[发明专利]基于改进模拟退火与爬山算法混合搜索的排课方法有效
申请号: | 201911118987.6 | 申请日: | 2019-11-15 |
公开(公告)号: | CN111079976B | 公开(公告)日: | 2023-09-01 |
发明(设计)人: | 丁刚;沙键辉;王新源 | 申请(专利权)人: | 珠海丰实科技有限责任公司 |
主分类号: | G06Q10/0631 | 分类号: | G06Q10/0631;G06Q10/04;G06Q50/20;G06N5/01 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 郑晨鸣 |
地址: | 519000 广东省珠海市唐家湾镇*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 改进 模拟 退火 爬山 算法 混合 搜索 方法 | ||
1.一种基于改进模拟退火与爬山算法混合搜索的排课方法,其特征在于,该方法包括以下步骤:
S100,设置学生选科表、老师安排表、教学任务表、设置排课要求与排课规则;
S200,计算课表解违反硬性约束与软性约束惩罚值的评价函数,计算排课算法所需的参数,根据所述S100的设置对教学班进行优化计算,所述S200具体包括;
S210,计算课表解违反硬性约束和软性约束惩罚值的评价函数,其中违反硬性约束惩罚值表示学生课表冲突、教师课表冲突、课程课表冲突的惩罚值,软性约束惩罚值表示课表违反排课规则的一个或多个子项的惩罚值;
S220,根据排课要求与规则应用并初始化违反硬性约束和软性约束惩罚值评价函数的权重参数,计算选择策略中的是否使用“精英保留”策略α,使用“轮盘赌”选择策略还是“锦标赛”选择策略β,“锦标赛”系数η,已选择邻域再次被选择的概率下降系数γ,计算模拟退火邻域产生扰动比例ζ、初始温度系数ε、温度下降系数κ、最大循环次数δ、连续无最优解退出次数λ及最速邻域系数θ;
S230,根据输入的学生选科表、老师安排表及教学任务表,优化计算所有的教学单元,所述教学单元由课程、授课老师、上课学生三元组组成,优化后生成学生人数均衡及冲突最少的教学班
S300,随机生成初始解课表;
所述S300具体包括:
S310,根据所述算法的一个解为所有教学单元分配按课时要求数的教学资源单元,其中教学资源单元为课时T与教室R的笛卡尔积;
S320,随机生成课表初始解,即为每个教学单元随机分配教学资源单元;
S400,使用爬山算法生成局部最优解并计算模拟退火初始化温度,将该解作为最好局部最优解课表,其中,所述步骤S400具体包括;
S410,计算解的所有邻域;
S420,计算解的邻域违反排课规则惩罚值,并保存惩罚值比原解惩罚值小的邻域至更优邻域集;
S430,生成0~1之间的随机数,如果随机数小于最速邻域系数θ,随机从更优邻域集中选择一个邻域作为新解,否则从更优邻域集中选择惩罚值最小的最优邻域解作为新解;
S440,循环步骤S410~S430至没有更优的邻域即解为局部最优解;
S450,将局部最优解作为最好局部最优解课表;
S460,计算模拟退火初始化温度为局部最优解惩罚值*初始温度系数ε;
所述S410中解的邻域产生包括:
S441,交换两节课程,即教学单元tu1的一个已分配教学资源rt1与另一个教学单元tu2的一个已分配教学资源rt2进行交换,其中tu1、tu2不能同时为空,rt1与rt2均不能为空,且tu1可以使用rt2,tu2可以使用rt1;
S442,交换两节课时,教学课时t1与t2交换,即rt1与rt2可交换时则全部交换,可交换条件同所述交换两节课程的交换条件一致;
S500,对局部最优解使用改进模拟退火算法处理,首先策略选择解的交换邻域并进行交换生成新的邻域解,对该邻域解使用爬山算法得到局部最优邻域解,采用Metropolis准则概率接受局部最优邻域解,如接受则该邻域解为新的局部最优解,如不接受则回退至原局部最优解并降低已选择邻域再次被选择的概率系数,新解优于最好局部最优解时则将新解作为最好局部最优解课表,更新模拟退火温度;
S600,循环所述S500直至达到退出条件,输出最好局部最优解课表结果,生成对应的排课表;
其中,
所述S500具体包括:
对局部最优解课表使用改进模拟退火算法处理,包括:
S510,计算所有教学单元违反硬性约束与软性约束的惩罚值;
S520,策略选择扰动比例ζ*|TU|个教学单元;
S530,对课表解中选择的教学单元执行的扰动生成扰动解,并使用爬山算法生成新的局部最优解;
S540,采用Metropolis准则概率接受局部最优邻域解为新的局部最优解,即:Δt=新局部最优解惩罚值-原局部最优解惩罚值,Δt0接受,Δt0则以概率exp(-Δt/T)接受,如接受则该邻域解为新的局部最优解,如不接受则回退至原局部最优解并降低已选择邻域再次被选择的概率系数,已选择教学单元再次被选择的概率惩罚值等于其原值乘以概率下降系数γ;
S550,新的局部最优解优于最好局部最优解时则将新解作为最好局部最优解课表;
S560,更新模拟退火温度为原温度乘以温度下降系数κ;
所述S520选择策略包括:
“精英保留”策略,采用时,S510所述的惩罚值最大的教学单元将被选择;
“轮盘赌”选择策略,采用时,S510所述的教学单元被选择的概率与其惩罚值成正比;
“锦标赛”选择策略,采用时,每次选择时先随机选择“锦标赛”系数η个教学单元,然后从这η个教学单元中选择惩罚值最大的教学单元;
所有选择为无放回无重复的选择,是否采用“精英保留”策略由参数α确定,使用“轮盘赌”还是“锦标赛”选择策略由参数β确定;
所述S600具体包括:
S610,循环执行步骤S500,直到循环次数达到最大循环次数δ,或者步骤S500连续没有更优解的次数达到连续无最优解退出次数λ时或者最好局部最优解惩罚值为0,循环退出;
S620,最好局部最优解为排课表结果,输出学生课表、老师课表、教室课表、班级课表、年级课表、课程课表。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于珠海丰实科技有限责任公司,未经珠海丰实科技有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911118987.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种信息审核方法和装置
- 下一篇:一种基于微服务的大数据实时处理装置
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理