CN109165799A - 基于遗传算法的走班教学排课系统 - Google Patents
基于遗传算法的走班教学排课系统 Download PDFInfo
- Publication number
- CN109165799A CN109165799A CN201811247215.8A CN201811247215A CN109165799A CN 109165799 A CN109165799 A CN 109165799A CN 201811247215 A CN201811247215 A CN 201811247215A CN 109165799 A CN109165799 A CN 109165799A
- Authority
- CN
- China
- Prior art keywords
- class
- course
- walking
- genetic algorithm
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000002068 genetic effect Effects 0.000 title claims abstract description 34
- 239000007787 solid Substances 0.000 claims abstract description 4
- 238000012800 visualization Methods 0.000 claims abstract description 4
- 210000000349 chromosome Anatomy 0.000 claims description 28
- 108090000623 proteins and genes Proteins 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 11
- 230000035772 mutation Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 230000002759 chromosomal effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 241001347978 Major minor Species 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 238000004080 punching Methods 0.000 claims 2
- 230000006870 function Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010429 evolutionary process Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于遗传算法的走班教学排课系统。本发明包括:用于学生根据自己的兴趣选取对应的课程的学生选课单元、走班教学单元、用于通过遗传算法对学生选课信息、走班教学课程方案及排课规则进行计算得出排课最优解的智能排课单元和用于实现计划课表和实时课表的可视化立体展示的课程表单元。本发明提供的走班教学选排课系统将选课、走班课、基础课等所有的课程输入结果,与智能排课进行完美的结合,通过排课规则的智能设定,经过微调,基本实现排课结果0冲突,呈现给用户计划课程表及实时课程表这两张立体课表,再结合调课请假及课堂考勤解决走班教学的管理难题。
Description
技术领域
本发明涉及教学管理技术领域,具体而言,尤其涉及一种基于遗传算法的走班教学排课系统。
背景技术
从2020年起,我国大部分地区都逐渐转变为“新高考”,按照新的高考改革方案,不再文理分科,学生的高考成绩将由统考科目成绩和三门普通高中学业水平等级性考试科目成绩共同构成,刚上高二的孩子在未来参加高考时,将拥有更大的选择权:除了必考的语文、数学、外语之外,可从思想政治、历史、地理、物理、化学、生物6门等级性考试科目中再任选三门。在这样的背景下,学生们最多可出现20种选择,在“走班选课”成为常态的情况下,学生们几乎人手一张课表。学校根据学生选科结果,在校舍数量、师资配备、课程资源、设施设备等方面做好准备,确定课程安排和选课走班的办法。这也是学校对学生们的自主选择的尊重。
排课问题实际上指的是把学校里面的课程、教师和学生在适当的课节内分配到合适的上课地点内,是一个由多个因素影响的求整体最优解问题,也就是时间表问题。目前解决这一复杂的求解问题,主要有模拟退火算法、寻优搜索,但是排课难度仍然较大。
发明内容
根据上述提出的新高考改革制度下走班难、排课难、管理难的问题的技术问题,而提供一种基于遗传算法的走班教学排课系统。
本发明采用的技术手段如下:
一种基于遗传算法的走班教学排课系统,包括:
学生选课单元,用于学生根据自己的兴趣选取对应的课程,其将选取的课程数据传输至智能排课单元和课程表单元中;
走班教学单元,用于制定学校走班教学方案及管理选科分班、分层分班的内容,其将统计明细同步到智能排课单元和课程表单元中,通过课程表单元中实时课程表的反馈,教师和学生进行走班教学;
