一种基于改进遗传算法的走班制下的高中排课方法技术

本发明专利技术涉及一种基于改进遗传算法的走班制下的高中排课方法，根据课程是否分层将其分成走班课程和非走班课程两类，并使用两次遗传算法对其排课。先使用遗传算法对走班课程进行排课。得到对走班课程排课的最优解后，将该最优解填入第二次进行遗传算法的初始种群中，再使用遗传算法对非走班课程排课，得到最优解后，进行优化操作，即可解码获得最优解。本发明专利技术提出的基于改进遗传算法的走班制下的高中排课方法可以得到合理的排课方案，满足学生个性化发展的需求，有助于教师因材施教，降低了走班制下高中排课工作的复杂度，具有较强的实用性。

An improved genetic algorithm based class scheduling method in Senior Middle School

The present invention relates to a senior high school scheduling method based on improved genetic algorithm, which is divided into two classes based on whether the course is stratified or not, and uses two genetic algorithms to arrange the course. First, genetic algorithm is used to schedule classes. After getting the optimal solution to the course of the course, the optimal solution is filled into the initial population of second times, and then the optimal solution is obtained after the optimal solution is obtained after the optimal solution is obtained by using the genetic algorithm. The high school scheduling method based on the improved genetic algorithm based on the improved genetic algorithm can get a reasonable arrangement of the course arrangement, meet the needs of the students' individualized development, help teachers to teach students in accordance with their aptitude, reduce the complexity of the high school scheduling under the shift system, and have strong practicality.

