吴松慧[1]2016年在《基于遗传算法的智能排课系统设计与实现》文中认为排课是学校教务部门的一项重要工作,对教学任务的合理分配、学生学习时间的均衡利用等都有较大的影响。随着学校规模的不断扩大,现有的排课软件无法在多条件约束下,生成最佳的排课方案。排课问题已经被证明是属于NP难问题,用数理算法无法得到满意的结果。针对这一问题,利用遗传算法作为排课处理的核心算法,研究各类约束条件,构建适应度函数,实现排课方案的自动生成,并以此为中心,基于网络构建智能排课系统,解决大型院校教务部门的排课问题。重点对利用遗传算法解决排课问题进行深入研究和改进,在构建染色体基因时,增强了染色体的表达能力;在构建适应度函数时,能够更好地保证所生成课表的质量,经过遗传算法中的选择、交叉、变异等处理环节,最终得到最优化的课表方案。基于遗传算法的智能排课系统,充分利用了高校现有管理信息系统中的数据资源,有效地提高了排课方案的科学性和合理性,对于提高学校教务管理水平具有重要意义。
高友智[2]2003年在《基于进化计算的智能排课系统开发》文中进行了进一步梳理一所学校为了保证其高水平的教学质量，必须制定一套严密、规范的教学计划，并严格执行。而课表管理是其中最为关键的一环。没有一个合理、准确与规范的课程表，整个学校的教学秩序将混乱不堪，这是不难想象的。由此可见课程安排在学校教学计划中的核心地位与重要性。因此，很有必要对排课表问题进行深入研究。但由于各种原因，特别是在大学里，已经普遍实行学分制和选修制，学生上课的教室并不固定，这使排课问题成为一个众所周知的数学难题，吸引了许多人尝试解决它。 使用手工或传统的方法来排课，不仅工作量巨大，耗时、耗资，且准确率低。本文利用软件工程的方法，从排课系统的需求分析，建立系统数据模型，进而对系统进行总体设计，详细设计，最终使系统得以实现并投入使用。作者从人工智能中进化计算的角度，给出一种使用进化模拟退火算法求解课表问题的方案，详细讨论了该方案涉及的各种问题，包括目标函数和初解的确定，临域和新解的产生方法，初始“温度”的确定和“温度”更新的方式，内循环次数及算法终止条件的确定等，对一些具体的技术问题作出相应安排。 该算法已在Windows 2000操作平台上实现，具体使用的开发方法是Delphi可视化程序设计方法，算法的实现充分利用了面向对象的、灵活而又强大的Delphi高级程序设计语言，同时为了进一步满足实用要求，还对算法进行了交互式扩充，使其具有查询、排课、调课、增加、删除等功能，并且全部过程都是通过与用户交互来进行的。实现的系统经应用表明，具有较好的适应性和实用性。
张强[3]2014年在《基于遗传算法的智能排课方法及应用》文中进行了进一步梳理智能排课系统是高校教育管理系统的重要部分,随着招生规模的不断扩大,教师、教室等教学资源变得越发紧缺,教学资源的利用率越来越受到重视,如何把有限的教学资源合理地分配给学生,是摆在各大高校面前的一个现实问题。传统的手工排课已经不能满足日益增长的要求,借助计算机辅助排课就成为一种必然趋势,各种智能排课系统也就应运而生,在众多的约束规则下,如何使用计算机编制出快速、高效、合理的课表,是一项值得研究的工作,此课题也吸引了国内外很多研究者对其进行深入研究。作为战斗在教务工作第一线的教务管理人员,对智能排课的重要性感受尤为深刻。但由于排课问题是一个NP完全问题,而且各高校的排课需求又是趋于多样化,所以迄今为止的智能排课系统多为建立在通用教务管理平台上的个性化应用系统。排课系统是一个复杂而又庞大的系统,排课算法为核心,结合常熟理工学院的实际情况,本文通过分析课表制定的原则和要求,梳理课表编排的业务流程,依据我校排课的实际需求,综合了排课当中出现的各种约束规则,充分发掘了排课中可能会遇到的各个因素,设计和实现了基于遗传算法的智能排课系统,并通过测试验证了系统的可行性和有效性。
