元个数为1。根据遗传算法的编码方法，本文采用实数编码，初始种群的数目采用试算法确定，选取小波神经网络全局误差平方和的倒数作为遗传算法的适应度函数，选择算子采用基于标准几何分布的排序选择算法，交叉算子采用算术交叉算法，变异算子采用非均匀变异算法，交叉概率与变异概率采用自适应的方法取值；在小波神经网络的参数设置中，网络期望误差目标为0.001，初始学习速率为0.01。[3]笔者在对5届高职物流管理专业毕业生核心能力评价调研数据经过归一化处理后，选择其中的80组数据作为模型的训练样本，用mAtlAB工具箱中的神经网络和遗传算法工具箱，在计算机上实现对神经网络的训练学习。经过训练，结合遗传代数与适应度函数值变化曲线及遗传代数与平方和误差值变化曲线，发现当种群数目为50时模型效果相对较好。最后再选择10组数据作为测试样本代入网络进行验证，其均等系数为0.9612；评价体系模型效果较好，证明了所构建的基于遗传算法与小波神经网络的高职物流专业学生核心能力评价模型的正确性与可行性。РР五结语Р本文构建的基于遗传算法和小波神经网络的高职物流专业学生核心能力评价模型，不但能够进一步深化教育教学改革，有的放矢地夯实学生核心能力，同时能够为各高职院校学生核心能力综合评价研究提供新的思路和方法。Р参考文献Р[1]颜文华.高职物流专业学生职业能力评价指标构建研究[J].出国与就业:就业版,2021(01):32-33.Р[2]王浩澂.高职物流管理专业学生物流基层作业能力评价研究[J].物流科技,2021(07):125-129.РР[3]尹清.基于遗传算法与小波神经网络的高速公路服务区规模参数研究[D].长安大学,2021.Р[4]罗玫.物流管理专业本科毕业论文质量追踪评价方法[J].教育现代化,2021,4(07):103-104.Р作者:尹清 尹靖 单位:1.陕西工商职业学院 2.南京大学金陵学院
全文预览
