大數據背景下最優(yōu)化理論與方法課程實踐教學策略研究

摘要：大數據技術的應用為最優(yōu)化理論與方法課程的發(fā)展提供了新的思路和方法。針對最優(yōu)化理論與方法傳統(tǒng)實踐課程教學內容滯后、方法單一、缺乏實踐平臺及評價體系不完善等問題進行探索性研究，提出構建基于真實數據的案例庫、引入項目式學習模式、加強校企合作，共建實踐基地以及建立多元化的評價體系等實踐教學策略，這些策略不僅能夠提升學生對最優(yōu)化理論與方法的理解能力，還能夠培養(yǎng)其解決實際問題的能力，為大數據背景下的教學改革提供新思路。

關鍵詞：大數據技術；最優(yōu)化理論與方法；實踐教學；策略

中圖分類號：F2" 文獻標識碼：A""" doi：10.19311/j.cnki.16723198.2025.17.011

最優(yōu)化理論與方法是一門尋找最優(yōu)解來解決各類實際問題的學科，其廣泛應用于工程、經濟、管理、計算機科學等領域。在大數據背景下，隨著數據規(guī)模龐大、類型復雜，傳統(tǒng)的最優(yōu)化算法和實踐教學模式難以滿足現(xiàn)實需求。因此，探索適合大數據時代的最優(yōu)化理論與方法課程實踐教學策略，成為當前亟待解決的重要議題[12]。

1 大數據技術對最優(yōu)化理論與方法課程的影響

1.1 數據來源更加豐富

在傳統(tǒng)課程教學中，數據通常來自有限的實驗、經典案例或人為設定的簡單數據集，這些數據在規(guī)模、多樣性和真實性上存在一定局限。而在大數據時代，海量的數據從互聯(lián)網、物聯(lián)網設備、社交媒體、金融交易記錄等多個渠道源源不斷地產生。例如，電商平臺每天產生數以億計的用戶瀏覽、購買行為數據，這些數據包含了用戶偏好、購買時間、商品關聯(lián)等豐富信息，從而為課程提供了更真實、更具挑戰(zhàn)性的研究素材，讓學生能夠基于實際大規(guī)模數據進行最優(yōu)化問題的分析與求解，更好地理解理論知識在現(xiàn)實復雜場景中的應用。

1.2 算法模型更加復雜

最優(yōu)化理論與方法課程中的傳統(tǒng)算法，如梯度下降法、牛頓法等，在處理小規(guī)模數據時表現(xiàn)良好，但面對大數據的高維、海量、動態(tài)等特性時，通常面臨計算效率低下、內存不足等問題[3]。為應對這些挑戰(zhàn)，一些復雜的算法模型應運而生。例如，隨機梯度下降算法及其變種，通過在每次迭代中隨機選取部分數據計算梯度，大大提高了計算效率，適用于大規(guī)模數據集的優(yōu)化；分布式優(yōu)化算法將數據和計算任務分布到多個節(jié)點上并行處理，有效解決了單機內存和計算能力的瓶頸；神經網絡模型，包含大量參數，需要運用復雜的優(yōu)化算法進行訓練，這也促使課程中引入更高級的優(yōu)化理論與方法，如自適應學習率算法、正則化技術等，以確保模型在大數據環(huán)境下的收斂性和泛化能力。復雜算法模型的引入，不僅拓展了學生的知識面，更培養(yǎng)了學生解決復雜實際問題的能力。

1.3 應用領域更加廣泛

隨著大數據技術的蓬勃發(fā)展，為最優(yōu)化理論與方法的應用開辟了廣闊的空間，使其從傳統(tǒng)的工程優(yōu)化、經濟管理等領域延伸到更多新興領域[4]。在大數據技術的推動下，逐漸滲透到人工智能、生物信息學、智慧城市等新興領域。例如，在人工智能領域，深度學習模型的訓練過程本質上是一個大規(guī)模的非線性優(yōu)化問題，大數據技術為模型訓練提供了海量的標注數據，同時也對優(yōu)化算法的效率和精度提出了更高的要求[5]。在生物信息學領域，基于大數據的基因序列分析、蛋白質結構預測等問題都需要借助最優(yōu)化方法來解決。在智慧城市建設中，大數據驅動的交通流量優(yōu)化、能源調度優(yōu)化等應用場景也離不開最優(yōu)化理論與方法的支持。由此可見，大數據技術不僅拓展了最優(yōu)化理論與方法的應用范圍，也為其發(fā)展注入了新的活力，使其成為解決復雜現(xiàn)實問題的重要工具[6]。