罗灿[4]2014年在《智能排课算法研究及其应用》文中研究表明摘要：几年来我国高等职业教育高速发展,办学规模日益扩大,教学资源也显得相对紧缺,如何让有限的教学资源得到充分利用,如何科学整合教学资源,这是摆在教育决策部门的一个重要课题。这需要高校教育管理工作向着更高效的信息化和网络化发展。高校教学数据管理工作的信息化、模块化、便捷化程度已经成为了当前衡量高校管理水平的重要标准。因此,对高校教学信息的采集、分析与评价进行深入探索是一项意义深远的研究工程。高校教学信息中,课程合理而科学的安排是一项重要而又复杂的基本工作。排课问题是典型的多重约束和组合优化的问题,通过最优化方法将课程、学生、教师、教室和时间等要素排列组合,充分考虑课程内部联系,教师和学生客观要求以及教室的充分、有效利用。如何合理分配教学资源,这一直是教育工作者的研究内容。本文对智能排课算法进行了深入研究。在对回溯算法,图形着色算法,贪心算法、动态调度算法、神经网络算法、蚁群算法、粒子群算法、模拟退火算法等多种算法进行分析和研究的基础上,扬长避短,对传统遗传算法在整个流程规划,基因编码设计,种群初始化,冲突的检测和消除,动态参数的调整,以及遗传算子等方面进行改进,在叁维空间中建立相关模型,采用避免冲突的种群初始化加快收敛,并且引入变异操作,合理避免了在处理复杂的排课问题时传统遗传算法往往容易陷入局部最优,而并非全局最优,计算量大、收敛速度慢等困局的问题,将改进后的遗传算法用来优化智能排课方案,实现智能排课系统的科学、合理和高效。本文将实现的智能排课算法应用在数据采集系统中。根据数据采集的基本特点,提出了采集系统的建设方案,主要完成了以下四方面的研究：(1)分析了C/S和B/S模式的优缺点,并针对本系统提出采用B/S的软件体系结构,即使用B/S叁层模式：客户层、业务层及数据层。(2)从使用者的角度对采集系统进行详细的需求分析,并对其建模。(3)在充分分析主要功能需求的基础上,使用.NET技术规划设计了采集系统的架构,包括设计出系统各个功能模块和数据库,并对模块功能进行扩充优化,使之更加符合素质化的教育资源管理要求。(4)对采集系统中的关键技术—智能排课,归纳与合并问题进行了分析与设计。本文实现的系统已投入测试使用,初步实现了数据采集工作的电子化和网络化,同时也使教学管理工作更加严谨和高效。
刘莹[5]2008年在《智能课表编排系统的研究与实现》文中研究指明随着计算机的广泛应用和互联网技术的高速发展,在全国高校中许多教学管理系统相继投入使用。课程编排及课表管理是教学管理的必要组成部分,其课表编排质量直接关系到后继教学活动的开展,因此排课功能在整个教学管理中占有重要地位。排课问题已经被证明是一个NP完全问题,因此,在实际项目的研发中,开发出符合要求的排课系统有一定难度。本论文分析了远程教学支撑平台的教务流程的特点以及高等学校制定课表的原则,对排课需求进行了分析、描述,建立了排课问题的组合优化数学模型。论文对各种排课算法进行了研究。根据实际需求,最终提出了一个比较符合实际情况的基于贪婪策略的排课问题求解算法——ICSAG(Intelligent Curricular Scheduling Algorithm based on Greedy Method)算法。论文给出了ICSAG算法的详细设计方法,并编程加以实现。最后对此算法进行了测试,测试表明此算法能够从实际的排课情况出发,有效地满足了事先规定的各种排课限制条件,达到了实际应用需求。根据智能课表编排系统的需要,将这个ICSAG算法应用于实际系统开发中,实现了一个Web环境下的智能课表编排系统。经过测试,排课结果和用户使用性能达到设计要求。最后,在智能排课系统的工作基础上,初步实现了一个选课系统。其选课操作能够基于排课结果正确执行,选课系统与排课系统保持了数据的一致性,保证了操作的可靠性。
