基于Pareto多目标遗传算法的排课算法.docVIP

基于Pareto多目标遗传算法的排课算法 　　摘 要：中小学课表编排要考虑时间、空间和人员安排问题等多个目标的同时优化问题。传统方法是将多目标优化问题的多个目标函数通过适当方法（如加权法等）转化为单目标优化问题进行处理。该方法的缺点需要对优化问题掌握一定的先验知识，否则难以确定加权系数。针对传统多目标算法需要对目标掌握先验知识的缺点，本文提出一种基于Pareto多目标遗传算法的排课算法，并实验证明该方法的有效性。 　　关键词：遗传算法 Pareto 多目标 排课 　　中图分类号：TP311.13文献标识码：A 文章编号：1672-3791（2015）01（a）-0000-00 　　Curriculum Scheduling Algorithm based on Pareto Multi Object Genetic Algorithm 　　HE Yi-xuan 　　Class 12 Grade Three， Haizhou Senior High School of Jiangsu Province， Lianyungang 222023， China 　　Abstract： Curriculum scheduling for primary school and high school should not only to resolve the arrangement of time， room and personnel， but should also to optimize some other factors， and these factors need optimized simultaneously. For the weak point that traditional multi objective optimization algorithm should have priori knowledge before optimization， we propose a curriculum scheduling algorithm based on Pareto multi object genetic algorithm. Finally， an experiment is given to verify our algorithm. 　　KeyWord： genetic algorithm； multi object； Pareto； curriculum scheduling 　　课表编排系统的设计是整个教务管理信息系统的设计难点。除了要解决时间、空间、人员的安排问题，排课需要考虑的因素和指标还比较多，如课程安排的均匀程度、重要课程尽量安排在上午等。这些指标往往需要同时优化，即多目标优化问题[1-2]。由于往往多个目标不能同时最优，对各个目标的偏好不同，得到的优化解也不同。传统方法是将多目标优化问题的多个目标函数通过适当方法（如加权法等）转化为单目标优化问题进行处理。该方法的缺点需要对优化问题掌握一定的先验知识，否则难以确定加权系数。 　　针对上述问题，本文采用Pareto多目标遗传算法来进行优化计算。该方法无需对优化的各个目标掌握先验知识，并具有极强的鲁棒性、全局寻优能力和隐含的并行性等特点，使得该方法成为多目标优化方法中的一个研究热点。 　　1 排课系统设计 　　课表的安排除了要考虑教学计划、教师资源以及教室使用情况，同时还要以其他教学要求来评判课程安排的优劣，如： 　　（1）课程分布均匀，避免课程都集中在某一两天的情况； 　　（2）重要课程尽量安排在上午； 　　（3）对于一周多节的课程要尽量保证同一门课程两节之间时间间隔较长。 　　本文设定一个班级一天排6节课，上午排4节课，下午排2节课，即一周有30节课，因此每一节上课时间的变量在整数区间（1-30）上取值。量化排课优劣程度的方法如下描述： 　　（1）为了使重要课程尽量安排在上午，首先将每一节课的值进行修正：一周有n节课时，按先后顺序记课的值分别为1，2，…，n。其中，式中，若该节无课，则当前值设为0。假设排课结果为x1，x2，…，xn，评价函数f1（X）如式（1）所示： 　　（1） 　　由式（1）可以看出，当f1（X）的值越小时，课程就越集中在上午。 　　（2）对于使课程安排均匀，我们统计一周每天安排的课程数目，并求这5天课程数目的方差f2（X）。那么，方差f2（X）越小则排课越均匀。 　　（3）对于每周要安排多节的课程，要使同一门课程两节之间间隔的时间尽可能长，我们计算同一门课（每周需要安排多节的课程）两次值的相差绝对值。那么，一周内所有课的相差绝对值之和f3（X）越大，则课程安排越合理。