2 最優(yōu)化理論與方法傳統(tǒng)實踐課程教學模式存在的問題

2.1 教學內容滯后于實際應用

傳統(tǒng)最優(yōu)化理論與方法課程的實踐教學內容局限于經典算法和理論模型的講解，缺乏對前沿技術和實際應用場景的引入。例如，課程中可能更多地關注線性規(guī)劃、非線性規(guī)劃等傳統(tǒng)優(yōu)化方法，而對大數據背景下廣泛使用的分布式優(yōu)化、隨機優(yōu)化等新興方法涉及較少。同時，課程中的案例多來源于教材或學術文獻，與現(xiàn)實行業(yè)需求脫節(jié)，難以反映當前技術發(fā)展的最新趨勢。進而導致學生所學的知識與實際應用需求之間存在較大差距，難以滿足大數據時代對優(yōu)化人才的要求[78]。

2.2 教學方法單一

傳統(tǒng)實踐課程的教學方法主要以教師講授為主，缺乏主動參與和實踐操作的機會。教學內容滯后于實際應用，主要體現(xiàn)在兩個關鍵方面。一方面，課程過度依賴經典理論與傳統(tǒng)案例。在傳統(tǒng)實踐教學中，大量時間被用于講解線性規(guī)劃單純形法、無約束優(yōu)化的牛頓法等經典算法，以及圍繞這些算法設計的簡單驗證性案例。導致學生所學知識與實際應用嚴重脫節(jié)，畢業(yè)后進入相關行業(yè)，面對真實項目中的大數據處理與優(yōu)化問題時，無法靈活運用所學理論解決問題。另一方面，教學內容更新周期長，無法及時反映行業(yè)最新動態(tài)與技術革新。在行業(yè)實踐中，最優(yōu)化理論與方法在各領域的應用不斷拓展與深化，新的算法、技術與應用場景層出不窮。例如，在智能交通領域，實時交通流量監(jiān)測與分析技術的發(fā)展，使得交通信號配時優(yōu)化問題變得更為復雜且動態(tài)化，需要運用先進的最優(yōu)化算法進行實時調控。但傳統(tǒng)實踐課程教學內容往往數年甚至數十年不變，未能將這些新興技術與應用及時納入教學范疇。學生接觸到的仍是過時的案例與方法，對行業(yè)前沿動態(tài)缺乏了解，在就業(yè)市場中競爭力不足，難以滿足企業(yè)對具備最新知識與技能人才的需求。

2.3 缺乏實踐平臺

傳統(tǒng)最優(yōu)化理論與方法課程的實踐教學受限于硬件設施和軟件資源的不足，缺乏能夠支持學生進行綜合性實踐操作的平臺。許多高校的實踐教學仍依賴于簡單的編程工具或小型數據集，無法滿足大數據背景下對大規(guī)模數據處理和復雜算法實現(xiàn)的需求。例如，學生可能只能在個人計算機上運行小規(guī)模的優(yōu)化問題，而無法接觸到分布式計算環(huán)境或高性能計算資源，從而限制了學生對大規(guī)模優(yōu)化問題的理解和實踐能力。同時，缺乏與企業(yè)或科研機構合作的實踐平臺，也使得學生難以接觸到真實的行業(yè)數據和實際應用場景，導致理論與實踐脫節(jié)，難以培養(yǎng)學生的工程實踐能力和解決實際問題的能力。

2.4 評價體系不完善

傳統(tǒng)實踐課程的評價體系通常以考試成績和實驗報告為主，側重于對理論知識和簡單實驗操作的考核，而忽視了對學生綜合實踐能力和創(chuàng)新能力的評估。例如，考試內容可能更多地關注算法原理和公式推導，而實驗報告則可能流于形式，無法真實反映學生的實踐水平和問題解決能力。單一的評價方式難以全面衡量學生的學習效果，無法有效激勵學生主動參與實踐和創(chuàng)新。同時，在評價過程中缺乏對學生實踐過程的關注，例如團隊合作能力、問題分析能力和創(chuàng)新思維能力等，導致評價結果片面化，無法為教學改進提供有效的反饋信息，不僅影響了學生的學習積極性，也制約了實踐教學質量的提升。

