混沌遗传算法在高校排课系统上应用.doc

混沌遗传算法在高校排课系统上应用 　　摘 要 排课问题有很多制约因素，其目的是要找出各因素间的最佳对应关系，因此高校排课问题就是一个非线性组合优化问题。遗传算法是解决非线性组合优化问题的有效智能算法，但是遗传算法可能会陷入局部最优的局面，并且收敛速度比较慢。为了弥补这些缺陷，本文利用混沌的遍历性、随机性、内在规律性和遗传算法的反演性，采用混沌遗传算法来解决高校排课问题。实验结果表明：当运行趋于稳定状态时，该混沌遗传算法比遗传算法收敛速度快、能更有效地求得全局最优解 关键词 排课 混沌优化 混沌遗传算法 中图分类号：G642 文献标识码：A DOI：10.16400/j.cnki.kjdks.2016.12.007 Abstract There are many constraints in the course of scheduling， the purpose is to find out the best correspondence between the various factors， so the problem is a nonlinear combinatorial optimization problem. Genetic algorithm is an effective intelligent algorithm to solve nonlinear combinatorial optimization problems， but the genetic algorithm may fall into the local optimal situation， and the convergence speed is relatively slow. In order to make up these defects， this paper uses the chaos of the ergodic， random， intrinsic regularity and genetic algorithm inversion， using chaos genetic algorithm to solve the problem of college course arrangement. The experimental results show that the chaotic genetic algorithm can get the global optimal solution faster than the genetic algorithm when the operation is stable. Keywords course scheduling； chaos optimization； chaos genetic algorithm 美国Michigan大学的John Holland教授最早提出了遗传算法。它是一种解决NP完全问题的有效方法。De Jong首先将其用于函数优化问题的研究中，并验证了GA是一种解决优化问题的有效的算法。Dorigo利用遗传算法对高中课程进行排课，也验证了GA是一种有效的排课算法。但是对于复杂的非线性系统优化问题的求解，GA仍有许多缺陷，如进化过程的过早收敛；无法保证收敛到全局最优解；群体中最好的染色体的丢失等。为了避免出现这些问题，本文把混沌引入到遗传算法中（即混沌遗传算法），利用混沌序列的内在规律性，有效地引导交叉和变异操作 1 建立数学模型 1.1 模型描述 假设学校有N个班，N={ni|i=1，2，3，…，N}，各个班级人数为{i|=1，2，3，…，N}；班级集合有T个教师，T={t1，t2，…，tT}；课程总数为S，S={s1，s2，…，sS；教室??数为R，R={r1，r2，…，rR}，各教室可容纳人数为{x1，x2，…，xR}；时间段数为M个，M={m1，m2，…，mR} 1.2 模型中的约束条件 1.2.1 软约束条件 （1）满足教师所提出的上课时间和地点的特殊要求。（2）多学时课程的周安排要错开，一般对于每周多学时的课程应该能够尽量将其隔1天以上安排才能保证有较好的教学效果。（3）在排课过程中较难的课程最大程度地安排在授课效果较好的节次中，比如上午上课效果要比下午效果好 1.2.2 硬约束条件 （1）同一时间，同一班级不能同时有两门以上的课程。（2）同一时间，同一个教师不能同时有两门以上的课程。（3）同一时间，同一个教室不能同时有两门以上的课程。（4）分配的教室可容纳人数应该大于等于上课的班级的学生人数 1.3 建立的数学模型 排课问题的数学模型是一个组合优化问题，