基于web技术和人工智能算法高校智能排课系统研究.docVIP

基于web技术和人工智能算法高校智能排课系统研究 　　【摘 要】高校排课工作的繁琐是所有高校都面临的实际困难，如何构建一个使用方便且效率高的实验排课系统成为高校迫切需要解决的问题。本文从实验室资源统调这一角度出发，结合我校的实际情况，提出了一个基于PHP的web技术实时智能排课系统，结合人工智能算法进行功能建模，为高校师生提供了一个高实时性，高准确性且方便快捷的使用平台，从一定程度上减少了排课人员不必要的工作，改变了原有的管理模式，提高了排课效率。 　　【关键词】实验室排课；人工智能算法；功能建模 　　0 引言 　　实验室排课一直就是实验室管理者的一项经常性工作，然而大学实验室仪器设备种类繁多，用途和性质都各有不同给资源调度带来了一定的困难。各学科又都面临着诸如实验室资源使用紧张等问题。所以，如何利用先进的信息技术，实现对实验室排课工作有效、合理的管理，是实验室系统的建设者和实验管理职能部门需要考虑的重点问题。 　　1 现状以及问题 　　各高校目前都有自己的排课系统，但各系统设计中都没有考虑到各学科实验室性质不同、实验仪器设备使用状态的差异、大型设备与小型设备能支持同时参与实验的学生人数不同等情况，而是将实验课以一个一个的课室为单位实行课程排列，与多媒体课室做同样的排课处理，这样必然会导致资源使用不合理，约束性大；同时没有专门的实验排课系统，也更加凸显了实验室资源无法统一调度、易用性较差等矛盾。 　　合理的资源安排同时也反映在排课的模式上，然而传统意义上的排课模式单一，没有根据实际情况弹性排课，导致实验人员工作量过大，造成人力资源的浪费，排课需要花费的时间过长，无法应对突发情况而重新对实验室进行排课，这些都是实验室管理人员需要面对的问题。 　　传统的实验室排课系统多数基于整数单目标规划求近似最优解的方法，并逐渐朝着多目标规划和启发式算法框架下前进，传统意义上的排课主要缺点表现在以下几个方面： 　　1）全校实行统一的排课方法，模式单一，实验课与理论课没有办法做到分开排列，无法兼顾实验需求，灵活性差?? 　　2）没有按照专业、班级的特点，在实验集中的时间弹性排课，因工作量过大而影响实验室管理人员的工作效率，加大了工作人员的心理排斥力。 　　3）传统的功能制模式已不能适应教学模式转变的需要，跟不上实验课程的各种变化。 　　4）没有考虑到班级学生人数与实验室可用仪器设备数量匹配度，无法弹性操作。 　　5）排课需要花费的时间过长，传统的排课算法决定了硬件资源的占用量大，占用率高，直接导致的问题就是无法应对突发情况而重新对实验室进行排课，以适应实际需要。 　　目前的实验室排课系统仍然存在不少的技术缺陷，需要苛刻的环境、昂贵的设备、漫长的时间等代价作为弥补，不能很好满足当前高校需求。目前排课系统的发展趋势正朝着高实时性、高准确性以及高抗干扰性等方面发展。随着计算机技术的发展，近年来，人工智能算法也被用来解决实验人员排课问题。 　　2 实时排课系统的设计 　　本文探讨设计了一个实验室实时智能排课系统，前端页面设计采用php+html动态网页技术设计，服务器端采用wampserver，运行于windows server 2008服务器系统。系统可实现由用户自主输入信息的同时，从数据库中读取已有的存储信息：包括班级数量、每个实验课的各种请求、班级人数、课程覆盖要求、课程分配情况以及分配的时间长度下，根据不同的使用情况，结合算法分析计算出最优方案进行智能排课，同时给出约束性满足情况以及排课需要的各项性能指标，最后返回实验室排课序列。系统设计能够有效地改善以往排课系统软件中诸多弊端，是实验室专用排课系统，节省时间、人力资源和物力资源。 　　2.1 系统功能建模 　　系统在设计的时候使用了功能建模。功能建模是指在业务建模的基础上，梳理出业务体系所在的问题域的层次关系，确定系统边界，明确关系接口，划分不同的子系统，确定各个子系统之间的功能，按照“系统―子系统―功能―程序”的思路编排，且需说明解决哪部分业务以及功能间的关系。 　　系统采用功能建模的好处： 　　1）可靠性高、易用性强、准确率高无冲突； 　　2）实时性强，计算时间短，信息回馈速度快； 　　3）求解的质量高，能满足大多数约束性请求； 　　4）能应付各种突发状况，弹性适应能力强； 　　5）系统可维护性强，扩展性好，浏览方便。 　　2.2 关键算法合理化探讨 　　系统从数据库中快速提取配套资源信息，使用带约束性的机制从新生成初始解值，以达到最佳的初始值效果，为下一步算法处理作好准备。读取完数据后采用混合型算法进行数据分析。混合型算法通过对数据解空间的分离，然后分别进行搜索，得到各个解空间的局部最优解后，再对各个解进行综合匹配，使最终结果临近最优解