、f6—aM f18—cM f18—aB f20—aE f1 9—bB f20—cE f19—cB f19。经分析可知,该算法生成的工艺路线满足工艺约束条件并且较大程度地实现了刀具集中和方位集中。
5 结束语
本文建立了箱体零件加工工步排序相关模型,考虑了加工中心零件加工过程换刀、工作台转位、多次装夹下的工步排序优化,引入了特征约束矩阵和加工优先级系数,保证了特征间的约束和加工阶段的约束。设计了零件加工工艺方案选择与排序优化算法,该算法可以处理每个特征元有多条加工链时的工艺路线排序,并以箱体类零件为例,对该算法进行了验证、分析和优化,取得了满意的结果。通过动态多加工路线取代了传统静态单一的加工路线,增加了加工工艺规划的柔性。然而,零件特征元加工链的生成需要大量工艺知识和经验,并且与具体加工环境密切相关,这些对具体工艺的选择排序都有影响,也应在研究中适当加以关注。
参考文献
[1]郝建波,李宗斌,赵丽萍.工步排序问题的约束模型及其遗传算法的求解[J].西安交通大学学报,2008,42(7):860-864.
[2]花广如,王会凤,张震寰,等.基于遗传算法的加工方案选择与操作排序综合优化方法[J].上海交通大学学报,2006,40(2):195-200.
[3]曹振,李鑫.基于遗传算法的零件工步优化研究[J].机械设计与制造,2009,12(12):6-8.
[4]秦宝荣,王宁生.基于遗传算法的加工中心工步排序优化方法[J].中国机械工程,2002,13(18):1531-1535.
[5]刘伟,王太勇,周明,等.基于蚁群算法的工艺路线生成及优化[J].计算机集成制造系统,2010,16(7):1378-1382.
[6]Krishna A G,Rao K M.Optimization of Operations Sequence in CAPP Using an Ant Colony Algorithm[J].The International Journal of Advanced Manu-facturing Technology,2006,29(1/2):159-164.
[7]蒲建,王先逵,吴丹.工艺规划中的组合优化问题[J].清华大学学报,1997,37(8):69-71.
锅炉是一个典型的多输入、多输出、非线性、无自衡的复杂系统,电站锅炉燃烧又是一个复杂的物理化学过程,如何提高锅炉的燃烧效率、降低污染,一直是该领域的重要问题。目前,人们通过对锅炉燃烧过程的不断研究,已经应用燃烧学、流体力学、热力学、热传质学等学科领域的知识建立了锅炉设备整体静态性能的机理模型,并得到了静态性能与输出参数之间的关系[1]。对电厂锅炉效率的计算一般采用热平衡方法来进行,但是由于受设备、工况、燃料等诸多因素影响,并且它们之间存在着高度的复杂性和非线性性,该方法一般都是对经验公式的总结,很难真实地描述锅炉的燃烧效率。近年来,随着人工智能技术的发展,神经网络和遗传算法正不断地得到人们的重视和认可。利用神经网络可以充分逼近任意复杂的非线性关系,因此,该方法常用来描述具有黑箱性质和非线性强的对象,并广泛应用于具有不确定性、非线性等特征的复杂系统建模[2];利用遗传算法可以实现对复杂的非线性问题的高效搜索。兼顾锅炉的燃烧效率和污染物的排放,本文在利用人工神经网络对锅炉特性进行建模,并利用遗传算法对操作参数进行寻优,从而实现对锅炉燃烧的优化。仿真结果表明,该方法能够在锅炉燃烧效率降低不大的情况下,明显地减低氮氧化物的排放,达到降低环境污染的目的,具有一定的社会意义。
1 锅炉效率的简化计算
锅炉效率是表征锅炉经济运行的主要综合技术指标,对锅炉效率的计算一般有正反平衡两种方法。正平衡法计算简便,但计算精度和稳定性有时不太理想,在电厂的实际热力计算中,通常采用反平衡法。下面简单介绍一下用反平衡法对锅炉效率的简化计算。
设煤质的低位发热量为Hμ,应用基灰分为A;排烟温度为θA,排烟处的含氧量为[O2],参考温度为θb,飞灰含碳量为Cf。则锅炉的燃烧效率η可表示为:
η=1-(LG+Lm+Lc+LR+Lco+LuN) (1)
其中LG为干烟气热的损失,Lm为水分的热损失,LC为未燃碳的热损失,LR为锅炉散热损失,LCO为一氧化碳未完全燃烧热损失(通常取去经验值为零), LμN为其他热损失。
干烟气热的损失LG可由式(2)求得:
其中θb为送风机的出口温度,θA为排烟温度。W″G为干烟气量(kg/kg)。
水分的热损失Lm可由式(3)求得:
其中WmA为空气的绝对湿度;h″为烟气中水蒸气的焓,它主要决定于排烟温度和烟气中水蒸气压力。hb为参考温度所对应的饱和蒸汽;W″A为燃料燃烧所需的干空气量。