【技术实现步骤摘要】
一种基于改进遗传算法的走班制下的高中排课方法
本专利技术涉及遗传算法的应用，特别是一种基于改进遗传算法的走班制下的高中排课方法。
技术介绍
随着新高考政策的逐步实施，传统的行政班“大一统”的教学形式已经无法满足学生选学的需要，走班制将成为普通高中教学组织方式的必然选择。走班制是指学科教室和教师固定，学生根据自己的能力水平和兴趣愿望选择自身发展的层次班级上课，不同层次的班级，其教学内容和程度要求不同，作业和考试的难度也不同的教学方法。它在突破了学生选学个性化受限的藩篱的同时，也造成了行政班与教学班交错的情况。在这种教学模式下，课程安排涉及的因素和限制的复杂性都显著增加。同时，学校自身教室资源以及教师资源的缺乏问题，也为排课增加了许多难度。手动排课已然不适用于当前的走班制制度，需要一种智能、高效的自动排课方式来获得较为合理的排课方案。使用传统的遗传算法对走班制教学模式下的课程进行排课时，存在一些无法忽视的弊端。首先，针对中小学排课的排课算法大多根据传统的教学模式设计，不适用于走班制下的排课；其次，其约束条件未考虑到走班制课程的特点。如中学的教室资源有限，且每个年级上课的教室相对固定，而传统的针对非固定行政班级的算法通常应用于高校排课中，其教室资源往往丰富且分散，排课得到的结果不符合中小学的实际情况；最后，很多排课算法在设计适应性函数时未能充分考虑教师和学生的需求。
技术实现思路
本专利技术的目的在于提供一种基于改进遗传算法的走班制下的高中排课方法，以克服现有技术中存在的缺陷。为实现上述目的，本专利技术的技术方案是：一种基于改进遗传算法的走班制下的高中排课方法，包括如下步骤：步骤S1：根据课程是否分层，将其类型分成走班课程和非走班课程；步骤S2：通过采用第一次遗传算法对所述走班课程进行排课操作；步骤S3：通过所述步骤S2得到一走班课程对应的最优解后，将该最优解带入第二次遗传算法的初始种群中，对所述非走班课程进行排课操作，得到一非走班课程对应的最优解；步骤S4：通过优化操作以及解码操作，获得排课最优解，进而获取排课结果。在本专利技术一实施例中，在所述步骤S1中，按照中学课程的性质，将课程分为统一高考课程、高中学业水平考试课程以及其他非高考课程；所述统一高考课程包括：语文、数学以及英语；所述高中学业水平考试课程：物理、化学、生物、政治、历史、地理；所述其他非高考课程：美术、音乐、体育；将所述高中学业水平考试课程的6门课程分为走班课程，将所述统一高考课程和所述其他非高考课程分为非走班课程。在本专利技术一实施例中，在所述步骤S2中，将每个年级的班级分为若干个组，同一组中所有相同课程安排在相同的时间，即每个组仅有一个走班课程的周课表，还包括以下步骤：步骤S21：对走班课程对应的排课操作中的参数进行编码；步骤S22：通过采用所述第一次遗传算法进行排课操作，得到一个走班课程最优方案。在本专利技术一实施例中，在所述步骤S21中，将教师和课程构成一个元组，作为第一次遗传算法的基因，进而构造染色体；还包括如下步骤：步骤S211：基因编码；每个基因表示排课任务中的课时，包括：教师编号：教师编号为4位；前2位表示该教师所在年级，后2位表示该教师在其所在年级的编号；课程编号：课程编号为4位；前2位表示该课程所属年级，后2位表示该课程在其所属年级的编号；课时数：课时数为1位，表示该教师所教授的该课程的周课时数；课时序号：课时序号为1位，表示该课时在该教师所教授的该课程在一周中课时的序号；课程类型：课程类型为2位，表示该课程的类型，或者重要程度；步骤S212：构造染色体；构建以全年级班级为列，一周的授课时间段作为行的二维数据表；将教师—课程组合体基因作为元素放到班级—时间组合表中。在本专利技术一实施例中，在所述步骤S22中，还包括如下步骤：步骤S221：初始化种群；步骤S222：计算适应度；步骤S223：选择算子；步骤S224：对种群中的个体进行交叉计算；步骤S225：选择种群中符合的个体进行变异计算；步骤S226：产生新种群，覆盖旧种群；如果不满足停止条件，则跳转到所述步骤S222，否则跳转到步骤S227；步骤S227：算法停止，得到所述走班课程最优方案。在本专利技术一实施例中，在所述步骤S221中，还包括以下步骤：步骤S2211：对于任一门课程，当其周课时数w小于等于一周的工作日5时，随机生成一个的随机组合数，组合中的数字表示该课程所在的天次；再随机分配一个1至8的随机数；步骤S2212：对于周课时数w大于5的课程，首先以每天一个课时将课程分配至对应的工作日中，然后再采用对周课时小于等于5的排课方式安排剩余的课时；步骤S2213：若分配的课时能同时满足班级时间无冲突和教师时间无冲突，即可将该教师-课程组合体基因填入时间表中；若产生冲突，则按照上述规则重新安排，直至所有基因无冲突且无重复地填入表中，即完成一条染色体的编码。步骤S2214：按种群规模的大小，产生对应数量的个体，每个个体都存放到一个按序编号的表中，由这些个体组成初始种群。在本专利技术一实施例中，在所述步骤S2213中，班级时间冲突检测包括如下步骤：步骤S221311：令i＝1；步骤S221312：记当前班级为Ci，时间段T＝1；步骤S221313：判断班级Ci在时间段T是否课程数为1；若是，进入步骤S221314；否则存在冲突，结束退出；步骤S221314：令时间段T＝T+1；步骤S221315：判断时间T是否在范围[0,40]内；若是，则回到所述步骤S221313；否则进入步骤S221316；步骤S221316：令i＝i+1；步骤S221317：判断班级Ci是否在班级范围[C1,...Cn]内；若是，回到所述步骤S221312；否则，结束退出；教师时间冲突检测包括以下步骤：步骤S221321：令i＝1；步骤S221322：记当前教师为Si，时间段T＝1；步骤S221323：判断教师Si在时间段T是否课程数为1；若是，进入步骤S221324；否则，存在冲突，结束退出；步骤S221324：令时间段T＝T+1；步骤S221325：判断时间T在是否在范围[0,40]内；若是，则回到所述步骤S221322；否则，结束退出；步骤S221326：令i＝i+1；步骤S221327：判断教师Si是否在教师范围[S1,...Sp]内；若是，则回到所述步骤S221322；否则，结束退出。在本专利技术一实施例中，在所述步骤S225中，还包括如下步骤：步骤S2251：根据预设的变异概率判断种群中所有个体是否进行变异；步骤S2252：对进行变异的个体随机选择一个节次n1；步骤S2253：随机选择一个与节次n1在同一天的另一节次n2；步骤S2254：判断n1与n2是否相等；若相等，则返回所述步骤S2253；否则，交换该个体中所有班级中n1和n2节次的课程。在本专利技术一实施例中，在所述步骤S3中，还包括如下步骤：步骤S31：对非走班课程的排课操作中的参数进行编码；步骤S32：使通过采用所述第二次遗传算法进行排课操作，得到一个非走班课程最优方案。在本专利技术一实施例中，在所述步骤S4中，根据课程的重要程度，在每一个班级的周课表中，对其每一天中的课程的重要程度进行对比；走班课程的节次保持不变，将重要程度高的非走班课程节次向前调整，将重要程度本文档来自技高网...