智能排课单元,用于通过遗传算法对学生选课信息、走班教学课程方案及排课规则进行计算得出排课最优解,生成排课结果,通过最优解计算过程中的冲突项对排课冲突的学生发出警告,进行课表微调;
课程表单元,用于实现计划课表和实时课表的可视化立体展示,其中,计划课表的导入及生成通过导入excel文件或通过智能排课结果的同步来实现,实时课表的生成以计划课表为基础,伴随教师调课请假数据的提交,产生课表的变动。
进一步地,还包括,调课请假单元,用于实现教师调课请假数据的申请、审批及统计,其将调课请假产生的课程变动同步到实时课程表中,从而对实时课表进行更新。
进一步地,还包括,课堂考勤单元,用于管理者、教师及学生根据实时课表结果及签到配置进行课堂考勤的巡查及签到,形成签到统计分析结果。
进一步地,所述智能排课单元中遗传算法处理具体包括:
资源片段构筑模块,用于基于用户输入的上课课节的时间片集合T和上课地点集合P构建有关TP的资源片段G,其中,G=P*T;
适宜度函数构筑模块,用于基于分散度系数x、主副科系数y和难易科目系数z构建单个基因片的适应度函数及每条染色体的适宜度,具体为:
f(x,y,z)=ax+by+cz,
其中,a、b、c均为预设的权重,作为优选,a=0.2,b=0.2,c=0.6,
F(j)=∑f(i),
其中,f(i)表示每个基因片的适宜度,该染色体有M个基因,其满足
0≤i≤M-1,0≤j≤2M-1;
遗传算法最优解计算子单元,用于基于遗传算法的选择、交叉、变异的进化步骤解决排课冲突问题,
具体包括:
初始化种群构建模块,用于在考虑学校的预设课节条件下,对课程、上课地点、教师、周课时以及所述资源片段的编号和排序,构筑初始种群;
极值选取模块,用于对每个染色体的适应度数值进行排序,进而按预设比例选取出适宜度数值较大的值拷贝到下一代;
冲突解决模块,用于对各染色体中的相同的基因片段内的资源片段部分进行交叉操作,降低对上课教师、学生和上课地点的冲突率;
染色体变异模块,用于把染色体中的时间片段与另一选取的时间片段进行互换操作从而通过变异提升染色体的适宜度。
进一步地,所述预设课节条件包括教师的不排课设置、连堂课设置及课程的指定课节。
进一步地,所述冲突解决模块的交叉操作具体为:选取两条染色体作为父体,将随机值与系统预先设定的交叉率值比较,如果随机值小于预先设定值则进行基因交换,即把两个染色体的相同的可乘车的基因中的资源片段进行交换,把该课程的上课课节和地点进行交换。
进一步地,所述染色体变异模块的互换操作具体为:定义一个变异概率Em,在变异前预先生成一个随机数r,如果r<Em,执行变异操作。
进一步地,所述智能排课单元还具有:
冲突检测单元,用于通过冲突检测函数检测教师、学生的课程和上课地点是否存在冲突,具体为:
关于教师的冲突,对每位教师进行编码,找出所有的该教师的课程,如果在时间片段内存在重复的,则不可进行交叉和变异;
关于上课地点的冲突校验,遍历寻找该上课地点如果时间片存在重复,则表示该地点同时上课,说明有冲突,同样不允许操作;
关于学生冲突,遍历查找学生,如果学生的时间片存在重复则说明有冲突,否则无冲突。
较现有技术相比,本发明具有以下优点:
本发明提供的走班教学选排课系统将选课、走班课、基础课等所有的课程输入结果,与智能排课进行完美的结合,通过排课规则的智能设定,经过微调,基本实现排课结果0冲突,呈现给用户计划课程表及实时课程表这两张立体课表,再结合调课请假及课堂考勤解决走班教学的管理难题。
基于上述理由本发明可在教学管理等领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种基于遗传算法的走班教学排课系统模块图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,本发明提供了一种基于遗传算法的走班教学排课系统,包括:
学生选课单元,用于学生根据自己的兴趣选取对应的课程,其将选取的课程数据传输至智能排课单元和课程表单元中;
走班教学单元,用于制定学校走班教学方案及管理选科分班、分层分班的内容,其将统计明细同步到智能排课单元和课程表单元中,通过课程表单元中实时课程表的反馈,教师和学生进行走班教学;
智能排课单元,用于通过遗传算法对学生选课信息、走班教学课程方案及排课规则进行计算得出排课最优解,生成排课结果,通过最优解计算过程中的冲突项对排课冲突的学生发出警告,进行课表微调;
课程表单元,用于实现计划课表和实时课表的可视化立体展示,其中,计划课表的导入及生成通过导入excel文件或通过智能排课结果的同步来实现,实时课表的生成以计划课表为基础,伴随教师调课请假数据的提交,产生课表的变动。
还包括,调课请假单元,用于实现教师调课请假数据的申请、审批及统计,其将调课请假产生的课程变动同步到实时课程表中,从而对实时课表进行更新。
还包括,课堂考勤单元,用于管理者、教师及学生根据实时课表结果及签到配置进行课堂考勤的巡查及签到,形成签到统计分析结果。
改进后的遗传算法主要分为确定染色体编码和适应度函数的设计和计算。编码采用二维十进制编码,二维指的是一周内的上课课节的时间片和上课地点的集合。例如,某高中有主课2节连堂课、3节连堂课,则时间片T的集合为{21,22,…41,42,43},指的是周二的第一和第二课节,周四的第一、第二、第三课节。上课地点的集合P为{P1,P2,P3,…Pn},那么时间和上课地点的笛卡尔积为G=P*T={(P1,21),(P2,22),…,(Pn,43)},把笛卡尔积中的元素称之为资源片段,在排课的过程中即解决为排课的数据找到一个合适的资源片段,这样,在排课寻找资源片段前,排除掉代课教师和学生冲突后,只要保证一个资源片段只分配给一个排课数据,那么就不会产生资源冲突,相比之前传统的排课,可以大大降低排课的难度,减少校验的冲突数量,具有较高的实用性。