未燃碳的热损失LC可由式(4)求得:
其中rf为飞灰比率。锅炉散热损失LR可由式(5)求得:
其中QN为锅炉的最大出力;C为表面系数;q 为平均热流密度;φ为负荷系数。
2 神经网络建立锅炉燃烧过程模型
通过前面的分析可知:对锅炉的燃烧过程影响比较大的因素有排烟温度、排烟处的氧量、飞灰含碳量、应用基低位发热量、应用基灰分等,而且上述各个物理量之间存在着强非线性关系。本文选择排烟温度、飞灰含碳量、氧量、水份、灰份、低位发热量、锅炉的最高负荷、主汽温度、主汽压力、主汽焓、给水焓、标准煤量作为神经网络的输入,将锅炉的燃烧效率和氮氧化物的排放量作为神经网络的输出,建立如图1所示的模型。该模型的结构为:12-25-2,隐含层神经元数为25。
在图1所建模型的参数中,排烟温度、排烟处的氧量等可以直接从电厂DCS中获得实时数据,应用基低位发热量、应用基灰分和煤种煤质相关的数据可以从检验部分获得。而飞灰含碳量通常又受很多变量的影响,并且这些变量之间的非线性程度也比较高,通常很难通过某一具体的数学公式计算出飞灰含碳量[3],即便根据经验总结出相应的计算公式,当生产环境改变时,计算出来的数据也不一定准确。因此,本文对飞灰含碳量的求解仍然采取用神经网路建模的方法。
通常情况下,影响锅炉飞灰含碳量比较大的因素有煤种、锅炉负荷、配风方式、炉型、燃烧器型式、炉温、过剩空气系数、煤粉细度、风粉分配均匀性。我们将这九个参数值作为神经网络的输入,将锅炉的飞灰含碳量作为输出,建立如图2所示的飞灰含碳量的神经网络结构模型。
该模型采用三层BP神经网络,构造结构为9-19-1,隐含层神经元数目为19。应用神经网络建立锅炉燃烧过程模型的具体步骤如下:
step1 从DCS采集到的数据中选择对建模有益的数据项(根据经验选择或采用数据挖掘的方法);
step2 根据已选择的参数以及建模对象生成网络学习样本和预测样本;
step3 确定网络的结构以及网络的参数(学习速率,最大迭代次数,误差限等);
step4 通过网络训练的结果计算误差;
step5 判断误差是否满足要求,满足则建模完成,否则转向step4。
3 遗传算法对锅炉燃烧的优化
3.1 适应度函数的设计
对锅炉燃烧的优化主要是为了获得最低的飞灰含氮量和最低的排烟热损失,从而达到提高锅炉燃烧效率和降低环境污染的目的。兼顾锅炉的燃烧效率和氮氧化物的排放量,本文采用式(6)作为适应度函数:
J=M×eff+N×[NOX] (6)
其中:eff为锅炉燃烧效率的评价函数,取神经网络输出的锅炉燃烧效率;[NOX]为氮氧化物的评价函数,取神经网络氮氧化物的输出值;M、N为这两个评价函数的加权系数,通常取决于燃烧优化的目标,即对效率和排放的关注程度。
3.2 遗传操作
本文应用遗传算法进行最佳氧量设定值的计算,调整烟气含氧量的给定值,使锅炉的燃烧效率和污染物的排放达到最优。遗传算法采用实数编码策略;由于传统的精英保留选择法会导致大多数非精英解不能参与遗传操作,使全局最优解的搜索减慢并最终导致种群局部最优解。为使搜索结果逼近全局最优解,并能充分体现“适者生存,优胜劣汰”的原则,本文采用综合选择法,即把当前种群中的N个旧个体,与经过交叉、变异等遗传操作产生的N个新个体(共2N个),同时作为被选择的对象,再用轮盘选择法从这2N个个体中选出N个作为下一代种群,这种方法扩大了选择范围;为了实现种群的多样化,本文采用两点交叉和非均匀变异的方法,随机产生初始种群P=[W1,W2,…,WM],种群中每一个个体Wi(1<i<M)对应一个烟气含氧量向量,在交叉操作之前首先对群体中的个体进行配对,采用随机配对方法,即把种群中的M个个体以随机方式组成M/2对,交叉操作在配对个体组中的每两个个体之间进行。设进行交叉的两个父代个体分别为Wi和Wj,以概率Pc进行交叉后得到的子代个体Wi′和Wj′为:
W′i=γWi+(1-γ)Wj (7)
W′j=γWj+(1-γ)Wi (8)
其中,i,j=1,2,…, M /2;γ为区间[0,1]上均匀分布的随机数。设以概率Pm进行变异的个体为W=[w0, w1,…,wL-1]T,其中分量wk执行变异操作,其变化范围是(wk_min,wk_max),变异后当α=0与α=1时分别为式(9)与式(10):
w′k=wk+Δ(t,wk_max-wk) (9)
w′k=wk+Δ(t,wk-wk_min) (10)
其中,α为区间[0,1]上均匀分布的随机数,t表示进化代数,Δ(t, x)是在区间[0,x]上非均匀分布的随机数,其表达式为:
其中,β为区间[0,1]上的随机数,T表示最大进化代数,b是确定非均匀度的参数[9]。用实数编码遗传算法对电站锅炉燃烧过程进行优化的步骤如下:
