面向中小学生的智能优化算法机理探索课程
[人工智能普及教育]
【课程案例：面向中小学生的智能优化算法机理探索课程——人工智能普及教育】作者：王胜灵、陈安琳、沈瑾、张宜放、魏锐、傅骞（北京师范大学)
对知识的前向解释力直接影响后向生发的创造力 ， 因此人工智能的算法思想对于青少年学习人工智能更为重要 。 我们的课程旨在引导中小学生探索人工智能算法的内生机理 ， 其主要面临以下两大挑战：挑战一来自于学习者 ， 低龄学生低认知水平、弱分析问题能力引发了与复杂算法机理理解的矛盾；挑战二来自于学习对象 ， 算法编程实践的复杂性引发了与低龄学生零代码基础的矛盾与复杂算法编程实践的矛盾 。
为解决挑战一 ， 课程选择人工智能算法体系中更容易理解的一类——智能优化算法作为主题 ， 从生活中易懂的常识出发 ， 介绍算法机理 ， 将学生拟学习的新知识与已有知识体系关联；为解决挑战二 ， 我们开发了适合低龄学生的编程平台 ， 通过封装算法逻辑模块屏蔽算法实现细节 ， 简化编程实践 。
本项目从“逃离迷宫”游戏出发 ， 介绍一种经典的智能优化算法——遗传算法的思想和运行机制 ， 通过自创的“组态”编程平台 ， 使学生能够自主编写遗传算法 ， 并探究关键参数和策略对算法性能的影响 。

文章图片

项目规划
基于解决迷宫问题学习遗传算法的内核机理课程安排如下 。
第1步：问题定义
本项目的问题为如何快速地逃离一个复杂的迷宫 。 对于简单迷宫 ， 学生可以通过自主尝试走出迷宫路径 ， 但对于复杂迷宫 ， 自主尝试的方法效率低下 。 如何能够比较快速地走出迷宫是本项目的驱动性问题 。
第2步：思路启发
计算思维是人类求解问题的一条途径 ， 但决非试图使人类像计算机那样思考 ， 因此我们不直接从学生设计智能优化算法的计算机程序入手 ， 而是先让学生自主尝试 ， 用人类最自然的思维解决问题 ， 即人如何走出迷宫；然后由教师启发学生生发算法的仿生理念 。
第3步：算法设计
首先介绍算法缘起 ， 也就是遗传算法的仿生来源——生物演化现象 ， 然后进行思维迁移 ， 将生物的演化过程迁移到算法中 ， 最后生成模拟生物演化进程 ， 解决快速走出复杂迷宫问题的遗传算法 。
第4步：编程实践
这一步骤的目标是让学生进行实践 ， 即编写遗传算法程序以解决问题 。 我们面临三大课程设计挑战：一是低龄学生具有零代码基础 ， 二是遗传算法的实现复杂度高 ， 三是算法分析困难 。 针对挑战一和挑战二 ， 我们开发的“组态”编程平台 ， 以模块化的零代码方式编程 ， 清晰展示算法逻辑 。 针对挑战三 ， 通过“所想即所见”的图形化方式进行算法效果呈现 。 学生可以在我们设计开发的编程平台上简单、高效地编写遗传算法 ， 让计算机快速走出复杂迷宫（图1） 。

文章图片

▲图1?自主研发的遗传算法编程平台
第5步：分析探究
以“所想即所见”的方式展示关键参数和策略对算法性能的影响 ， 让学生探究更优参数和策略 ， 从而对算法性能进行优化 。
第6步：总结升华
让学生总结遗传算法的理念、实践和分析 ， 并通过遗传算法的学习和观察 ， 以点及面 ， 发现一类算法的设计方式——仿生 。