【技术实现步骤摘要】
本专利技术属于时间规划，尤其涉及一种基于非线性规划的课余时间智能设计方法。
技术介绍
1、大学生对于时间的规划特别重要，时间规划表起到提前规划作用。学生可以根据该表进行课程预习、自主学习规划、休息娱乐等活动。时间安排表能让学生合理的安排时间，养成较好的时间观念和效率意识，有效地利用时间资源，达成个人的重要目标。其次学生在疲劳时能得到良好的休整，获得更多的精力。一定的休息是对学习最大的保障，足够的休息时间能够提升一个人的学习效率。同时学生会更有兴趣学习与参加更丰富的活动。
2、制作一份编排合理的时间安排表，不仅要顾及到课程安排、考试时间等要素，更要符合学生心理活动的规律，大脑的劳逸规律，以便把握大脑活动的最佳时期，争取在得到最好的学习效果的同时身心健康发展。
3、在大学阶段，学生的空余时间相比以往大幅增加，对于空余时间的合理安排显得尤为重要。因此如何合理安排大学生的空余时间，并找到最优时间安排表，成了一个社会广泛关注的问题。
4、现有技术提供了一种常见的课余时间管理系统是基于规则设定的时间管理软件。这种软件允许用户自定义活动类型(如学习、休息、运动等)，然后根据预设的时间规则，生成每天的活动计划。
5、现有技术存在的问题：
6、1.缺乏个性化：这种基于规则的时间管理软件主要依赖于用户自定义规则，但每个人的时间管理需求和习惯都是独特的，这种方法无法充分满足个性化需求。
7、2.无法自动优化：在现有的时间管理软件中，用户需要手动设定规则，如果发现现有的规则不合适，
8、3.无法处理复杂场景：现有的时间管理软件主要是线性规划，对于一些复杂的时间管理问题，例如同时考虑效率和心情指数，现有的方法无法有效处理。
9、4.缺乏数据支持：现有的方法主要依赖于用户设定的规则，而不是基于数据进行决策。这种方法无法利用大量的数据进行模型训练，提高规划的准确性。
10、综上所述，现有的基于规则设定的时间管理软件在个性化、自动优化、处理复杂场景以及数据支持等方面存在一些明显的技术问题。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种基于非线性规划的课余时间智能设计方法。
2、本专利技术是这样实现的，一种基于非线性规划的课余时间智能设计方法，包括：
3、s1：利用因素确定模块确定影响空余时间规划的因素，把这些因素以函数的形式表达，把抽象的各种条件用数字来度量；
4、s2：利用函数拟合模块使用二次函数拟合学生的心情指数和学习收益，以得到最优时间规划表；
5、s3：利用假设模块对课程表与时间安排进行假设；
6、s4：利用时间划分规则确定模块时间划分规则；
7、s5：利用空余时间规划模型建立模块建立空余时间规划模型，并进行求解；
8、s6：利用模型检验模块对空余时间规划模型进行检验。
9、进一步，所述s3具体包括：
10、假设课表固定且不变，假设半期考试与期终考试的时间，并对于节假日的放假时间做了假设；
11、将一学期(3-17周)分为八个类型课表：
12、第一类：3-4周
13、第二类：5-7周
14、第三类：8周(节假日)
15、第四类：9周
16、第五类：11周
17、第六类：12周(节假日)
18、第七类：13-15周
19、第八类：10,16,17周(考试周)
20、根据各类型的课表，构造不同的矩阵；
21、假设7:30进行早自习，早自习结束并第一节课程开始的时间为8:30；一个学期内学生完成30次体育锻炼，假设进行一次体育锻炼的时间是0.5小时，假设学生在19:00-21:35进行体育锻炼，并且在前30次该时间段的空闲时间进行；
22、假设在双休日学生起床后开始学习的时间为8:30；
23、假设每周必须完成的作业量如下：数学分析3h，高等代数2h，文明经典1.5h，英语3h，创新能力培养2h，普通物理2h；
24、假设在每个时间区块中，学习与休息时间为整段时间；
25、假设考试的时间都在该日的第一节课，并且最后一门考试结束后的当天的所有空闲时间都是休息时间；第十周的考试在周六上午第一节课；第十六周的考试在周三，周五，周日第一节课；第十七周的考试在周三，周五，周日第一节课；
26、对上述时间段，在早自习，上课，午休，晚餐时，tij＝1,考试时，tij＝*，其他时间段取0，当tij＝*时，不考虑该项带来的任何影响，构造对应如下的矩阵：
27、
