[发明专利]一种基于DNA遗传进化算法的优化排课算法

说明书

本发明涉及教育排课系统技术领域，具体涉及一种基于DNA遗传进化算法的优化排课算法，包括如下操作：对班级、课程、教室、教师相互之间进行数字信息处理；建立时间段，并将课程、教室、教师作为任务单元进行编码；生成初始种群；计算个体的适应度，满足适应度优化准则，译码输出、结束计算；不满足选择再生个体；被选中个体进行交叉、变异操作后进入子代种群，并跳转至计算个体的适应度；本发明旨在提供一基于遗传算法设计的、高效率、且课程分布合理的排课算法。

技术领域

本发明涉及教育排课系统技术领域，具体涉及一种基于DNA遗传进化算法的优化排课算法。

背景技术

遗传算法是一种通过模拟自然界生物进化过程求解极值的自适应人工智能技术，是由美国芝加哥大学Holland教授于1962年首先提出的。遗传算法借用了生物遗传学的观点，通过自然选择、遗传、变异等作用机制来提高各个个体的适应性，体现了自然界中“物竞天择、适者生存”的进化过程。遗传算法也因此吸引了一大批的研究者，并广泛应用于函数优化、组合优化、生产调度、机器学习、图像处理、模式识别等多个领域。

随着近几年各个高校的合并与扩招，我国的综合性大学和各个高校中在校的学生数量的大大增加，对于高校教务部门来说，排课工作是非常令人头痛的事，经常会出现课程排列冲突，比如：一个教师在同一时间上两门课，有两个教师同时去一个教室上不同的课程，有些教师在特定时间不可以上课。如果没有很好地解决这些冲突，必将产生教学混乱等现象。可见，排课算法的正确性、高效性是非常关键。

发明内容

解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了一种基于DNA遗传进化算法的优化排课算法，旨在提供一基于遗传算法设计的、高效率、且课程分布合理的排课算法。

技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于DNA遗传进化算法的优化排课算法，包括如下操作：

对班级、课程、教室、教师相互之间进行数字信息处理；

建立时间段，并将课程、教室、教师作为任务单元进行编码；

生成初始种群；

计算个体的适应度，满足适应度优化准则，译码输出、结束计算；不满足选择再生个体；

被选中个体进行交叉、变异操作后进入子代种群，并跳转至计算个体的适应度。

更进一步地，所述课程、教室、教师和班级的编码优选采用4位十进制编码，所述时间段编码采用2位十进制编码。

更进一步地，所述初始种群为用列表示班级，用所述时间段为行，随机生成多个课程表。

更进一步地，所述适应度的函数采用对每条染色体中存在的冲突类型进行加权求和。

更进一步地，所述再生个体的选择操作方法：包括轮盘赌选择法、局部选择法、锦标赛选择法和截断选择法。

更进一步地，所述截断选择法为通过将个体按适应度函数值由高到低排序，函数值最高的个体才会被选中。

更进一步地，所述交叉采用单点交叉的方式，其交叉算子以一个班级为单位。

更进一步地，所述变异同坐安排时间上变异，让已经安排的时间随机变成另一个时间，随机改变染色体中任一授课时段，将时间段随机抽取一点在设定范围内改变。

有益效果

采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：