郭锦胜[6]2013年在《基于神经网络与GA算法的智能排课系统研究与实现》文中研究指明课表编排是学校必须执行的一项繁琐而又复杂的重复性劳动。随着新技术的引进和西方教育文化的影响，传统的教学理念正接受冲击。各高校在追求办学质量的同时，也一直在探寻特色教学的新思路，传统的排课方式与个性化教学的矛盾日益激烈。在传统排课方法越来越难以满足学院办学需求的今天，完全针对某高校个性化教学来研发的排课系统代价高昂，个性化需求与市场经营要求软件模块化的矛盾日益尖锐，因此，一款既能满足各学院需求又能减少研发成本的智能排课系统将会成为未来教学管理的一大亮点。本文从用户需求出发，针对当前大学课表问题，采用了基于神经网络和遗传算法的算法模型。该模型能结合学校的教学实际，学习和分析学校的排课特点，并将其用于新课程排课的决策和评估中，是一套带有人工监督功能的智能学习算法。由于排课是一个多变量，多参数，存在多解的非线性数学问题，这种问题很适合用遗传算法来求解。但是传统的遗传算法具有早熟现象，使得排课问题求解时容易达到局部最优。本文将遗传算法进行改进，将算法的概念扩展到生态系统，建立了排课生态系统模型，从而把复杂的排课问题分解为多群体优化问题求解。基于以上算法思想，本文设计并实现了基于BP神经网络和GA算法的智能排课系统。系统选择ORACLE10g为数据库，在J2EE开发环境中使用JBuilder完成运行和调试工作。开发达到预期效果。
许琦[7]2012年在《基于遗传算法的高校排课问题的研究》文中研究指明高校的教务管理部门在整个教学过程中起着组织、协调、管理及服务的作用，其中排课任务是最基础的，也是工作量最大、最繁琐的一项任务。随着高校规模的扩大，专业数和学生人数急剧增加，如果还在有限的教学资源情况下进行人工排课，不仅压力增大，而且会因为各种制约因素迭加，使问题变得更加复杂。基于以上原因，以计算机智能排课取代人工排课成为改革高校教务信息管理的头等大事。排课的实质就是根据教务处下达的教学计划为每个专业、班级的课程安排任课教师和上课时间地点。排课问题有很多制约因素，各因素互相制约，各环节互相影响，而且排课不单单是把所有课程塞进课表，而是要找出各因素的最佳对应关系，因此排课问题是一个有约束的、多目标的组合优化问题。遗传算法是一种通过模拟达尔文的生物进化规律（适者生存、优胜劣汰）演变而来的，具有高度并行、自适应的、随机的、全局寻优的搜索方法。它通过对当前群体施加一系列的遗传操作，从而产生新一代群体，并逐步使群体进化到接近最优解的状态，是一类具有较强鲁棒性的优化算法。作为对排课问题的探索，本文把高校排课问题的各个因素和遗传算法的算子相对应，将遗传算法应用于排课问题的求解。主要对以下几方面的工作进行研究探讨：1、探讨了国内外学者对排课问题的研究现状，包括排课的要素、存在问题和求解目标。模拟人工排课的过程，设计智能排课的总体框架和技术路线。2、对排课问题的多个目标进行量化分析，在遗传算法的基础上通过对适应度函数的设计、冲突检测和各个遗传算子的操作设计时间安排算法，并在时间已安排好的基础上编排课室。3、根据研究的结果，以本人的工作实际情况为例进行一次智能排课测试，并且和人工排课的工作量相对比，得出基于遗传算法的排课算法能有效解决排课问题的结论，并且可以推广到其他教学管理应用中。
