用禁忌算法解决高中排课问题.doc

用禁忌算法解决高中排课问题 摘要: 禁忌搜索被称为是在解决一个各种难的组合问题的高效方式，其中包括时间表。这分论文用禁忌搜索解决真实世界的高中时间表的问题。该算法有两个阶段：用贪婪算法的初始化阶段和使用禁忌搜索改进阶段。在禁忌搜索算法三种移动使用：单移动，交换移动和块移动。该算法的实现已有效试验在越南两所高中。 关键词：排课，高中时间表，共通启发式演算法，禁忌搜索。 1引言 一般来说，高中时间表问题包括每周都在适当的时期安排学校的讲座，但高中学校的差异让大多数算法不能够单凭一种算法就能有效地解决所有高中的问题。我们在本文中考虑的问题是由采取了现实世界中越南学校的问题,我们提出的解决方案的解决了这个具体问题。 像大多数的教育时间表问题，高中时间表是已知是NP难题。由于该问题的复杂性，在近数十年来（从20世纪80年代），共通启发式演算法是解决组合难题的优秀方法。其他热门的共通启发式演算法如遗传算法，模拟退火，禁忌搜索...已应用于高学校排课成效显着[8] - [10-12]。 我们用来解决我们的问题的方法是禁忌搜索，这是第一次由弗雷德·格洛弗于1989年推出了[2]。到现在为止，许多学界的科学家已经改革了禁忌搜索算法的不同版本来解决高中时间表的问题[4-6] - [13]。我们的建议是用禁忌搜索算法的求解概率一个简单而有效的适应适当的时间分配连续的讲座块LEM。我们在两所高中做实验。结果在合理的时间得到的（少于十五分钟）。 本文组织如下：第2节给出禁忌搜索的概述及发展，第3节描述了我们认为高中时间表的细节问题，第4节介绍了该算法的细节，第5节呈现的实验结果，而第6节示出的结论。 2禁忌搜索 禁忌搜索算法是一种用于求解最流行的启发式组合优化问题的方法。现在我们简要介绍一下最基本的禁忌搜索的组成部分。我们指的[9]进行了全面的描述与各种变种和这种算法许多有效的额外策略。 从一个初始解，搜索迭代，从一个解寻找另一个搜索空间的不同部分，试图找到一个解决方案，最小化目标函数的值的一个函数，评价—该解决方案的成本。在每一次迭代中，选择一个解决方案当前的解决方案，以及在这个迭代的搜索空间的一部分是根从它产生的，这部分被称为当前解的邻域。禁忌列表是用来储存信息的最近应用的移动。移动目前被储存在禁忌表中被称为禁忌移动。这些动作是被禁止的只要他们仍然在禁忌表中使用。然而，一些禁忌移动有足够的高度来提高目前的解决方案，并应考虑使用，这意味着他们的禁忌状态应该被丢弃，这就是为什么使用意愿准则。在每次迭代中，如果它们被检查，将检查禁忌动作满足愿望的标准，如果他们这样做，他们的禁忌状态会下降迅速—地。在许多情况下，吸入的标准，常常是，“如果新方案—应用禁忌移动到当前的解决方案的目标函数的值小于迄今为止发现的最好的解决方案，这将是禁忌的从禁忌列表中删除。”3问题高中排课问题，本文考虑的是从两越南的高中。它包括寻找一组课程和一个地图之间的地图这样一种方式，满足了高中的要求尽可能。过程是一组演讲（演讲持续了一个时期），有相同的老师，上课和课题。课程的主要信息包括教师这门课，一门或几门课，在—涉及的主题和一些讲座属于本课程。课程同一个老师或同一个班级被分为一个有冲突的课程群。有3个硬约束，必须满足，和7个软约束，尽可能地满足。 第一硬约束（H1）：一个课程的数量在一个连续[ minconsecutivelectures范围，maxconsecu—tivelectures ]。第二硬约束（）：教师不能被分配给他们不可用时间。第三硬约束（H3）：所有课程必须分配。第一软约束（S1）：。第二软约束（S2）：（应在[ minsessions范围，maxsessions ]。第三软约束（S3）：课程分配到的时期，他们优先。第四软约束（S4）：空闲时间的讲座在一个的老师应该避免一个类。第五软约束（S5）：期间，一类是分配在一个应等于或小于maxstudyingperiods。第六软约束（S6）：。第七软约束（S7）：那是指定老师的会话数应该尽可能小。（注意：每门课程都有自己的minconsecutivelectures，maxconsecutivelec—的特点，minsessions和maxsessions参数）目标函数 wi and di是重量和对违反软约束数。在这一阶段，课程分块（一块是一组连续的LEC—等），例如，课程的时间是5期（即包括5讲）分为两块： 2-lecture块和3-lecture块，这些块将分配到适当的时期。所有这些步骤都是使用贪心算法完成的。每一步的细节描述如下：1。对于每一个课程，列出了所有的块分裂的方式，即，本课程的方法可以分成块。例如：课程的持续时间是6个时期，其minconsecutivelectures是2它是3 m