遗传算法在高职院校排课问题中的研究与应用.docxVIP

遗传算法在高职院校排课问题中的研究与应用 　　[摘要]随着我国教育改革的不断推进，高职教育的教学形式变得越来越丰富，在这样的情况下，传统的排课方式已经无法适应现阶段规模不断扩大的教学活动。为了适应这种现状，必须研究出一款符合高职院校教学活动要求的排课系统。本文将就基于遗传算法的高职院校排课系统进行研究，用于解决现阶段高职院校遇到的排课问题，为高职教育发展提供助力。 　　[关键词]遗传算法;高职院校;排课 　　[中图分类号]g640[文献标识码]a[文章编号]1671-5918（2019）01-0076-03 　　doi：10.3969/j.issn.1671-5918.2019.01.034[本刊网址]http：// 　　前言 　　随着我国教育体制的不断完善，我国高职教育获得了迅猛的发展，为我国社会各行业输出了许多技术型人才。随着招生规模的持续扩大，广大高职院校的专业体系也变得越来越丰富完善，这就为排课工作带来了巨大的压力。面对越来越复杂的排课问题，很多高职院校往往需要花费大量的时间。为了解决这一问题，必须采取先进技术措施予以解决。 　　一、遗传算法概述 　　（一）遗传算法的概念。遗传算法是从生物进化理论中衍生出的一种全局搜索优化的概率性算法。根据生物进化理论，在一个种群中，单个生物个体是无法实现遗传进化的，因此种群中的个体所表现出的特征往往存在一定的差异性，这是因为每个生物都具有独一无二的染色体，染色体中则包含了遗传因子。不同个体之间随机交配产生下一代种群，通过基因交叉、突变和自然选择使种群更好地适应外部自然环境。遗传算法正是脱胎于上述过程，通过遗传迭代一定代数后，获得适应度最高的种群，深刻体现了适者生存的自然规则。 　　遗传算法的共同流程如下：首先，构建一个候选解组集。其次，基于一定的适应性条件对这些候选解的适应度进行计算。在此，通过适应度的对比分析淘汰一定的候选解。最后，对保留下来的候选解进行一定的操作，生成新的候选解。将上述内容综合起来，即可对遗传算法进行定义：基于染色体群的并行搜索，带有猜测性质的选择操作、交换操作和突变操作。 　　（二）遗传算法的特点分析。目前，遗传算法已经成为解决搜索问题的一种通用算法，在各类通用问题中都能够发挥着有效的作用。其特点主要包括以下几个方面： 　　1.遗传算法是从问题解的串集开始搜索，这是其于传统优化算法最大的区别。因此它避免了传统算法从单个解人手可能误入局部最优解的问题，覆盖范围更加寬广，实现了全局择优。 　　2.遗传算法可以对群体中的多个个体进行同步处理，更加有利于实现并行化。 　　3.遗传算法不需要使用到搜索空间的知识和其他辅助信息，而是利用适应度函数值对个体进行评估，这时的遗传算法的应用范围更加宽广。 　　4.遗传算法具有自组织、自适应以及自学习性。通过遗传算法对进化过程中获得的信息进行自行组织搜索时，个体的适应度越大，其生存概率也就越高，并获得更适应环境的基因结构。 　　5.遗传算法采用的并不是不确定性规则，而是通过概率的变迁规则对搜索方向进行引导。 　　6.遗传算法本身采用了动态自适应技术，因此可以通过自动调整算法对进化过程中的参数以及编码精度进行控制。 　　目前，遗传算法广泛应用许多学科，函数优化和组合优化是其应用的两个主要领域。现如今，人们构造除了许多形式复杂的测试函数，这类函数具有非线性、多模型以及多目标的特征，在对其优化问题进行研究时需要应用遗传算法。同时，随着问题规模的增大，组合优化问题的搜索空间也随之扩张，面对复杂问题的求解，遗传算法也是最优化的工具。 　　二、高职院校教学活动的特点以及排课的约束条件 　　（一）高职院校教学活动的特点分析 　　高职院校属于专科，其学制为3年，由于高职院校专业课程往往实践性和理论性并重，因此在毕业之前，学生往往需要进行半年左右的顶岗实习，因此告知学生在学校的学习时间最多为两年半。在这段时间内，学生需要完成包括公开课、专业基础课以及专业实践实训课在内的所有课程，时间十分紧张。与此同时，一些发展时间较短的高职院校各方面力量都存在一定的不足，教师的工作量相对较高，为了缓解压力，高职院校通常会从校外聘请一部分兼职教师。 　　在课程安排上，高职院校的教育教学目标是培养具有综合职业能力的高素质人才，因此除了理论教学外，同时也更加注重学生动手实践能力的培养。因此在专业课程体系中，实验实训课程所占的比例很高，基本上可以达到一半。在实验实训课程开展时对教学条件的要求较高，需要高职院校建设专门的实验实训场地。还有部分实验实训活动需要深入到社会企业中开展，这就要求高职院校排课活动必须考虑