3 大數據背景下最優(yōu)化理論與方法課程實踐教學策略

3.1 構建基于真實數據的案例庫

傳統(tǒng)教學與現(xiàn)實應用脫節(jié)，急需引入新的教學策略以提升學生實踐能力。在大數據背景下，構建基于真實數據的案例庫是提升最優(yōu)化理論與方法課程實踐教學質量的關鍵。一方面，真實數據能夠為學生提供更加貼近實際的學習場景，幫助學生更好地理解優(yōu)化問題的復雜性和多樣性。例如，可以從交通、金融、醫(yī)療、電商等領域收集真實數據集，設計涵蓋線性規(guī)劃、整數規(guī)劃、動態(tài)規(guī)劃等多種優(yōu)化方法的案例。這些案例不僅能夠反映實際問題的特點，還能激發(fā)學生的學習興趣和探索欲望。在案例設計過程中，應注重層次性和多樣性，既包含基礎性案例以幫助學生掌握基本方法，也包含綜合性案例以培養(yǎng)學生的復雜問題解決能力。另一方面，案例庫的建設可以結合行業(yè)需求，邀請企業(yè)專家參與案例設計，確保案例的實用性和前沿性。通過真實數據案例庫的應用，學生能夠在實踐中深化對理論知識的理解，同時提升數據處理、模型構建和算法實現(xiàn)的能力，為未來解決實際優(yōu)化問題奠定堅實基礎。

3.2 引入項目式學習模式

傳統(tǒng)教學模式難以激發(fā)學生的學習主動性與實踐能力，項目式學習模式能夠有效彌補這一缺陷。將真實項目融入教學，有助于學生快速適應行業(yè)需求，提升專業(yè)素養(yǎng)。項目式學習以學生為中心，通過設計與實際應用緊密結合的項目任務，引導學生在解決復雜問題的過程中主動學習并應用優(yōu)化理論與方法。例如，可以設計基于大數據的物流路徑優(yōu)化、金融風險控制或智能推薦系統(tǒng)等項目，要求學生從問題分析、數據預處理、模型構建到算法實現(xiàn)和結果評估，完成完整的項目流程。這種學習模式不僅能夠培養(yǎng)學生的實踐能力，還能增強其團隊合作意識和創(chuàng)新思維。在項目實施過程中，教師應扮演引導者和支持者的角色，為學生提供必要的理論指導和資源支持，同時鼓勵學生自主探索和解決問題。此外，項目式學習可以與校企合作相結合，引入企業(yè)真實項目或行業(yè)專家指導，進一步提升項目的實用性和挑戰(zhàn)性。通過項目式學習，學生能夠將理論知識與實際應用深度融合，提升解決復雜優(yōu)化問題的綜合能力，為未來應對大數據時代的實際需求做好充分準備。

3.3 加強校企合作，共建實踐基地

校企雙方的深度協(xié)作能夠整合資源，為學生搭建起從校園理論學習到企業(yè)實際應用的橋梁，切實培養(yǎng)出符合行業(yè)需求的專業(yè)人才。首先，校企合作能夠為學生提供真實的行業(yè)環(huán)境和實踐機會，幫助他們將理論知識與實際應用緊密結合。通過與企業(yè)的深度合作，高校可以引入企業(yè)的真實數據和實際項目，設計更具針對性和實用性的實踐教學內容。例如，可以與物流企業(yè)合作，設計基于大數據的路徑優(yōu)化項目；與金融機構合作，開展投資組合優(yōu)化或風險控制相關的實踐任務；與互聯(lián)網企業(yè)合作，探索智能推薦系統(tǒng)或用戶行為分析中的優(yōu)化問題。這些實踐項目不僅能夠讓學生接觸到行業(yè)前沿技術，還能培養(yǎng)其解決實際問題的能力。其次，校企合作共建實踐基地可以為學生提供先進的硬件設施和軟件工具，例如高性能計算平臺、分布式存儲系統(tǒng)和大數據處理框架，滿足大數據背景下優(yōu)化問題的計算需求。最后，企業(yè)專家的參與能夠為實踐教學注入新的活力，他們可以通過講座、工作坊或項目指導等方式，分享行業(yè)經驗和最新技術動態(tài)，拓寬學生的視野。通過校企合作共建實踐基地，學生能夠在真實的工作環(huán)境中鍛煉實踐能力，提升職業(yè)素養(yǎng)，為未來就業(yè)和職業(yè)發(fā)展奠定堅實基礎。同時，高校也可以借助企業(yè)的資源和技術優(yōu)勢，不斷優(yōu)化課程內容和教學模式，提升人才培養(yǎng)質量，實現(xiàn)校企雙方的互利共贏。