所述智能排课单元中遗传算法处理具体包括:
资源片段构筑模块,用于基于用户输入的上课课节的时间片集合T和上课地点集合P构建有关TP的资源片段G,其中,G=P*T;
适宜度函数构筑模块,用于基于分散度系数x、主副科系数y和难易科目系数z构建单个基因片的适应度函数及每条染色体的适宜度,具体为:
f(x,y,z)=ax+by+cz,
其中,a、b、c均为预设的权重,作为优选,a=0.2,b=0.2,c=0.6,
因为一般情况下,一门课程都会都好几个课时,如果两次上课的时间相隔较长,则不利于上课效果的巩固。x的取值为时间片的首位相减取绝对值乘以2,。例如一门课程上课的时间片为21、42,那么x=|2-4|*5=10。
一些在学校教学过程中相对次要的副科,一般会安排在下午进行上课,如果安排在下午则要为10,否则y为0。
因为整个排课的算法,在实际的教学过程中,科目的设置的课节总数也能从侧面反映该课程的重要性以及难度,所以我们认为该系数应该较高。相对较难的课程安排在上午,其取值为时间片的第二位相减取绝对值,如果相差1则取值为10,相差为2取值为6,其余或者安排在下午都取值为3。副科或者简易的课程赋值为5。
F(j)=∑f(i),
其中,f(i)表示每个基因片的适宜度,该染色体有M个基因,其满足
0≤i≤M-1,0≤j≤2M-1;
遗传算法最优解计算子单元,用于基于遗传算法的选择、交叉、变异的进化步骤解决排课冲突问题,采用有20%的优秀个体采用直接复制到下一代,79%的进行交叉,1%的进行变异操作。
具体包括:
初始化种群构建模块,用于在考虑学校的预设课节条件下,对课程、上课地点、教师、周课时以及所述资源片段的编号和排序,产生了一张初始的课程表,构筑初始种群;
极值选取模块,用于对每个染色体的适应度数值进行排序,根据适应度的从大到小的排序,根据适应度值最大的20%拷贝到下一代中去,这样的做法的最大好处是在每次种群的进化过程中,可以找出每代中的最优个体,可以被一直保存下来成为最后的最优解;
冲突解决模块,用于对各染色体中的相同的基因片段内的资源片段部分进行交叉操作,降低对上课教师、学生和上课地点的冲突率,从而实现交叉,实现总群的进化,最终能够找到近似的最优的个体。一个单独的开课数据结构为三维表表示为I,包括教师、上课学生、课程I(t,s,c);资源片段如上所述为一个二维表如(P1,11)。根据操作的结果选取两条染色体作为父体,根据随机值于系统预先设定的交叉率值比较,如果随机值小于预先设定值则进行基因交换,即把两个染色体的相同的可乘车的基因中的资源片段进行交换,把该课程的上课课节和地点进行交换。这样能够进行大量的交叉,使得遗传的进化能够进化下去;
染色体变异模块,用于把染色体中的时间片段与另一选取的时间片段进行互换操作从而通过变异提升染色体的适宜度。在操作的过程中,定义一个变异概率Em,在变异前预先生成一个随机数r,如果r<Em,执行变异操作,否则不执行。经过变异的染色体,染色体的适应度会大大提高。
所述预设课节条件包括教师的不排课设置、连堂课设置及课程的指定课节。
所述智能排课单元还具有:
冲突检测单元,用于通过冲突检测函数DetectFlict()检测教师、学生的课程和上课地点是否存在冲突,通过冲突函数在实现对课程的冲突管理。具体为:
关于教师的冲突,对每位教师进行编码,找出所有的该教师的课程,如果在时间片段内存在重复的,则不可进行交叉和变异;
关于上课地点的冲突校验,遍历寻找该上课地点如果时间片存在重复,则表示该地点同时上课,说明有冲突,同样不允许操作;
关于学生冲突,遍历查找学生,如果学生的时间片存在重复则说明有冲突,否则无冲突。
按照该改进的遗传算法思想,在实际的系统应用中,可以把每代的最优的个体保留下来,实现最优个体代替最差个体,所以最后,每代最好的个体之后得到提升或者至少保持不变。在实际的排课过程中,该系统能够有效地解决排课冲突问题,实现了教师、上课地点、课程、上课学生、课节的合理排课安排调度。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种基于遗传算法的走班教学排课系统,其特征在于,包括:
学生选课单元,用于学生根据自己的兴趣选取对应的课程,其将选取的课程数据传输至智能排课单元和课程表单元中;
走班教学单元,用于制定学校走班教学方案及管理选科分班、分层分班的内容,其将统计明细同步到智能排课单元和课程表单元中,通过课程表单元中实时课程表的反馈,教师和学生进行走班教学;
智能排课单元,用于通过遗传算法对学生选课信息、走班教学课程方案及排课规则进行计算得出排课最优解,生成排课结果,通过最优解计算过程中的冲突项对排课冲突的学生发出警告,进行课表微调;
课程表单元,用于实现计划课表和实时课表的可视化立体展示,其中,计划课表的导入及生成通过导入excel文件或通过智能排课结果的同步来实现,实时课表的生成以计划课表为基础,伴随教师调课请假数据的提交,产生课表的变动。