28、令fi＝7:30,8:30……12:35；
29、gi＝8:30,10:10……23:35，i＝1,2……9，则有：
30、
31、令f1为心情指数的减益与学习时间的关系函数；
32、f2为心情指数的增益与休息时间的关系函数；
33、f3为学习收益的增益与学习时间的关系函数；
34、令心情指数为a,学习收益为b,初始状态下，a＝100,b＝0；
35、令剩余体育锻炼的次数为t，初始状态下,t＝30；
36、令其中i＝1,2,……9；
37、在分块的时间段中，学习时间为x，休息时间为y，体育锻炼时间为z，其中：andxij＝x+y；for xij in table and xij≠1。
38、进一步，所述s4具体包括：
39、在早自习，上课，午休，晚餐时，tij＝1,考试时，tij＝*，其他时间段取0，当tij＝*时，不考虑该项带来的任何影响，构造对应如下的矩阵：
40、
41、令fi＝7:30,8:30……12:35；
42、gi＝8:30,10:10……23:35，i＝1,2……9，则有：
43、
44、令f1为心情指数的减益与学习时间的关系函数；
45、f2为心情指数的增益与休息时间的关系函数；
46、f3为学习收益与学习时间的关系函数；
47、令心情指数为a,学习收益为b,初始状态下，a＝100,b＝0；
48、令剩余体育锻炼的次数为t，初始状态下,t＝30；
49、令其中i＝1,2,……9；
50、令在分块的时间段中，学习时间为x，休息时间为y，体育锻炼时间为z，
51、其中：andxij＝x+y；for xij in table and xij≠1；
52、其中，f1和f2可以共同表示为g(x,y)，(其中x为学习时间，y为休息时间)；
53、利用0,1规划与非线性规划，满足每周本文档来自技高网...
【技术保护点】
1.一种基于非线性规划的课余时间智能设计方法，其特征在于，包括：
2.如权利要求1所述基于非线性规划的课余时间智能设计方法，其特征在于，其特征在于，步骤S1具体包括以下步骤：
3.根据权利要求2所述的课余时间智能设计方法，其特征在于，在因素确定模块中，影响课余时间的因素可能包括学习效率、体育活动、家庭作业时间和社交活动时间，这些因素通过数据挖掘技术如关联规则挖掘或聚类分析自动发现。
4.根据权利要求2所述的课余时间智能设计方法，其特征在于，在函数拟合模块中，可以使用机器学习算法如支持向量机或随机森林进行函数拟合，以自动学习和优化学习效益和心情指数的拟合函数。
5.根据权利要求2所述的课余时间智能设计方法，其特征在于，在空余时间规划模型建立模块中，可以使用深度学习算法如深度神经网络或强化学习进行模型建立和求解，以自动建立更复杂的空余时间规划模型并进行求解。
6.如权利要求1所述基于非线性规划的课余时间智能设计方法，其特征在于，所述S3具体包括：
7.如权利要求1所述基于非线性规划的课余时间智能设计方法，其特征在
8.如权利要求1所述基于非线性规划的课余时间智能设计方法，其特征在于，所述建立空余时间规划模型具体包括：
9.一种实施如权利要求1-8任意一项所述基于非线性规划的课余时间智能设计方法的基于非线性规划的课余时间智能设计系统，其特征在于，该系统包括：
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求9所述基于非线性规划的课余时间智能设计系统。
...【技术特征摘要】
1.一种基于非线性规划的课余时间智能设计方法，其特征在于，包括：
2.如权利要求1所述基于非线性规划的课余时间智能设计方法，其特征在于，其特征在于，步骤s1具体包括以下步骤：
3.根据权利要求2所述的课余时间智能设计方法，其特征在于，在因素确定模块中，影响课余时间的因素可能包括学习效率、体育活动、家庭作业时间和社交活动时间，这些因素通过数据挖掘技术如关联规则挖掘或聚类分析自动发现。
4.根据权利要求2所述的课余时间智能设计方法，其特征在于，在函数拟合模块中，可以使用机器学习算法如支持向量机或随机森林进行函数拟合，以自动学习和优化学习效益和心情指数的拟合函数。
5.根据权利要求2所述的课余时间智能设计方法，其特征在于，在空余时间规划模型建立模块中，可以使用深...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。