基于离散粒子群算法机房排课问题与研究.docVIP

基于离散粒子群算法的机房排课问题研究 摘要：粒子群优化算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。本文通过改造离散粒子群算法使之适合机房排课问题的求解。从而达到为机房排课问题的解决提供一种新的思路。 关键词：粒子群优化算法；离散粒子群算法；机房排课 lab course problems study based on discrete particle swarm wang chao (chongqing business vocational college, chongqing 400036,china) abstract: the particle swarm optimization algorithm for its easy implementation, high accuracy, fast convergence advantages attracted the attention of academia, and demonstrated its superiority in solving practical problems. in this paper, the transformation of discrete particle swarm optimization to solving for lab course. so as to achieve the solution to the problem for the lab course provides a new way of thinking. keywords: particle swarm optimization algorithm; discrete particle swarm optimization; lab course 一、绪论 机房排课问题是典型的涉及多种因素的多目标组合优化问题，需要考虑学生学习效果、照顾教师合理的工作安排、充分利用机房资源等因素，传统的人工排课方式在资源紧张、约束条件复杂度增大的情况下，会遇到越来越多的冲突。如果排课的数据规模足够大，则很可能出现冲突难以解决的状况。而用计算机排课代替传统的手工排课将可以最大限度地利用各种排课资源，解决冲突。 计算机排课问题是一个多目标组合优化问题。国外从20世纪50年代末开始就对排课问题开展了研究。到目前为止，已知的解决排课问题的方法有：模拟手工排课法，图论方法，拉格朗日松弛法，二次分配法等多种方法。然而，随着排课问题的约束条件越来越复杂，对排课算法的要求也越来越高。 粒子群优化算法在函数优化、约束优化、极大极小问题、多目标优化等问题中均得到了成功的应用。在研究粒子群算法原理的基础上，本文通过改造离散粒子群算法[1,2]用于机房排课问题的求解取得了良好的效果。 二、机房排课问题的分析 （一）机房排课问题中的要素。机房排课问题涉及的要素主要有任课教师、课程、班级、时间、机房五个要素，其中教师、课程和班级三者之间的关系一般是在排课前就已经确定，机房排课问题的解空间实际上就是这五个要素之间的笛卡尔集。 1.任课教师要素。每位任课教师在同一时刻只能上一门课程。每位任课教师每天最多安排4节课。 2.课程要素。每门课程会预先确定开课班级、任课教师，在排课算法中会确定机房和时间。 3.班级要素。由于上机课不存在合班上大课的情况，因此每个班级的学生人数是固定的。在同一时刻一个班级只能上一门课。 4.机房要素。每个机房有固定的容量，机房中计算机的性能的高低及相关设备的配备情况决定机房适合上某种类型的课程。分为1，2，3，4类机房，分别适合上计算机应用基础、多媒体课程、设计类课程、网络课程。 5.时间要素。时间要素主要考虑一周中的教学工作日、每天可以安排的教学时间以及课次之间的时间间隔等。 （二）机房排课问题的数学描述。机房排课问题实际上就是将任课教师、课程、班级、机房四个要素合理地安排在一周五天工作日的相应时间里，目标是没有冲突。因此，在机房排课问题中共有五个相关要素。下面分别用五个集合来表示如下： 任课教师集合：t={t1，t2，……，tnt}；（nt表示任课教师总数） 课程集合：c={c1，c2，……，cnc}；（nc表示课程总数） 班级集合：l={l1，l2，……，lnl}；（nl表示班级总数） 机房集合：ar={ar1，ar2，……，arna}；（na表示机房） 上课时间集合：lt={lt1，lt2，……，ltnl}；（nl表示上课时间总数） 由任课教师、课程、班级、机房、上课时间五个要素构成的笛卡尔积t×c×l×ar×lt就是机房排课问题的解空间，机房排课问题的求解就是在解空间中找到那些满足约束条件的解。课程的数量越多，