萤火虫的趣味文化

萤火虫的趣味文化（共6篇）

萤火虫的趣味文化 篇1

摘要：新课程十分注重发挥学生的主体作用, 强调教学是师生交往与互动的过程。既然课堂教学是师生交往与互动的过程, 教学中存在“课间设计”, 必然对话的参与者之一—学生不再是教学加工的对象, 也就理应参与进教学之中。教学中教师应用趣味性来激发求知欲从而达到传授知识、培养能力的教学目标, 让学生共同参与教学过程, 使学生对信息技术学习充满的浓厚兴趣, 形成自己信息技术文化。

关键词：教学设计优化,信息技术教师,VB程序设计案例,信息技术文化

信息技术课程为学生提供了意义建构的实施环境, 尤其是互联网的出现, 为网络教学提供了丰富的资源和便利的空间, 学生在网络环境下学习, 应该能够最大程度地发挥其主动性和积极性。但是课堂中的教师往往还是采用比较“传统”的教学方式, 即讲解加演示—布置任务—任务完成考核, 课程实施还是以“教”为中心, 没有完成向以“学”为中心的转化, “整个课堂中教师认为自己的职责只是把信息技术技能传授给学生, 学生被动地接受知识技能的培训……学生更不会想到利用信息技术改变自己的学习方式”。

信息技术原本为课程实施提供了一个全新的文化可能空间, 然而, 在现实的课堂中, 由于非人性的知识工具代替了人性的教师角色, 冰冷的数字逻辑语言冲淡了师生的情感化交流, 虚拟的课堂教学界面剥夺了现实课堂教学中学习者学习的种种乐趣, 结果造成了学生学习行为的失衡和失范, 导致了他们与教师或其他学习者人际关系的疏离, 强化了他们的学习孤独症心理倾向, 诱发了他们精神上的疲倦、厌烦、急躁、不安、忧郁等不健康的学习心理。

俗话说的好:兴趣是最好的老师。调动学生对信息技术课学习的兴趣是信息老师必备的教学手段。在教学中, 如何化静态为动态、变抽象为形象、变虚为实, 从而来激发学生的学习兴趣, 一直是信息技术教师长期思考的问题, 苏教版初中信息技术 (选修) 的主要内容是VB程序设计初步, 培养问题求解和编程能力, 熟悉程序设计的全部过程, 学会使用编程资料, 提高实际编程能力, 培养学生的探索和创新能力。

VB对于的初二的学生, 可能枯燥难懂, 他们的认识能力和逻辑思维水平、抽象思维水平还处于逐步发展完善阶段。如何解决好这个问题, 开展既富构造性又具有创造力的教学活动, 是广大信息技术教师颇感兴趣的课题。本案例教学法打破了传统教学模式, 从简单的QQ情景案例入手, 通过让学生观看、模仿, 在实际操作中去探究和领悟这些知识点, 通过教师的归纳总结, 让学生在轻松愉快的气氛中接受新的知识。同时在案例编写时让知识点和概念反复出现并逐步加深, 这样才能既保证学生对新的知识点的学习, 同时又能达到对旧知识点的复习。

学生如果一开始就没有兴趣, 那就容易产生厌倦情绪, 最终导致学不下去。这就要求一开始就要注意对他们学习兴趣的培养。那么怎样才能培养起他们的兴趣呢?本文以“VB输入、输出语句”这一节为例来阐述。

设计思想:以设计制作qq登录界面的综合案例的教学设计优化来集成VB的input等程序设计基本知识。突破原来的输入、输出语句的简单、枯燥的描述。变讲授为主转变为师生共同行动来解决问题。

在日常生活中学生对QQ并不陌生, 以QQ登录界面, 导入新课, 激发学生的学习兴趣和创作热情;即使对于那些没有接触过程序设计的学生, 对未学知识怀着强烈的好奇心和求知欲, 教学效果非常好。

在信息技术教学过程中, 要保持学生学习的动力, 就要运用科学的教学方法去激发学生的学习热情。—般可采取的教学方法有“吸引教学”法、“实例操作”法和“任务驱动”等, 坚持“以用为主, 培养能力”的原则, 使学生在应用计算机完成操作任务的过程中不仅掌握了计算机的基础知识和基本技能, 而且亲身体验了分析问题、解决问题的过程, 体会到了探索、发现、创造与成功的喜悦, 学生独立完成任务的能力也得到了锻炼。这对于培养有较强实践能力与创造能力的学生具有重要的意义。

从这堂课例中可以看出, 选择适当的学生文化背景可以帮助我们教学目标的达成, 同时学生在学习知识的过程中, 尝试到信息技术理论与现实相关联成功的喜悦, 学生对界面设计、美感等文化素养通过信息技术得到表征。而文化是人在生存斗争中所使用的一种精致的机制, 一种超机体的方法和工具的体制。信息技术作为文化系统的一部分也就变得必然。

信息技术学习是文化意义形成的过程, 而不是单纯的知识的传输、递送和存储的过程。在信息技术教学过程中, 作为核心体的学生, 占据他人所不能替代的重要地位, 如何让他们能根据原有的知识建构着信息文化。笔者建议从以下几个方面实施:

第一, 利用学生原有信息存储的影响。学生不是空着脑袋进人学习情境中的, 他们在日常生活和以往各种形式的学习中, 已经形成了有关的知识经验, 对任何事情都有自己的看法。即使有些问题他们从来没有接触过, 没有现成的经验可以借鉴, 但是, 当问题呈现在他们面前时, 他们还是会基于以往的经验, 依靠他们的认知能力, 形成对问题的解释, 提出他们的假设。第二, 在学生对信息的获取的过程中构建。他们会多渠道地收集知识和信息, 通过以文字、图表、数据等方式记载的载体获得显性知识, 通过与他人的交互以及自身的观察、思考、总结等获取隐性知识。第三, 信息的整理。学生会根据确定的目标和自身知识结构, 对各种信息进行分析, 将信息分类, 寻找彼此的异同点, 并将其联系起来, 形成较为科学的信息体系。第四, 信息的转化。将获取的信息进行提炼、比较、分析、概括、总结, 转化为知识, 并运用到实际问题的解决中去, 形成自己独特的信息文化。

参考文献

[1]裴娣娜, 李长吉.《信息技术课程实施的文化取向研究》.

[2]满海锋, 毕威, 解月光.久发达地区中小学信息技术教育开展状况概述[J].信息技术教育.2005 (1) :9-12.

萤火虫的趣味文化 篇2

一、民俗文化的内涵

民俗文化“是指民间民众的风俗生活文化的统称。也泛指一个国家、民族、地区中集居的民众所创造、共享、传承的风俗生活习惯。”是在普通人民群众生产生活过程中所形成的一系列物质的、精神的文化现象。”民俗文化的内涵和外延在很大的层面上是与语文教学的内容相重合的。

二、高中生民俗文化教育的现状分析

通过对自己任教班级做简单的民俗文化测试, 发现现实情况不容乐观。从测试中可以看出, 学生对古代纪年、避讳、敬称、谦称等概念不清楚, 对“避席”、“稽首”的行礼方式异常模糊, 有些关于传统节日的常识的问题, 也知之甚少。分析产生这种现象有如下原因:

(一) 传统的生活方式渐行渐远, 作为传统文化的一部分的民俗文化和现代人产生了疏离。

民俗文化中确实存在一部分不合时宜的内容, 如一些迷信活动和过于繁复的礼节。

(二) 全球文化融合的背景下, 外来文化大量涌入, 使传统的民俗文化日益走向边缘化。

这种趋势, 从青少年对本土动画卡通冷漠淡然, 对外国卡通动漫钟爱追捧;青年人对西方节日青睐有加, 对我国传统节日则不理不睬的情形中, 可见一斑。

(三) 时代的变迁, 以互联网为标志的新兴文化正在一点点地侵烛着我们的民俗文化。

如学生在写作中动辄出现“萝莉”、“控”“hold”等流行词语。

三、在高中语文课堂中进行民俗文化教育的可行性

(一) 民俗教育同高中语文课程标准及语文教学大纲相契合

《全日制高中语文教学大纲更是明确指出:工具性与人文性的统一, 是语文学科的基本特点。语文是人类文化的重要组成部分。语文教学应全面提高学生的语文素养, 弘扬中华优秀文化, 吸收人类进步文化, 提高国民思想道德素质和科学文化素质。这些指导性的文字为民俗文化进入语文课堂铺就了一条康庄大道。

(二) 目前使用较广泛的各个版本的语文教材中所包含的民俗文化内容异常丰富

如《琵琶行》、《雨霖铃》、《长亭送别》反映了古代送别的习俗, 《孔雀东南飞》对床、榻等器皿的描写, 对服饰和婚俗的描写, 《林黛玉进贾府》、《胡同文化》是建筑民俗的展示……, 凡此种种, 语文教材中所包含的民俗文化内容异常丰富, 这为民俗教育的开展提供了最佳载体。

(三) 中学生的自身特点为民俗文化教育的实施提供了可行性

中学生正处于人生观和价值观的形成阶段, 他们的求知欲、好奇心、新鲜感都很强。而中学语文教材中有许多课文内容都或多或少的包含着中华民族传统的人生观和价值观, 这对于启发学生感悟人的内心世界、人性的真善美与假恶丑等方面都是极好的素材。教师如果能恰当的利用这些资源, 一定可以在传授语文知识的同时对学生的道德建设起到事半功倍的效果。

四、高中语文教学中利用民俗文化构建趣味语文课堂的策略

(一) 课堂内活用民俗文化素材生成趣味语文课堂

1. 巧用民俗导入文本, 为语文课堂增趣

很多时候, 文本上涉及到的民俗的素材, 没有教师的提醒, 很容易被一带而过, 没能很好的发掘其应有的价值和作用, 反之, 巧妙的运用民俗导入文本, 在学生走进文本之前, 就自然而然的预设了趣味性, 有化枯燥为神奇的效果。

韩愈的《师说》, 几乎是每个版本的高中语文教材的必选篇目, 优秀的教学设计也屡见不鲜, 如果能够巧妙的运用民俗素材导入文本, 一定可以起到锦上添花的效果。教师可以用自古以来各行各业的拜师民俗导入, 出示事先搜集的拜师民俗画, 说明中国传统特别强调师徒名分, 讲究尊师重道, 注重拜师礼仪。简要归纳不同时期的拜师礼节, 如“十条腊肉”是孔子规定的拜师礼, 行“叩拜礼”, 喝“改口茶”是很多行业通行的拜师礼节。然后顺势导入尊师重教的话题上, 至此就可以水到渠成的讲述文本了。再如教授鲁迅的《祝福》一课时, 教师如果能够巧妙的从民俗的特殊角度导入文本, 让学生把自身过春节的记忆同文本比较, 在感受变迁的同时, 也一定更能加深学生对文本的解读。这样的导入, 一下子就可以将学生对文言文学习枯燥乏味的负面心理预期驱散, 为接下来的语文学习奠定浓厚的趣味。

