一种基于差分进化算法的高校排课方法技术

一种基于差分进化算法的高校排课方法，将排课算法问题转化成差分进化算法的问题，排课算法的因素和差分进化算法的算子相对应。时间安排算法与课室安排算法相结合，在排课过程的不同阶段，建立起优先的课室集，指导算法一直寻找最合适的课室，实时地对各类课室类型的资源和数量进行动态维护，避免了差分进化算法出现未成熟就收敛等问题，也有效地解决了“甩课”问题。

【技术实现步骤摘要】

本专利技术涉及一种差分进化算法的应用，尤其涉及一种基于差分进化算法的高校排课方法。
技术介绍
差分进化(Differential Evolution,DE)算法是由Rainer Storn和Kenneth Price为求解切比雪夫多项式而于1996年共同提出的一种采用浮点矢量编码在连续空间中进行随机搜索的优化算法。DE的原理简单，受控参数少，实施随机、并行、直接的全局搜索，易于理解和实现。差分进化算法是基于群体智能的随机并行优化算法，通过模仿生物群体内个体间的合作与竞争产生的启发式群体智能来指导优化搜索。DE特有的记忆能力使其可以动态跟踪当前的搜索情况，以调整其搜索策略，实现自适应寻优，因此具有较强的全局收敛性和鲁棒性，且不需要借助问题的特定信息，适于求解一些利用常规的数学规划方法所无法求解的复杂环境中的优化问题。
技术实现思路
本专利技术的目的是，为了寻求一种科学的高校排课方法，本专利技术提供一种基于差分进化算法的高校排课方法。实现本专利技术的技术方案是，一种基于差分进化算法的高校排课方法，将排课算法问题转化成差分进化算法的问题，排课算法的因素和差分进化算法的算子相对应。时间安排算法与课室安排算法相结合，在排课过程的不同阶段，建立起优先的课室集，指导算法一直寻找最合适的课室，实时地对各类课室类型的资源和数量进行动态维护，避免了差分进化算法出现未成熟就收敛等问题。所述排课算法步骤为:（1）随机建立初试种群组成不同的可行解决方案；（2）进行变异操作；（3）进行交叉操作；（4）进行选择操作；（5）判断是否达到终止条件，达到则输出最优解，否则转（2）。所述时间安排算法为：（1）根据班级的数据生成一张空白课表；（2）建立初始种群，随机建立n组教学任务装入空白课表；（3）对种群的每个个体进行变异操作得到变异个体；（4）对种群中的每个个体进行交叉操作得到实验个体；（5）进行选择操作:从父代个体和实验个体中选择一个作为下一代个体；（6）产生新种群，如果达到最大进化代数或满足误差要求则算法终止，否则跳转到（3）。所述排课算法的因素与差分进化算法算子相对应的对应关系包括：基因：组成染色体的单元，定义时间t和一门课程构成一个“时间-课程”与一个待定的教室相对应，设这样的一个组合为一个基因。染色体：为待求解问题的一个可能解，由基因连接组成染色体，即一种可能的排课方案也是差分进化算法操作的基本对象。初始种群：随机生成若干种排课方案的集合，表示基于差分进化算法的排课的搜索空间。所述排课算法的因素与差分进化算法算子相对应的对应关系还包括：变异算子：差分进化算法的变异算子为每个个体生成一个对应的临时个体，成为“变异个体”。交叉算子：将多个父代个体按照一定的规则进行交叉组合，实现局部开采。选择算子：采用贪婪选择策略来对种群进行更新，通过比较新生成的实验个体与当代种群中对应个体的优劣，选择适应度值更优的个体作为子代进入新种群。终止条件：表示迭代的条件限制，当达到设定值或者搜寻到最优解之后，终止操作。本专利技术的有益效果在于，本专利技术提供一种基于差分进化算法的高校排课方法，将排课问题转化成差分进化算法的问题，排课问题的因素和差分进化算法的算子相对应。时间算法与课室安排算法相结合，在排课过程的不同阶段，建立起优先的课室集，指导算法一直寻找最合适的课室，实时地对各类课室类型的资源和数量进行动态维护，避免了差分进化算法出现未成熟就收敛等问题，也有效地解决了“甩课”问题。具体实施方式下面结合具体实施方式对本专利技术做进一步详细说明。本专利技术实施例主要提供一种基于差分进化算法的高校排课方法。本实施例的排课算法题步骤为：（1）随机建立初试种群组成不同的可行解决方案；（2）进行变异操作；（3）进行交叉操作；（4）进行选择操作；（5）判断是否达到终止条件，达到则输出最优解，否则转（2）。其中，其时间安排算法为：（1）根据班级的数据生成一张空白课表；（2）建立初始种群，随机建立n组教学任务装入空白课表；（3）对种群的每个个体进行变异操作得到变异个体；（4）对种群中的每个个体进行交叉操作得到实验个体；（5）进行选择操作:从父代个体和实验个体中选择一个作为下一代个体；（6）产生新种群，如果达到最大进化代数或满足误差要求则算法终止，否则跳转到（3）。本实施例中排课算法与差分进化算法中的对应关系包括：基因:组成染色体的单元，定义时间t和一门课程构成一个“时间-课程”的对每个对于一个待定的教室相对应，设这样的一个组合为一个基因；染色体:为待求解问题的一个可能解，由基因连接组成染色体，即一种可能的排课方案也是差分进化算法操作的基本对象。初始种群:随机生成若干种排课方案的集合，表示基于差分进化算法的排课的搜索空间。变异算子：差分进化算法的变异算子为每个个体生成一个对应的临时个体，成为“变异个体”。交叉算子：将多个父代个体按照一定的规则进行交叉组合，实现局部开采；选择算子：采用贪婪选择策略来对种群进行更新，通过比较新生成的实验个体与当代种群中对应个体的优劣，选择适应度值更优的个体作为子代进入新种群；终止条件：表示迭代的条件限制，当达到设定值或者搜寻到最优解之后，终止操作。本专利技术实施例提供的一种基于差分进化算法的高校排课方法，将排课问题转化成差分进化算法的问题，排课问题的因素和差分进化算法的算子相对应。时间算法与课室安排算法相结合，在排课过程的不同阶段，建立起优先的课室集，指导算法一直寻找最合适的课室，实时地对各类课室类型的资源和数量进行动态维护，避免了差分进化算法出现未成熟就收敛等问题，也有效地解决了“甩课”问题。本文档来自技高网...