2.根据权利要求1所述的基于遗传算法的走班教学排课系统,其特征在于,还包括,调课请假单元,用于实现教师调课请假数据的申请、审批及统计,其将调课请假产生的课程变动同步到实时课程表中,从而对实时课表进行更新。
3.根据权利要求1或2所述的基于遗传算法的走班教学排课系统,其特征在于,还包括,课堂考勤单元,用于管理者、教师及学生根据实时课表结果及签到配置进行课堂考勤的巡查及签到,形成签到统计分析结果。
4.根据权利要求1所述的基于遗传算法的走班教学排课系统,其特征在于,所述智能排课单元中遗传算法处理具体包括:
资源片段构筑模块,用于基于用户输入的上课课节的时间片集合T和上课地点集合P构建有关TP的资源片段G,其中,G=P*T;
适宜度函数构筑模块,用于基于分散度系数x、主副科系数y和难易科目系数z构建单个基因片的适应度函数及每条染色体的适宜度,具体为:
f(x,y,z)=ax+by+cz,
其中,a、b、c均为预设的权重,作为优选,a=0.2,b=0.2,c=0.6,
F(j)=∑f(i),
其中,f(i)表示每个基因片的适宜度,该染色体有M个基因,其满足
0≤i≤M-1,0≤j≤2M-1;
遗传算法最优解计算子单元,用于基于遗传算法的选择、交叉、变异的进化步骤解决排课冲突问题,
具体包括:
初始化种群构建模块,用于在考虑学校的预设课节条件下,对课程、上课地点、教师、周课时以及所述资源片段的编号和排序,构筑初始种群;
极值选取模块,用于对每个染色体的适应度数值进行排序,进而按预设比例选取出适宜度数值较大的值拷贝到下一代;
冲突解决模块,用于对各染色体中的相同的基因片段内的资源片段部分进行交叉操作,降低对上课教师、学生和上课地点的冲突率;
染色体变异模块,用于把染色体中的时间片段与另一选取的时间片段进行互换操作从而通过变异提升染色体的适宜度。
5.根据权利要求4所述的基于遗传算法的走班教学排课系统,其特征在于,所述预设课节条件包括教师的不排课设置、连堂课设置及课程的指定课节。
6.根据权利要求4所述的基于遗传算法的走班教学排课系统,其特征在于,所述冲突解决模块的交叉操作具体为:选取两条染色体作为父体,将随机值与系统预先设定的交叉率值比较,如果随机值小于预先设定值则进行基因交换,即把两个染色体的相同的可乘车的基因中的资源片段进行交换,把该课程的上课课节和地点进行交换。
7.根据权利要求4所述的基于遗传算法的走班教学排课系统,其特征在于,所述染色体变异模块的互换操作具体为:定义一个变异概率Em,在变异前预先生成一个随机数r,如果r<Em,执行变异操作。
8.根据权利要求1所述的基于遗传算法的走班教学排课系统,其特征在于,所述智能排课单元还具有:
冲突检测单元,用于通过冲突检测函数检测教师、学生的课程和上课地点是否存在冲突,具体为:
关于教师的冲突,对每位教师进行编码,找出所有的该教师的课程,如果在时间片段内存在重复的,则不可进行交叉和变异;
关于上课地点的冲突校验,遍历寻找该上课地点如果时间片存在重复,则表示该地点同时上课,说明有冲突,同样不允许操作;
关于学生冲突,遍历查找学生,如果学生的时间片存在重复则说明有冲突,否则无冲突。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811247215.8A CN109165799A (zh) | 2018-10-24 | 2018-10-24 | 基于遗传算法的走班教学排课系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811247215.8A CN109165799A (zh) | 2018-10-24 | 2018-10-24 | 基于遗传算法的走班教学排课系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109165799A true CN109165799A (zh) | 2019-01-08 |
Family
ID=64875211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811247215.8A Pending CN109165799A (zh) | 2018-10-24 | 2018-10-24 | 基于遗传算法的走班教学排课系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109165799A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109801198A (zh) * | 2019-01-31 | 2019-05-24 | 山大鲁能信息科技有限公司 | 课表微调方法及系统 |
CN109858882A (zh) * | 2019-01-31 | 2019-06-07 | 山大鲁能信息科技有限公司 | 一种基于改进的退火算法的新高考排课方法及系统 |
CN109872262A (zh) * | 2019-01-31 | 2019-06-11 | 山大鲁能信息科技有限公司 | 一种考勤系统及方法 |
CN109948894A (zh) * | 2019-01-31 | 2019-06-28 | 山大鲁能信息科技有限公司 | 一种选排课系统 |