2. 巧用民俗化难为易, 为语文课堂增色

语文教学中, 由于时代的差异, 生活方式的差异, 难免存在一些教学难点。特别是涉及到与今天认知迥异的风土民俗时, 往往让语文授课过程横生枝节, 令很多教师头痛。殊不知, 若能巧妙的, 适时的利用民俗文化知识, 就可以破解这些教学难点, 化难为易, 为语文课带来意外惊喜

如《离骚》中的“摄提贞于孟陬兮, 惟庚寅吾以降。”涉及到了古代纪年术语, 学生很难理解。这时适时的引入我国古代的民俗历法知识——干支纪年法, 详细告诉学生, 干支纪年是将十天干 (甲乙丙丁戊己庚辛壬癸) 与十二地支 (子丑寅卯辰己午未申酉戌亥) 相互配合用来纪年, 六十年一循环, 俗称“甲子”或“花甲”。解释清楚内在规律, 问题自然迎刃而解了。再如在讲解《兰亭集序》时, 学生一定对“修禊事也”“流觞曲水”等民俗的含义十分陌生, 可能因此觉得文本晦涩难懂。可如果教师能以此为契机, 系统的讲清古人“禊事”的民俗活动, 说明古人农历三月三日在水边借采兰, 祭祀, 聚会等形式, 祛除不详, 驱灾避难。再进一步的生动描述“流觞曲水”的极具浪漫色彩的画面。那么, 课文中的难点, 已于无形中变成了吸引学生的兴趣点, 学生会自然的产生一种拨云见日, 豁然开朗的感觉。这种教学方式在增加语文知识含量的同时, 为语文课堂平添了一抹亮色。

3. 巧用民俗拓展知识, 为语文课堂增味

民俗是人民生活的反映, 把民俗教学有机地统一到高中语文教学中去, 可以更好地完成《大纲》提出的“开拓学生视野, 发展学生智力”的目标, 能合理拓宽学生的知识维度。

如杜甫《咏怀古迹》:“群山万壑赴荆门, 生长明妃尚有村”中, “明妃”即王昭君, 后人因避晋文帝司马昭讳, 改称明君、明妃。文字避讳在古籍中是常见的现象, 有避先辈讳, 有避皇帝讳, 不一而足。当讲清避讳现象后, 学生会惊喜的发现教材中存在很多避讳现象, 比如为了避汉文帝刘恒的名字, 把姮娥改名为“嫦娥”, 把恒山改名为“常山”, 为了避李世民的字, 唐人文章通常把“民”字改为“人”字。再如, “杨柳”一词从《诗经采薇》篇章中的名句“昔我往矣, 杨柳依依。今我来思, 雨雪霏霏”问世以来, 在中国文化中就成了分别的特定意象。灞桥折柳送别, 蕴含的就是“柳者, 留也”的别情。因此古人在分别的时候, 常常折“杨柳”相赠以示留念, 在表达离愁别恨的诗文中也多用“杨柳”一词。对上述这些现象的解析, 会让学生在语文学习中感受到文化的传承, 品尝到文化隽永的味道。

4. 巧用民俗剖析文化现象, 为语文课堂增韵

每个民族都有大众文化, 民俗正是一种大众文化。语文课的教学过程, 实际上是对人类自身的生产方式, 生活习俗的审视的过程。对不同的文化现象, 我们可以不赞成, 不理解, 不接受, 但都必须尊重他的存在。解读陌生文化现象的时候, 如果能教会学生从民俗的角度切入, 联系时代背景, 风土人情, 很多不可理喻的现象, 问题便都会有了合理的解释。同时, 高中语文教材有丰富的民俗文化内容, 涉及到许多民歌、民间故事、传说、风俗习惯、服饰、口语等民俗风物, 这些都是渗透教育生动而形象的好材料。从民俗的窄门走入语文世界, 原本看似深奥乏味的课堂, 就会因此变得韵味十足。

在《麦当劳的中国文化表达》一文中提出了一个有趣的问题, 在美国, 以快捷、廉价的优势被广为接受的麦当劳, 在中国却成为中产阶级群体聚会, 庆典的场所。麦当劳的“快捷”慢了下来。针对这一现象如果从饮食文化差异的角度, 和中国人爱面子的习俗角度来思考就不难明白原因所在。《古代的服装及其它》一文中, 大量的文字在诠释不同阶级间的用具差异, 孔子《论语》中的大量言论反复强调“礼”的重要性, 文学作品中常有关乎“跪拜”等行为的出现, 以上种种现象, 从民俗的角度思考, 就不难明白它们背后的共同特质, 即古人对等级的苛求。当然, 《廉颇蔺相如列传》中负荆请罪的真诚豁达;《信陵君窃符救赵》中的尊重他人, 礼贤下士的民俗礼节, 这些并美的风范, 己成为社会共同的精神财富。这些对学生的陶冶教育作用也是不可低估的。