【技术保护点】
一种基于差分进化算法的高校排课方法，其特征在于，所述方法将排课算法问题转化成差分进化算法的问题，排课算法的因素和差分进化算法的算子相对应；时间安排算法与课室安排算法相结合；在排课过程的不同阶段，建立起优先的课室集，指导算法一直寻找最合适的课室，实时地对各类课室类型的资源和数量进行动态维护，避免了差分进化算法出现未成熟就收敛；所述排课算法步骤为：（1）随机建立初试种群组成不同的可行解决方案；（2）进行变异操作；（3）进行交叉操作；（4）进行选择操作；（5）判断是否达到终止条件，达到则输出最优解，否则转（2）。

【技术特征摘要】
1.一种基于差分进化算法的高校排课方法，其特征在于，所述方法将排课算法问题转化成差分进化算法的问题，排课算法的因素和差分进化算法的算子相对应；时间安排算法与课室安排算法相结合；在排课过程的不同阶段，建立起优先的课室集，指导算法一直寻找最合适的课室，实时地对各类课室类型的资源和数量进行动态维护，避免了差分进化算法出现未成熟就收敛；所述排课算法步骤为：（1）随机建立初试种群组成不同的可行解决方案；（2）进行变异操作；（3）进行交叉操作；（4）进行选择操作；（5）判断是否达到终止条件，达到则输出最优解，否则转（2）。2.根据权利要求1所述一种基于差分进化算法的高校排课方法，其特征在于，所述时间安排算法为：（1）根据班级的数据生成一张空白课表；（2）建立初始种群，随机建立n组教学任务装入空白课表；（3）对种群的每个个体进行变异操作得到变异个体；（4）对种群中的每个个体进行交叉操作得到实验个体；（5）进行选择操作:从父代个体和实验个体中选择一个作为下一代个体；（6）产生新种群，如果达到最大进化代数或满足误差要求则算法终止；否则跳转到（3）。3.根据权利要求1所述一种基于差分进化算法的高校排课方法，...

【专利技术属性】
技术研发人员：丁青锋，邱翔，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：江西;36