王赞[8]2009年在《基于染色体自交叉Memetic算法的教学调度问题研究》文中研究指明随着高等教育的快速发展,大学的规模在不断的壮大,这就使得教学资源日趋紧张,进而给教学调度带来了新的挑战。教学调度问题因其问题规模大、约束条件多、相互关系比较复杂而成为优化领域和人工智能领域的研究热点之一,其中基于对生物进化进行模拟的算法是当前研究该问题中使用的最广泛也是最成功的方法之一,在理论研究和具体实践中都取得了快速的发展。随着问题规模的增大,排课问题虽然是教学调度问题中最重要的问题,但单纯考虑排课问题的优化显得不够充分,因为教学调度各个阶段之间的相互影响是不可被忽略的。如果对该问题进行整体考虑,相关算法过程也需要进行适当的改变以满足问题的要求;同时以往的系统大多针对一些特定的问题,在普适性方面有很大的局限性。基于这些问题,本文通过对教学调度问题的整体描述,详细分析了教学调度各个阶段之间的关系,特别是合班方案对排课结果的影响,提出了综合考虑的优化方案。对于这种方案,文章提出了基于染色体自交叉的退火Memetic算法进行最优排课方案的求解,并根据约束条件对算法中的适应度值函数进行了灵活的设计,进而基于Banach压缩映射定理证明了算法的收敛性。主要研究如下:1.将教学调度各阶段作为一个整体进行了讨论,并分析了教学调度各个阶段的相互影响以及教学工作的整体数据流程。对各阶段之间的关系分析可知合班问题作为排课的前置问题对排课有着较为明显的影响,进而提出了通过寻找最优的合班方案以便于排课算法的顺利运行。2.对教学调度合班问题进行了建模并采用进化算法求解最优的合班方案。在合班问题的建模中,首先对求解排课问题有利的合班方案所具备的特点进行分析并根据这些特点得出问题的适应度值函数,然后通过深度优先算法求解出每个个体的适应度值,最后采用退火Memetic算法求解了最优合班方案。3.详细研究了教学调度排课问题并建立了该问题的模型。通过对问题的分析,我们首先根据问题的约束条件定义了适应度值函数,本文定义的适应度值函数只包括柔性约束,因为对那些不满足刚性约束的个体将直接在计算过程中剔除;这种定义方式一方面避免了对不可行解的过多关注,另一方面具备了一定的灵活性及扩展性,在约束条件发生变化的情况下只需对适应度值函数进行相应的修改即可。然后基于退火Memetic算法对问题进行了迭代求解,以获得最优值。在求解的过程中,根据问题的特点,本文定义了相应的个体表现形式,交叉、变异等遗传操作算子以及局部搜索的方法。同时为了提高算法的效率,降低可能存在的修补压力,提出在交叉操作时以自交叉代替了个体之间的交叉。4.采用学校某一学期的真实数据集分别对求解合班的算法和求解排课的算法进行了不同参数条件下的实验,实验结果表明了算法的有效性。通过与之前的排课结果进行对比可知,算法在排课结果的满意度以及算法的效率方面都有了一定的改善。最后通过Banach压缩映射定理证明了基于最优保留策略的退火Memetic算法是收敛的。
张忠[9]2006年在《基于蚁群算法的时间表问题的研究与实现》文中研究说明当今，科学技术正处于多学科相互交叉和融合的时代，特别是计算机科学与技术的迅速发展，从根本上改变了人类的生产和生活。同时，随着人类生存空间的扩大以及认识与改造世界范围的拓展，人们对科学技术提出了新的和更高的要求，其中对高效的优化技术和智能计算的要求日益迫切。以神经网络、遗传算法等为代表的智能算法在各种工程领域的成功应用，激励人们从更广泛的生物或自然现象寻求启发以构造新的智能算法，来解决工程中广泛存在的复杂问题。作为新加入这个行列的蚁群算法(Ant Colony Optimization, ACO)，为复杂困难的系统优化问题提供了新的具有竞争力的求解算法。虽然蚁群算法的研究刚刚起步，但是这些初步研究已显示出蚁群算法在求解复杂问题，特别是离散优化问题方面的优越性，它是一种很有发展前景的方法。