(二) 课堂外围绕民俗文化素材开展趣味语文专题活动

中国作为一个有几千年文化积淀的国度, 人们在长期的生产生活中, 自发形成了具有不同纪念意义的传统节日。这些民族传统节日, 是一份有待挖掘的文化宝藏。可在韩国, 日本等国家大肆争夺非物质文化遗产的时候, 我国传统节日的文化记忆却正在遭遇冷落, 年轻人流行过“洋节”, 排斥过本民族的节日。针对这一现象, 可以在课外开展探究传统节日的文化内涵的活动。教师锁定春节、中秋、清明、端午、元宵、重阳等主要的传统节日, 布置学生分头通过从网上搜索、在节日期间观察、向他人询问等多种渠道来获取节日由来、传说、习俗、诗词等有关的节日知识。同学们在收集这些资料后再进行不同的分类、归纳, 小组合作制作图文并茂的“节日手抄报”。

学生通过在传统节日及其来源的收集展示活动的过程中, 认识到每个传统节日都有它的历史渊源、美妙传说和独具情趣的庆祝方式。教师可以以此激发学生的学习兴趣和主动性, 增加民族凝聚力。让学生感受传统节日的文化魅力, 认识到传统节日对民族文化传承的重要性。学生在参与的过程中已经将灌输式的学习状态, 无形中转变为自主性学习, 由消极的厌学转化为了积极的乐学。

五、避免走入民俗教育反客为主的误区

(一) 分清主次, 以民俗文化教育辅助教学, 但切不可喧宾夺主

语文教材中涉及到的民俗内容非常多。但并非只要有民俗内容或民俗描写就去讲解, 也不可牵强附会或喧宾夺主地去挖掘。应根据课文内容、教学目标, 把握全局, 恰到好处的渗透民俗教育。在教学中也应注意把握好轻重主次。对《阿Q正传》、《胡同文化》等作品可重点从民俗角度进行解读。而对课文中出现的某些民俗事象, 应适当点拨, 点到即止。

(二) 以理性的角度审视民俗文化, 去其糟粕, 取其精华

几乎所有民族的民俗文化都是精华与糟粕并存, 学生由于世界观还不成熟, 对此不见得有好的辨别能力。因此, 更应该将民俗文化编入教材中, 教师则要重视引导学生, 透过现象挖掘其文化深层意识, 揭露出民俗文化中的愚昧和落后因素。在此基础上, 积极地引导学生以理性的角度审视民俗文化。比如涉及到《论语》中关于孝的观点:孟懿子问孝, 子曰:“无违”。子曰:“父在, 观其志;父没, 观其行, 三年无改于父之道, 可谓孝矣”教师应明确这种“尊老”习俗在今天需要辩证地看待, 不能变“尊老”为“遵老”, 应当把“尊老”与“重德’, 相结合。去其糟粕, 取其精华。

结语

用下里巴人唱响阳春白雪, 多元文化和全球化趋势进一步发展, 我国丰富的地域民俗及文化的传承, 正面临着急剧变迁、转型、重构和融合, 有的甚至面临这流失和破坏。在这样的情况下, 民俗文化资源的开发、保护和利用, 已经是一个亟待解决的问题, 值得人们关注和研究。

民俗文化教育应该坦然的褪去“下里巴人”的自卑, 用积极的姿态, 在今昔文化变迁的对比中, 理性去审视文明的发展, 利用自身贴近生活的文化之源的优势, 唱响新时代的阳春白雪。

摘要：在高中语文教学中, 涉及到大量的极具民俗文化内涵的素材。因此, 把民俗文化与语文教学联系起来是很有必要的。本文从语文教学实践出发, 论述如何在民俗文化探佚的过程中为语文课堂增色, 为构建新型的趣味与实效相结合的语文课堂, 做积极的尝试。

关键词：民俗文化,趣味语文课堂

参考文献

[1]赵德利.民俗审美论[J].呼兰师专学报, 1997, (2) :12.

[2]关中梅.语文教学中不可忽视的民俗教育[J].美与时代, 2003, 10:24-32.

[3]缪克.中学语文渗透民俗教学的几点思考[J].江苏教育学院学报 (社会科学版) , 1999.

萤火虫的河流 篇3

别人的光太强,萤火虫就决定不闪,也不亮了。多么敏感又多么自谦的萤火虫!

震惊之余,那个已经被我遗忘的满是萤火虫的下官河浮现了。

那年我18岁,刚做教师一周。 因为王家庄有3位学生准备退学, 我便跟着另外两位老师去做一次集中家访。

一位老教师姓陶,个子很高, 是苏南宜兴人,50年代后期从苏南到苏北支教的,后来就留了下来。非常严厉,有他监考的考场, 谁也不敢作弊的。他的苏南口音常常被学生悄悄模仿。另一位教师姓付,他是陶老师教过的学生, 却是个能工巧匠,做裁缝,做木匠,做瓦匠,做电工,仿佛天下没有他不会的。

船就是付老师弄的。竹篙一点,小木船离岸。两支木桨,在付老师手下很是协调。当时我们手中没有电筒,下官河上也没有航标灯。付老师很是自信,稳妥地向王家庄驶去。

萤火虫们就是在这个时候拥过来的。可能是它们商量好了, 萤火虫们都把灯笼打开了,跟着我们,照着我们。陶老师和付老师没有对萤火虫表现出过多的惊奇,而是说到那3个学生的家庭故事。这3个学生家都有这样那样的困难,陶老师准备去找王家庄的村主任,这个村主任做过陶老师的学生。