CN110363501A (zh) * | 2019-07-16 | 2019-10-22 | 方山县城内小学 | 一种基于大数据的教学学习成长管理系统 |
CN110738461A (zh) * | 2019-10-10 | 2020-01-31 | 青岛海信商用显示股份有限公司 | 排课方法及设备 |
CN111161112A (zh) * | 2019-12-27 | 2020-05-15 | 广东宜教通教育有限公司 | 行政班智能排课方法、系统、计算机设备及存储介质 |
CN111539581A (zh) * | 2020-05-07 | 2020-08-14 | 浙江蓝鸽科技有限公司 | 智能分班排课方法及系统 |
CN112149950A (zh) * | 2020-08-07 | 2020-12-29 | 湖南强智科技发展有限公司 | 一种课程信息的编排方法、装置、设备和存储介质 |
CN113222557A (zh) * | 2021-05-28 | 2021-08-06 | 广州宏途教育网络科技有限公司 | 一种用于教师的调替换课方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463399A (zh) * | 2013-11-25 | 2015-03-25 | 北京建筑大学 | 一种学生培养管理方法及系统 |
CN107016632A (zh) * | 2017-06-16 | 2017-08-04 | 长沙理工大学 | 一种基于走班分层教学的选排课方法及系统 |
CN107369220A (zh) * | 2017-07-14 | 2017-11-21 | 安徽智星交通科技股份有限公司 | 课堂考勤方法及系统 |
CN108280549A (zh) * | 2018-01-30 | 2018-07-13 | 福州大学 | 一种基于改进遗传算法的走班制下的高中排课方法 |
-
2018
- 2018-10-24 CN CN201811247215.8A patent/CN109165799A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463399A (zh) * | 2013-11-25 | 2015-03-25 | 北京建筑大学 | 一种学生培养管理方法及系统 |
CN107016632A (zh) * | 2017-06-16 | 2017-08-04 | 长沙理工大学 | 一种基于走班分层教学的选排课方法及系统 |
CN107369220A (zh) * | 2017-07-14 | 2017-11-21 | 安徽智星交通科技股份有限公司 | 课堂考勤方法及系统 |
CN108280549A (zh) * | 2018-01-30 | 2018-07-13 | 福州大学 | 一种基于改进遗传算法的走班制下的高中排课方法 |
Non-Patent Citations (1)
Title |
---|
石慧等: "求解多校区排课问题的基因对交叉遗传算法", 《计算机工程与应用》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109801198A (zh) * | 2019-01-31 | 2019-05-24 | 山大鲁能信息科技有限公司 | 课表微调方法及系统 |
CN109858882A (zh) * | 2019-01-31 | 2019-06-07 | 山大鲁能信息科技有限公司 | 一种基于改进的退火算法的新高考排课方法及系统 |
CN109872262A (zh) * | 2019-01-31 | 2019-06-11 | 山大鲁能信息科技有限公司 | 一种考勤系统及方法 |
CN109948894A (zh) * | 2019-01-31 | 2019-06-28 | 山大鲁能信息科技有限公司 | 一种选排课系统 |
CN110363501A (zh) * | 2019-07-16 | 2019-10-22 | 方山县城内小学 | 一种基于大数据的教学学习成长管理系统 |
CN110738461A (zh) * | 2019-10-10 | 2020-01-31 | 青岛海信商用显示股份有限公司 | 排课方法及设备 |
CN110738461B (zh) * | 2019-10-10 | 2022-09-30 | 青岛海信商用显示股份有限公司 | 排课方法及设备 |
CN111161112A (zh) * | 2019-12-27 | 2020-05-15 | 广东宜教通教育有限公司 | 行政班智能排课方法、系统、计算机设备及存储介质 |
CN111539581A (zh) * | 2020-05-07 | 2020-08-14 | 浙江蓝鸽科技有限公司 | 智能分班排课方法及系统 |
CN112149950A (zh) * | 2020-08-07 | 2020-12-29 | 湖南强智科技发展有限公司 | 一种课程信息的编排方法、装置、设备和存储介质 |
CN113222557A (zh) * | 2021-05-28 | 2021-08-06 | 广州宏途教育网络科技有限公司 | 一种用于教师的调替换课方法 |