【技术保护点】
1.一种基于改进遗传算法的走班制下的高中排课方法，其特征在于，包括如下步骤：步骤S1：根据课程是否分层，将其类型分成走班课程和非走班课程；步骤S2：通过采用第一次遗传算法对所述走班课程进行排课操作；步骤S3：通过所述步骤S2得到一走班课程对应的最优解后，将该最优解带入第二次遗传算法的初始种群中，对所述非走班课程进行排课操作，得到一非走班课程对应的最优解；步骤S4：通过优化操作以及解码操作，获得排课最优解，进而获取排课结果。

【技术特征摘要】
1.一种基于改进遗传算法的走班制下的高中排课方法，其特征在于，包括如下步骤：步骤S1：根据课程是否分层，将其类型分成走班课程和非走班课程；步骤S2：通过采用第一次遗传算法对所述走班课程进行排课操作；步骤S3：通过所述步骤S2得到一走班课程对应的最优解后，将该最优解带入第二次遗传算法的初始种群中，对所述非走班课程进行排课操作，得到一非走班课程对应的最优解；步骤S4：通过优化操作以及解码操作，获得排课最优解，进而获取排课结果。2.根据权利要求1所述的一种基于改进遗传算法的走班制下的高中排课方法，其特征在于，在所述步骤S1中，按照中学课程的性质，将课程分为统一高考课程、高中学业水平考试课程以及其他非高考课程；所述统一高考课程包括：语文、数学以及英语；所述高中学业水平考试课程：物理、化学、生物、政治、历史、地理；所述其他非高考课程：美术、音乐、体育；将所述高中学业水平考试课程的6门课程分为走班课程，将所述统一高考课程和所述其他非高考课程分为非走班课程。3.根据权利要求1所述的一种基于改进遗传算法的走班制下的高中排课方法，其特征在于，在所述步骤S2中，将每个年级的班级分为若干个组，同一组中所有相同课程安排在相同的时间，即每个组仅有一个走班课程的周课表，还包括以下步骤：步骤S21：对走班课程对应的排课操作中的参数进行编码；步骤S22：通过采用所述第一次遗传算法进行排课操作，得到一个走班课程最优方案。4.根据权利要求3所述的一种基于改进遗传算法的走班制下的高中排课方法，其特征在于，在所述步骤S21中，将教师和课程构成一个元组，作为第一次遗传算法的基因，进而构造染色体；还包括如下步骤：步骤S211：基因编码；每个基因表示排课任务中的课时，包括：教师编号：教师编号为4位；前2位表示该教师所在年级，后2位表示该教师在其所在年级的编号；课程编号：课程编号为4位；前2位表示该课程所属年级，后2位表示该课程在其所属年级的编号；课时数：课时数为1位，表示该教师所教授的该课程的周课时数；课时序号：课时序号为1位，表示该课时在该教师所教授的该课程在一周中课时的序号；课程类型：课程类型为2位，表示该课程的类型，或者重要程度；步骤S212：构造染色体；构建以全年级班级为列，一周的授课时间段作为行的二维数据表；将教师—课程组合体基因作为元素放到班级—时间组合表中。5.根据权利要求4所述的一种基于改进遗传算法的走班制下的高中排课方法，其特征在于，在所述步骤S22中，还包括如下步骤：步骤S221：初始化种群；步骤S222：计算适应度；步骤S223：选择算子；步骤S224：对种群中的个体进行交叉计算；步骤S225：选择种群中符合的个体进行变异计算；步骤S226：产生新种群，覆盖旧种群；如果不满足停止条件，则跳转到所述步骤S222，否则跳转到步骤S227；步骤S227：算法停止，得到所述走班课程最优方案。6.根据权利要求5所述的一种基于改进遗传算法的走班制下的高中排课方法，其特征在于，在所述步骤S221中，还包括以下步骤：步骤S2211：对于任一门课程，当其周课时数w小于等于一周的工作日5时，随机生成一个的随机组合数，组合中的数字表示该课程所...

【专利技术属性】
技术研发人员：王秀，余春艳，陈璐，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35