4华里水路, 4华里的萤火虫河流。回来的时候依旧是4华里的水路,4华里的萤火虫河流。还有天上的星光!星光,萤光……陶老师和付老师眼中喜悦的光芒 。 陶老师的学生,也就是王家庄的村主任答应,无论如何他也会解决那3个孩子家困难的。

30年过去了,陶老师早去世了。付老师也退休了,他现在跟着儿子定居在南京。我多么希望他能想起那个夜晚我们的小木船, 我们一起穿过的那条没有污染没有强光的萤火虫的下官河。

萤火虫的趣味文化 篇4

多模函数又称多峰函数，指有多个峰值点的函数，这些峰值点可能相同，也可能不同。多模函数优化属于复杂优化问题，由于其广泛的应用技术背景，一直受到人们的关注。实际工作中，决策者需要对多模函数优化得到所有峰值，对这些峰值做出筛选，得到满意解[1,2]。萤火虫算法GSO是由印度学者Krishnanand和Ghose提出的一种群智能随机优化算法，该算法从仿生学角度出发，模拟自然界中的萤火虫发光特性，通过荧光素值大小相互吸引对方，达到彼此交流信息的目的[3]。GSO易于实现，操作简单，到目前为止，已经成功应用在多模函数优化[4,5]、机器人协同学习[6,7]、多信号源定位[8]等邻域。但是GSO存在峰值发现率低、收敛速度慢和求解精度不高的缺点[9]，本文针对该算法存在的问题提出了改进萤火虫算法IGSO，实验结果表明IGSO一定程度上提高了峰值发现率、收敛速度和求解精度。

1 GSO算法

1.1 GSO算法描述

GSO在问题求解域中随机分布N萤火虫个体，每个个体带有定量的荧光素值，荧光素值和个体所在的位置相关，即荧光素值与函数值大小联系。首先，计算每个个体的荧光素值;然后，每个个体在感知范围内选择比自己荧光素值高的个体组成邻域集合，依概率选择邻域集合中的某个体，并且向该个体移动，其中个体的感知范围大小由感知半径确定;最后，更新感知半径，如果邻域集合较大，则感知半径减小，否则感知半径增大。重复这一过程，直到达到一定的迭代次数，这时所有的萤火虫个体都聚集在问题求解域一定的位置，也就是问题求解域中峰值的位置。概括起来，GSO算法可分为荧光素值更新、位置移动和感知半径更新三个步骤。

1.2 GSO算法存在的问题

GSO虽然实现简单，但是存在峰值发现率低、收敛速度慢和求解精度不高的缺点。在GSO中，每个个体有不同的搜索范围，这个范围称为感知范围，个体向峰值位置的移动依赖于感知范围内存在优秀个体，如果感知范围内不存在优秀个体，则个体位置不移动，这种搜索策略不能保证个体充分发挥自身的搜索能力，充分发掘潜在信息，对优秀个体的依赖程度太高，从而降低了收敛速度和峰值发现率，影响了算法的整体搜索性能，极端条件下，当所有个体的荧光素值大小相等时，GSO无法收敛到峰值。

而且，随着迭代次数的增加，个体聚集在峰值附近趋向收敛，此时个体与峰值之间的距离非常小，当这个距离小于步长时，个体的移动就会在峰值附近产生震荡，降低算法的收敛速度和求解精度。

2 IGSO算法

2.1 IGSO算法描述

下面列出所有公式:

IGSO在GSO基础上做了改进，旨在提高峰值发现率、收敛速度和求解精度。文献[10]提出在未找到优秀个体的前提下可以随机移动一个步长，若移动后的位置更优，则接受移动，否则不移动。受此启发，IGSO为了充分发挥个体的搜索能力，允许个体在没有找到优秀个体的条件下，根据式(3)在感知范围内尝试移动，若移动后的位置优于移动前的位置，则保存移动后的位置，否则保持原来位置不变。式(3)确保了随机移动发生在个体i的感知范围内，不会影响其他个体的邻域集合。

同时，为了减小峰值附近的震荡现象，IGSO不采用GSO步长固定的策略，而是把步长和个体邻域平均距离联系在一起，邻域平均距离表示邻域集合中该个体到其他个体的平均距离，当个体逐渐接近峰值时，邻域平均距离将逐渐减小。文献[5]提出随着迭代次数的增加减小步长，这种方法把步长和迭代次数联系起来，没有考虑个体邻域集合的差异，而是对所有个体相同对待，假设个体距离优秀个体较远，则步长应较大，反之应较小，但是，GSO的步长随着迭代次数的增加一直减小。IGSO的每个个体拥有各自的步长，个体i在向目标移动前按照式(5)计算邻域平均距离，如果邻域平均距离小于初始步长，则根据式(6)更新步长，然后向目标个体移动。

根据上述思想，本文提出的IGSO算法具体步骤如下:

1)设置所有个体的初始步长为s_init，迭代次数t=1，初始化感知半径和其他常量参数，并在问题求解域中随机分布N个萤火虫个体;

2)根据式(1)更新每个萤火虫个体的荧光素值，其中J表示多模函数表达式，ρ为荧光素挥发系数，γ为荧光素更新率(0<ρ<1,0<γ<1);

3)对个体i(i=1,2，…，N)执行:

3.1)根据式(2)计算个体i的邻域集合;

3.2)判断邻域集合是否为空，不为空转向3.3)，否则根据式(3)更新个体i的位置，若更新后的个体荧光素值小于移动前，则取消更新，然后转向3.6);

3.3)根据式(4)计算个体j被选择的概率，以概率最大的个体作为移动目标;

3.4)根据式(5)计算个体i的邻域平均距离，若邻域平均距离小于初始步长s_init，则根据式(6)更新个体i的移动步长，否则移动步长不更新。

3.5)根据式(7)更新个体i的位置，j为式(4)计算的概率最大的个体;

3.6)根据式(8)更新个体i的感知半径;

4)t=t+1;

5)如果未达到指定的迭代次数，转向2)，否则停止，输出结果。

2.2 IGSO算法特点

IGSO在感知范围内不存在优秀个体的条件下，仍然可以搜索峰值，从而降低对优秀个体的依赖程度，即个体可以在邻域集合为空的情况下做自适应搜索，发掘感知范围内潜在的信息，提高搜索峰值能力;同时，IGSO考虑了每个个体邻域集合分布的不同，个体以自身邻域平均距离与初始步长的比较结果为依据，选择适当步长，因此，IGSO萤火虫个体更加智能，适应性更强。

3 实验结果

程序运行环境为:Windows7 32位操作系统，Intel Core i3530 CPU处理器，主频2.93 GHZ，内存2 GB，集成环境Matlab R2007b。GSO和IGSO公共参数设置见表1所示，IGSO参数s_init=0.03,q=0.96,GSO步长s=0.03。IGSO和GSO的最大感知半径和初始感知半径都置为2。

3.1 实验用例

本文选取3个典型的多模测试函数分别对GSO和IGSO进行实验，实验用例及种群规模设置见表2所示。

Peaks函数:

Himmelblau函数:

Rastrigin's函数:

3.2 实验结果

(1)Peaks和Himmelblau测试函数进行20次独立实验，Peaks和Himmelblau分别有3和4个理论峰值。表3和表4分别列出各自其中一个峰值每100次迭代后的平均优化结果，峰值坐标分别为(0,1.58)、(3,2)，其他峰值有相同的优化结果。由表3可见，GSO优化结果的精度并未随着迭代次数的增加而逐渐提高，而是在峰值附近出现了震荡;IGSO的优化结果随着迭代次数的增加，精度逐渐提高，300次迭代后，IGSO趋向收敛。表4的优化结果同样证明IGSO收敛速度和求解精度均优于GSO。

图1和图2表示GSO与IGSO的峰值发现率随迭代次数的变化，峰值发现率表示20次独立实验平均发现峰值数与理论峰值数的比值。由图1和图2可见IGSO的峰值发现率均高于GSO。

(2)Rastrigin's测试函数有100个理论峰值，本次实验参数设置同文献[5]。500次迭代后，IGSO发现了94个峰值，GSO发现了91个峰值。表5列出IGSO和GSO共同发现的10个峰值的优化结果，10个峰值的纵坐标关于x轴对称，对称坐标的峰值相等。由表5可见，GSO的优化结果不是对称相等的，还未完全达到收敛，IGSO的优化结果对称相等，达到收敛，且优化结果的精度均高于GSO。实验结果表明IGSO峰值发现率、收敛速度和求解精度均优于GSO。

3.3 IGSO和其他算法的比较

为了便于与其他算法进行比较，采用文献[2]Himmelblau函数为标准测试函数，范围[-6,6],Himmelblau函数有4个函数值相等的理论峰值点，分别标记为N1(3.0,2.0)、N2(3.58,-1.848)、N3(-2.805,3.131)和N4(-3.779,-3.283)，独立进行20次实验，分别对IGSO、文献[2]和文献[11]提出的算法进行测试。IGSO迭代次数为500次，其他参数设置见表1和表2所示，文献参数设置不变。

表6列出了各个算法的优化结果，每个算法都发现所有峰值，但IGSO的迭代次数只有500次，萤火虫个数为50个，文献[11]的迭代次数达到了650次，萤火虫个数为200个。由表6可见，IGSO的每个优化结果相等，满足Himmelblau有4个相等理论峰值点的结论，而且，相比文献[2]和文献[11]的优化结果，IGSO的求解精度更高。实验结果表明IGSO的优化性能优于文献算法。

Himmelblau函数:

4 结语

本文针对GSO峰值发现率低，收敛速度慢和求解精度不高的缺点，提出了改进算法IGSO。IGSO个体比GSO自适应性更强，更加智能，寻找峰值不再高度依赖其他优秀个体，每个个体拥有不同的步长，并可根据实际的邻域分布情况调整步长，降低了GSO的震荡现象。经过多模函数测试，IGSO峰值发现率、收敛速度和求解精度均优于GSO和文献算法。接下来的工作主要是研究IGSO对高维多模函数的优化以及改进。

参考文献

[1]谭俊,康立山,陈毓屏.一种新的求解多峰函数优化问题的动态演化算法[J].计算机科学,2004,31(3):134 136.

[2]王湘中,俞寿益.多模态函数优化的多种群进化策略[J].控制与决策,2006,21(3):285 288.

[3]刘长平,叶春明.一种新颖的仿生群智能优化算法:萤火虫算法[J].计算机应用研究,2011,28(9):3295 3297.