时间表问题(Timetabling Problem, TTP)属于一类特殊的调度问题，是NP-难问题，用以解决一系列事件对时间和空间资源争夺而引起的冲突，在现实世界中有着巨大的应用价值。其中课程表的编排是时间表问题的典型应用，大多数对时间表问题的研究都是在课程时间表问题的基础上进行的。随着学校招生规模的扩大和办公信息化程度的提高，课程表自动生成已经成为越来越多学校的需求，先后产生了采用不同方法的自动排课系统。然而在实际中，教学规律对课程表编排的合理性要求，以及学校或教师对课程表编排的约束性要求又是大家共同关注的焦点。本文在对课程表问题概念模型和数学模型研究的基础上，提出了利用蚁群算法求解时间表问题的思路，并设计开发了蚂蚁排课系统。通过实验，证明了蚁群算法求解时间表问题的有效性，经过一定数量蚂蚁的优化过程，课程表编排的合理性得到了提高。
张静[10]2012年在《基于遗传算法的高校排课系统的设计与实现》文中研究表明高校排课是学校教学管理中十分重要、又相当复杂的工作。其实质就是为学校所设置的课程安排时间和地点，从而使整个教学能够有计划有秩序地进行。随着高等院校的招生规模逐步扩大，学科专业、课程设置也在不断向深度和广度发展，导致各类教育资源都出现了紧张问题，教室资源的调配问题尤为严重。目前大多数院校都会在学期结束前的时间内，由教务人员制定出下学期的全校教室统一使用表，这对高等院校的有关人员来说是一项很艰巨的任务。然而院校的教学设备、教师资源以及其他教学资源的配套建设都得不到及时补充，并且大多数高校的教学管理方法仍停留在较低的水平上，不能适应教学发展的要求，其中排课问题就显得比较突出。通常情况下，这种方式由教务人员在较短的时间内集中编排全校课表，手动处理协调各类资源冲突的问题。比如教师的任课情况、学生的选课情况、课程的信息、教室的情况等若干冲突需要调整，时间、学生、教室大小等资源的冲突，这样既耗费脑力又耗费体力。而且利用手工的排课方式，目前来说很难快速有效解决越来越复杂的各类资源冲突问题，工作繁琐、工作量大、排课效率低等问题不可避免的出现在排课工作中。随着信息化时代的到来，提倡的高效、快速的节奏也应该适应到我们的排课系统中来。本文从高校排课问题的现实意义及研究背景出发，调研并分析了目前国内外对排课问题的存在的问题及现状分析，简要介绍了几种常见的排课算法。详细介绍排课过程出现的各种问题及约束条件，详细介绍了遗传算法的基本知识，并针对唐山师范学院的课表做了详细的需求分析，并用遗传算法来实现高校排课系统。
参考文献：
[1]. 基于遗传算法的智能排课系统设计与实现[D]. 吴松慧. 苏州大学. 2016
[2]. 基于进化计算的智能排课系统开发[D]. 高友智. 武汉科技大学. 2003
[3]. 基于遗传算法的智能排课方法及应用[D]. 张强. 华东理工大学. 2014
[4]. 智能排课算法研究及其应用[D]. 罗灿. 中南大学. 2014
[5]. 智能课表编排系统的研究与实现[D]. 刘莹. 北京工业大学. 2008
[6]. 基于神经网络与GA算法的智能排课系统研究与实现[D]. 郭锦胜. 电子科技大学. 2013
[7]. 基于遗传算法的高校排课问题的研究[D]. 许琦. 华南理工大学. 2012
[8]. 基于染色体自交叉Memetic算法的教学调度问题研究[D]. 王赞. 天津大学. 2009
[9]. 基于蚁群算法的时间表问题的研究与实现[D]. 张忠. 苏州大学. 2006
[10]. 基于遗传算法的高校排课系统的设计与实现[D]. 张静. 电子科技大学. 2012
标签：计算机软件及计算机应用论文; 遗传算法论文; 排课论文; 智能算法论文; 算法论文;