CN113222557B (zh) * | 2021-05-28 | 2024-03-15 | 广州宏途数字科技有限公司 | 一种用于教师的调替换课方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165799A (zh) | 基于遗传算法的走班教学排课系统 | |
Asselman et al. | Enhancing the prediction of student performance based on the machine learning XGBoost algorithm | |
Pillay | A survey of school timetabling research | |
Carrasco et al. | A multiobjective genetic algorithm for the class/teacher timetabling problem | |
Wang | An application of genetic algorithm methods for teacher assignment problems | |
CN104008453A (zh) | 职业能力测评仿真系统 | |
CN110503269A (zh) | 走班教学下的分班排课方法及装置 | |
Sbeity et al. | Combining the analytical hierarchy process and the genetic algorithm to solve the timetable problem | |
Febrita et al. | Modified genetic algorithm for high school time-table scheduling with fuzzy time window | |
CN109919423A (zh) | 一种基于深度学习的智慧水务管理方法及系统 | |
Wen-jing | Improved Adaptive Genetic Algorithm for Course Scheduling in Colleges and Universities. | |
CN116957869B (zh) | 一种基于资源模式匹配及协同的教育平台 | |
Fong et al. | Applying a hybrid model of neural network and decision tree classifier for predicting university admission | |
Hesam Hafezi et al. | Framework for development of the Scheduler for Activities, Locations, and Travel (SALT) model | |
Cervera et al. | Forecasting model with machine learning in higher education ICFES exams | |
Ransom | Selective migration, occupational choice, and the wage returns to college majors | |
Olazabal et al. | Fuzzy cognitive mapping: applications to urban environmental decision-making | |
Chu et al. | Multi-layer personalized federated learning for mitigating biases in student predictive analytics | |
CN111754370B (zh) | 一种基于人工智能的在线教育课程管理方法及系统 | |
Mulesa et al. | Decision-Making Modeling in Educational Process Organization Under the Conditions of Crisis Situations Forecasting | |
Bhaduri | University time table scheduling using genetic artificial immune network | |
CN114781806A (zh) | 基于多目标进化算法的多组合排课方法及装置及可读介质 | |
Jiao | A factorization deep product neural network for student physical performance prediction | |
Renzi et al. | Probabilistic expert systems for managing information to improve services | |
Chaudhuri et al. | Fuzzy integer linear programming mathematical models for examination timetable problem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190108 |