[4]Krishnanand K N,Ghose D.Glowworm Swarm Optimization:A New method for Optimizing Multi-modalfunctions[J].International Journal of Computational Intelligence Studies,2009,1(1):93 119.

[5]Krishnanand K N,Ghose D.Glowworm swarm optimization for simultaneous capture of multiple local optima of multimodal functions[J].Swarm Intelligence,2009,3(2):87 124.

[6]Krishnanand K N,Ghose D.A Glowworm Swarm Optimization Based Multi-robot System for Signal Source Localization[M].Berlin,Germany:[s.n.],2009.

[7]Krishnanand K N,Ghose D.Chasing Multiple Mobile Signal Sources:A Glowworm Swarm Optimization Approach[C]//Proc of the 3rd Indian International Conference on Artificial Intelligence.IEEE Press,2007.

[8]Krishnanand K N.Glowworm Swarm Optimization:A Multimodal Function Optimization Paradigm with Applications to Multiple Signal Source Localization Tasks[D].Indian Institute of Science,2007.

[9]刘佳昆,周永权.一种最大最小荧光素值人工萤火虫算法[J].计算机应用研究,2011,28(10):3662 3664.

[10]Piotr Oramus.Improvements To Glowworm Swarm Optimization Algorithm[J].Computer Science,2010,11:7 20.

萤火虫的趣味文化 篇5

人工萤火虫群优化算法基本思想是模拟自然界萤火虫群中的所有萤火虫通过发光来进行群体觅食或吸引伴侣的行为, 萤火虫发出的光的亮度越大对其它萤火虫的吸引力也就越大。一直到最后, 大部分的萤火虫在聚集在多个集中的位置一起发出亮光来吸引伴侣或者一起进行觅食活动。

萤火虫优化算法整体分为四个阶段:萤火虫的部署阶段, 荧光素值更新阶段, 萤火虫位置更新阶段以及决策域半径更新阶段。

部署阶段就是将萤火虫随机的部署在要求解的目标函数的可行域中, 并且开始的时候假设所有的萤火虫的初始荧光亮度和感应半径都相同。

在荧光素值更新阶段, 所有的萤火虫在移动结束之后都会更新它们的荧光素值。荧光素值更新公式如下:

其中, il (t) 表示萤火虫i在迭代t的荧光素的值即萤火虫i的亮度;ρ表示亮度衰减常数 (0<ρ<1) , (1-ρ) 表示亮度衰减率, 用于控制过去经验的比重, 使得萤火虫在迭代中遗忘过去的非优解;γ表示比例常数, 用于控制迭代中搜索解的经验比重。

萤火虫位置更新, 也就是萤火虫的移动。在这个阶段中, 所有的萤火虫都会根据决策域半径和荧光素亮度来产生一个邻居集合, 然后在邻居集合中找出比它本身亮的萤火虫, 最后按照概率选择公式选出一只萤火虫作为移动目标, 然后向着目标飞行。

在算法的执行过程中, 萤火虫会在位置更新之后会根据所在位置的邻居密度的基础上对区域决策半径进行更新。决策区域的半径大小是由该萤火虫当下决策域所涵盖的邻居数量比率, 即邻居密度决定的, 若邻居密度小于一个给定的值, 半径会加大以便下次迭代时能搜索到更多邻居, 反之决策区域半径会缩小, 若密度没有变化半径也保持不变。

二、基于蛙跳算法的人工萤火虫群优化算法

蛙跳算法的基本思想很简单, 我们用到的是蛙跳算法中的分组思想, 所谓分组思想指的是将所有种群先进行分组, 分组结束之后在子群内进行寻优, 子群寻优结束之后在重新组合进行全局寻优。

我们在人工萤火虫群优化算法中引入蛙跳算法中的分组思想, 先将萤火虫进行分组, 在每个组内对萤火虫应用萤火虫优化算法, 组内优化结束之后对萤火虫进行组合在继续寻优, 直到达到最大迭代次数。改进后的算法记为GSO-SFLA。

改进后的算法的步骤如下:

Step 1初始化萤火虫算法和蛙跳算法的参数。

Step 2把种群中的萤火虫随机进行排序, 然后进行个体的分组。将第一个个体分配给子群1, 第二个个体分配到子群2, 一次类推, 第groupm分配到groupm, 第 (groupm+1) 分配到子群1中, 一直到分配完所有的个体。

Step 3每个子群内部进行相关的更新。按照荧光素更新公式更新荧光素值。

Step 4每个子群内的萤火虫计算邻域集合, 统计概率, 选择最优个体。

Step 5利用模拟退火准则来判断被选中的最优个体是否被接受, 如果被选中的最优个体的目标函数值确实比当前位置的目标函数值优, 就接受最优解, 否则以一定的概率接受劣解。

Step 6更新萤火虫的位置。萤火虫移动后, 按照萤火虫感知半径更新公式更新萤火虫的感知半径。判断是否达到组内最大迭代次数group MAX, 如果达到, 则跳转到Step7, 否则, 跳转到Step3继续进行组内循环。