3.4 建立多元化的評價體系

傳統(tǒng)單一評價體系難以契合復雜多變的實踐教學需求，構建多元化的評價體系，不僅能夠全面反映學生的學習效果，還能激發(fā)學生的學習興趣和創(chuàng)新潛能。首先，形成性評價對學生的學習情況進行動態(tài)跟蹤和反饋，通過課堂表現(xiàn)、作業(yè)完成情況、階段性測試等方式，及時了解學生的學習進展和存在的問題，從而調整教學策略，幫助學生改進學習方法。終結性評價則側重于對學生在課程結束時的綜合能力進行評估，通常通過期末考試、項目報告等形式進行，從而能夠全面檢驗學生對課程內容的掌握程度和應用能力。其次，定量評價與定性評價的結合能夠更全面地反映學生的學習效果。定量評價主要通過分數、排名等量化指標來衡量學生的學習成果，具有客觀性和可比性；而定性評價則通過教師評語、學生自評、同伴互評等方式，對學生的學習態(tài)度、創(chuàng)新能力、團隊合作精神等非量化因素進行評價。這種評價方式能夠更全面地反映學生的綜合素質。最后，自我評價與同伴評價相結合。自我評價能夠幫助學生反思自己的學習過程，發(fā)現(xiàn)自身的優(yōu)點和不足，從而制定更合理的學習計劃；同伴評價則通過學生之間的相互評價，促進彼此之間的交流與合作，增強團隊意識和責任感。通過多元化評價體系，全面、立體地評估學生，激勵其在課程實踐中全方位提升能力，契合大數據時代對人才綜合素養(yǎng)的要求。

4 結語

大數據時代為最優(yōu)化理論與方法課程帶來機遇與挑戰(zhàn)。通過對傳統(tǒng)教學模式問題的剖析，構建基于真實數據案例庫、引入項目式學習、加強校企合作以及建立多元評價體系等策略，為課程實踐教學注入活力。真實數據案例庫讓學生貼近實際，項目式學習鍛煉自主探索能力，校企共建基地提供實操平臺，多元評價精準反饋學習成果。未來，應持續(xù)深化這些策略的實施，緊跟大數據技術發(fā)展，不斷優(yōu)化教學內容與方法，加強師資隊伍建設，推動課程與行業(yè)深度融合。

主要參考文獻

［1］賀琳.大數據背景下物流信息系統(tǒng)網絡課程實踐教學平臺建設[J].物流工程與管理，2024，46（01）：188190+107.

[2]李園.全渠道零售與大數據背景下供應鏈管理課程實踐教學模式探索[J].現(xiàn)代職業(yè)教育，2022，（17）：7880.

[3]徐恭賢.基于創(chuàng)新性思維的《最優(yōu)化理論與方法》課程教學研究與實踐[J].渤海大學學報（自然科學版），2021，42（02）：119125.

[4]尹征杰，王月.基于大數據技術的數字化教學資源庫建設分析[J].現(xiàn)代商貿工業(yè)，2019，40（36）：154155.

[5]何亞銀，耶曉東，王軍利，等.工科類研究生專業(yè)課程的課程思政教學探索與實踐——以“最優(yōu)化理論與方法”課程為例[J].教育教學論壇，2024，（26）：6568.

[6]王鈺婷，廖周宇，覃琪，等.大數據信息安全背景下數據庫課程教學改革研究[J].信息與電腦（理論版），2024，36（13）：130132.

[7]王文靜，王福勝.高師院校《最優(yōu)化理論與方法》課程教學改革——以太原師范學院為例[J].教育理論與實踐，2013，33（15）：5456.

[8]馮凱，李莉.新工科背景下優(yōu)化理論與方法課程教學改革[J].計算機教育，2024，（06）：183188.