step1 随机产生初始种群;
step2 根据模拟锅炉燃烧系统的模型,建立输入输出的关系;
step3 选取适应度函数,计算每个个体的适应度;
step4 根据染色体的适应度选择个体;
step5 根据交叉概率确定个体是否发生交叉,若发生进行交叉运算, 否则不做任何处理;
step6 根据变异概率确定个体是否发生变异,若发生则进行变异运算;
step7 检验是否满足迭代终止条件,是则退出,否则转向step4。
4 仿真实验
4.1 对神经网路模型的仿真
本文选取某公司的生产监测数据为训练样本,选择排烟温度、飞灰含碳量、水份、灰份、低位发热量、锅炉的最高负荷、主汽温度、主汽压力、主汽焓、给水焓、标准煤量作为网络的输入参数,对上述所建的神经网络模型进行仿真。设定网络的学习速率为0.9,最大迭代次数为6000,误差限为0.0001。生成的部分训练样本如表1所示。
选择该公司的生产参数作为建模的输入,来预测该段时间的锅炉效率和氮氧化物的排放量,并与实际值做比较。预测样本集和比较结果如表2和表3所示。
由计算结果可知用此种网络结构进行锅炉效率建模,其误差均低于3%,精度较高。神经网络模型对锅炉效率进行建模在保证结果准确性的基础上,所需要的监测数据不是很多,比通过经验公式计算速度快[1],需要的参数少,并且在实际生产中的适应性比较强,通过这种方法得到的建模预测结果可以进一步对各项参数进行调优。
4.2 遗传算法对锅炉燃烧优化的仿真
本文用上述的遗传算法,氧量的变化范围取为2%～5%,选取式(6)为适应度函数,(其中系数M取15,N取0.2),采用实数编码,综合选择法,两点交叉,对氮氧化物排量最高的7号样本做优化仿真计算。根据经验值,各参数的设定如表4所示。优化前后比较如表5所示。
由表5可知,采用遗传算法寻得的氧量值较小,效率有所减小,但锅炉烟气中氮氧化物的含量有明显降低,下降幅度达到28%。这表明使用燃烧优化能在保证锅炉效率的前提下,降低排放的烟气中氮氧化物的含量,减少对环境的污染。用遗传算法求最优的氧量,通过调整加权系数M、N的值来实现燃烧效率和氮氧化物排放量不同侧重目标的优化[7]。本文神经网络建模和遗传算法优化过程均以VC++6.0编程[5]。
5 总 结
用神经网络建立的电站锅炉燃烧输入与输出参数的模型具有泛化能力强、预测精度高、计算简单等优点,避免了机理模型中涉及的复杂热力过程,同时能利用模型的自学习能力,更好地适应锅炉设备对象模型的渐变特性。在此基础上,采用遗传算法对建立的模型寻优,通过调整适应度函数的参数,实现锅炉的高效低污染燃烧。
摘要：通过对影响锅炉效率的物理量的分析,建立了以神经网络表示主要物理量之间关系的锅炉燃烧系统模型,并采用遗传算法对模型进一步优化,从而实现了对锅炉燃烧的优化。仿真结果表明,通过调整锅炉燃烧系统优化模型参数,该模型能够同时满足锅炉燃烧效率和降低污染物排放的要求,从而实现锅炉的节能低污。
关键词：锅炉,神经网络,遗传算法,燃烧优化
参考文献
[1]冯俊凯.锅炉原理及计算[M].科学出版社,1992.
[2]张立明.人工神经网络的模型及其应用[M].复旦大学出版社,1993.
[3]周昊,茅建波,池作和,等.燃煤锅炉低氮氧化物燃烧特性的神经网络预报[J].环境科学,2002,23(3).
[4]Isogai M,Arai F,Fukuda T.Modeling and vibration control with neuralnetwork for flexible multi-link structures.Proceedings.1999 IEEE In-ternational Conference on Robotics and Automation,1999(2).
[5]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.
[6]孙巧玲,沈炯,李益国.基于遗传算法的燃煤电站锅炉整体燃烧优化方法研究[J].热能动力工程,2004,19(1).
[7]何坚勇.最优化方法[M].清华大学出版社,2007.
[8]田旭光,宋彤,刘宇新.结合遗传算法优化BP神经网络的结构和参数[J].计算机应用与软件,2004,21(6).
【《遗传学》课程建设与优化初探】推荐阅读：
山大医学遗传学辅导教案06-08
遗传学100个名词解释06-01
人类遗传病教案11-09
遗传高血压是什么原因09-09
遗传分析仪的日常维护11-13
关注人类遗传病教学设计10-30
遗传信息的携带者——核酸 教学设计10-16