Step 7判断是否达到最大迭代次数max DT, 如果达到, 输出最优解, 保存最优个体, 否则, 跳到Step2。

三、实验仿真

为了证明改进后算法的有效性, 现选取函数来进行测试。

Rastrigin’s函数是由Rastrign率先提出来的。该函数有广泛的搜索空间、大量的局部最小值和局部最大值, 由于它的以上一些特性, 该函数成为一个相当棘手的问题, 它在定义域内有100个峰, 需要性能较好的算法才能搜索到全部的峰, 因此Rastrigin’s函数常常用来测试优化算法的基准函数。由于函数具有较多的峰, 为了加快算法测试的速度, 我们选取x、y在[-2, 2]的搜索空间, Rastrigin’s函数在这个区间内有16个函数值不等的峰。函数如下:

在这里我们需要证明函数既能有效减少种群规模, 又能减少迭代次数, 因此, 首先我们设置迭代次数固定, iter_max=100, 来看一下算法的平均捕峰数与种群规模的关系, 再接着让种群规模固定, 设置规模为150, 看一下算法的平均捕峰数与迭代次数的关系。

迭代次数为100时函数测试如下所示:

测试结果图一开始就显示出了改进后的算法在捕峰能力上的优势。并且优势逐渐增大, 在个体数增加到80左右的时候改进后的算法基本能够捕捉到所有的峰值, 原来的算法在个体数接近200的时候仅仅捕捉到10个峰左右, 有力的证明了改进后的算法在捕峰能力上的提升, 说明了改进的有效性。

设置种群规模为150。函数测试结果如图所示。

测试结果很直观, 改进后的算法在迭代次数很少的时候就能捕捉到16个峰, 并且没有波动, 算法平稳, 而未改进的算法则一直未捕捉到全部的峰并且还存在较大的波动。

摘要：人工萤火虫群优化算法 (GSO) 是最近提出的一种群智能优化算法, 算法具有参数少、优化求解速度快以及占用内存少等优势, 但是GSO算法还是存在许多的不足, 本文就是来讨论解决GSO算法中的一些不足之处。

关键词：人工萤火虫群优化算法,蛙跳算法,分组思想

参考文献

[1]黄正新, 周永权.自适应步长萤火虫群多模态函数优化算法[J].计算机科学, 2011, 07:220-224.

萤火虫的趣味文化 篇6

1 灰色理论模型

1.1 灰色理论模型的建立

GM (1, 1) 模型[3]模型的白化方程为:

undefined

时间响应函数

undefined

离散响应函数

undefined

其灰色参数为

undefined

建立预测模型为

undefined

得出X (0) 的灰色预测模型为

undefined

2.2 模型精度评定

可求得残差

εundefined=xundefined-x (1) (t) (1.6)

观测数据方差

undefined

预测误差均值

undefined

预测误差方差

undefined

后验差比值C

C=S2/S1 (1.10)

小误差概率

undefined

对于评定一个预测模型的好坏, C值越小越好, 一般要求C<0.35, 最大不超过0.65。预测模型精度评定的另一个指标为小误差概率p, p值越大越好, 一般要求p大于0.95, 不得小于0.7。参照p与C的大小, 可将精度分为4个等级。

人工萤火虫算法源于对自然界中萤火虫发光求偶、觅食等行为的研究。它是一种群智能算法, 其基本原理是:利用萤光素诱导萤火虫发光来吸引伴侣或猎物, 光芒越明亮越炽热就越有吸引力, 荧光素值也越高, 萤火虫向荧光素值高的位置移动。荧光素值对应适应度函数值, 因此萤火虫通过在动态决策域内寻找最高荧光素值的位置而确定适应度函数的最优值。该算法存在捕捉极值域速度快、捕捉效率高, 具有较强的通用性等优点。而本文主要是把GM (1, 1) 预测模型作为萤火虫算法中的目标函数, 搜索解空间, 得到全局最优解, 根据最优解推解模型值以及预测精度。

2 人工萤火虫算法优化的GM (11) 模型的基本思路

1.根据灰色理论模型原理, 使用matlab进行最基本的编程, 主要是计算出灰色理论模型, 以及模型值, 残差, 后验方差比。

2.根据文献[1][2][6]以及借助网上资源进行最基本的萤火虫算法编程, 在此期间将第一步算出的函数作为目标函数带入到该算法中, 得到最优解, 根据最优解, 解算出一组模型值。

3.根据灰色理论模型精度评定该模型是否最优, 如果不是就继续迭代, 直到达到精度。

3 实例应用

取一组数据建立预测模型进行说明, 取前7次观测数据建模, 对后两期进行预测。主要是把GM (1, 1) 预测模型作为萤火虫算法中的目标函数, 搜索解空间, 得到全局最优解, 根据最优解推解模型值, 及后两期进行预测精度评定。

经过多次预测, 取其中较为接近的结果做出比较, 可以看出在种群数目为100时, GM (1, 1) 的预测精度较高。

从表3可以看出优化后的模型比未优化的模型的残差小了很多, GM (1, 1) 模的后验方差比值为0.967953, 而萤火虫优化的GM (1, 1) 模型的后验方差比值0.1248, 优化后的模型比未优化的后验方差比值要小的多, 其精度更高。从两个模型

与原始值的的比较图来看萤火虫优化的GM (1, 1) 模型更近原始值的发展趋势, GM (1, 1) 模型虽能大体上预测原始值的发展趋势, 但是局部值相差太大, 从而导致整体的精度不高。萤火虫优化的GM (1, 1) 模型整体上更近原始值的发展趋势, 局部也与原始值相差无及, 以使整体的精度提高。从而突出萤火虫算法的捕捉效率高, 具有较强的通用性等优点。

4 结束语