基于遗传算法的高校排课系统.doc

基于遗传算法的高校排课系统 1?基于遗传算法排课系统的问题背景：? ??随着近几年各个高校的合并与扩招，我国的综合性大学和各个高校中在校的学生数量的大大增加，对于高校教务部门来说，排课工作是非常令人头痛的事，经常会出现课程排列冲突，比如：一个教师在同一时间上两门课，有两个教师同时去一个教室上不同的课程，一些公共课程需要几个班合上(如计算机基础课)，一些英语的基础课程必需安排在拥多媒体的语音室进行教学，有些教师在特定时间不可以上课等。如果没有很好地解决这些冲突，必将产生教学混乱等现象。可见，排课算法的正确性、高效性是非常关键的。? 2?遗传算法用生物学在计算机科学中的描述：? 在生物系统中，进化被认为是一种成功的自适应方法，具有很好的健壮性遗传算法搜索的假设空间中，可以如下描述遗传算法。? ??遗传算法（GA）是一种受生物进化启发的学习方法，它不再是从一般到特殊或从简单到复杂地搜索假设，而是通过变异和重组当前已知的最好假设来生成后续的假设,每一步，更新被称为当前群体的一组假设，方法是使用当前适应度最高的假设的后代替代群体的某个部分? ??这个过程形成了假设的生成测试的柱状搜索，其中若干个最佳当前假设的变体最有可能在下一步被考虑?? 3?遗传算法一般共同结构及流程：? 首先产生一个初始种群，然后对这个种群中的每一个个体进行适应度计算，适应度即表示了个体对环境的适应程度。计算后的个体进行是否满足优化准则判定，如果满足，那么算法找到了这个个体并停止，如果不满足准则，那么算法将对这个种群进行选择、复制、交叉、变异操作，遗传操作的目的是从初始种群中筛选出较优异的个体进行演变，这其中包括复制优秀个体重生、两个父个体进行交叉和单个个体的变异这三种方式，对演变后的子代群体，重新进行优化准则判定，如此循环下去，直到找到一个最优个体，或者达到其它循环条件为止。其基本结构如图? ?以下是遗传算法的伪代码。 ?Void?yichuan() ?{? Int?I=0 //循环参数? Initialize?P(i)??//先产生一个新的种群? Infitness(i)??//计算种群适应度? While?(?not?Terminate-Condition) ?{? Reprodureperator?C(I);?//?选择操作? Crossoverperator?C(I);//交叉操作? Mutationperator?C(I);?//变异操作? Infitness(i)//再次计算机种群适应度? I++??//?循环函数加一?? }? }??????选择操作(Reprodureperator)? 交叉操作(Crossoverperator)? 变异操作(Mutationperator)??L={l1，l2，…，lp，…，lP}；班级集合：C?=?{c1，c2，…，cm，…，cM}?；教室集合：R?=?{r1，r2，…，rn，…，rN}?；教师集合：S={s1，s2，…，sk，…，sK}?；时间集合：T={t1，t2，…，td，…，tD}；①?同一时间，一个教师不能同时有一门以上的课程，记为R1：R1≤1，其中：k=1，…，K；d=1，…，D0=1?教师sk?在时间td?和教室rn?上课程lp；0则否。? ②?同一时间，一个班级不能同时有一门以上的课程，记为R2：R2≤1，其中：m=1，…，M；d=1，…，D0=1班级cm?在时间td?上教师sk?的课程lp；0则否。? ③?同一时间，一个教室不能同时有一门以上的课，记为R3：R3≤1，其中：?n?=?1，…，N；d?=?1?，…，D0=1教室rn在时间td由教师sk上课程lp；0则否。?? ? ? 5?排课系统中的遗传基因及应用：? 排课过程：? 1、产生遗传因子：产生初始的因子序列。? 2、对因子序列进行杂交：将产生的两个因子序列充分杂交。?3、对杂交后的因子序列优化、筛选，产生最优课程解。?? 排课的过程中，首先产生一个以时间、教室、课程、班级为基数的课程因子，如用字符串0000?0000?0000?0000基因来表示一组初始因子，即第0号时间段，在0号教室，上0号课程，上课的班级为0号班级。用1111?1111?1111?1111基因来表示另一组初始因子，即第n号时间段，在n号教室，上n号课程，上课的班级为n号班级。? 利用这两个初始因子，开始进行杂交，然后产生一系列的课程因子。利用优化函数对课程因子进行筛选，再重新杂交，直到得到满意的结果为止。? 在此过程中，掌握好判定因子是否达到最佳状态是关键。我们可以利用一个判定函数来进行确定。? 首先，将产生的新因子与前面因子进行比对，如果因子已经存在，则舍弃。?其次，在比对的过程中，如果发现因子之间违背了数