基于改进人工蜂群算法的高校自动排课问题的研究

为了解决人工蜂群算法在排课问题上无法跳出局部最优的问题,提出一种基于混沌算法的混合人工蜂群算法(HABC算法)。HABC算法在寻优过程中重视食物源对蜂群的影响,增加邻近区域内对新食物的最优求解,利用两个进化因子来加快算法寻优的速度,在观察蜂后期利用混沌算法防止陷入局部最优。根据高校实际排课约束情况,构建数学模型。应用结果表明,混合人工蜂群算法与传统的人工蜂群算法相比,在相同条件下进行自动排课测试,HABC算法在寻优性能和收敛速度上都有显著的优势。

基于B/S结构的排课系统数据库设计

排课系统是高校教务管理中的重要部分,随着学生规模的扩大和课程的日新月异,如何高效解决学生的学习需求和教室及教师之间的冲突成为重难点。传统的Excel管理方式已无法满足需求,因此需要引入数据库管理排课信息。文章主要介绍排课系统的数据库设计,包括需求分析、逻辑结构设计、实体属性定义和信息表设计等。通过引入浏览器/服务器模式(Browser/Server,B/S)架构和关系型数据库,教务管理人员、学生和教师随时随地进行课程排列与查询,提高工作和学习效率。同时,数据库性能设计和安全性设计也是该系统的重点考虑因素。

基于SpringBoot的实验室预约排课系统的设计与实现

随着在校学生数量的持续增长,实验室资源的合理分配与高效利用成为教务管理中的重要挑战。为解决上述问题,文章提出一种基于SpringBoot架构的实验室排课管理系统。该系统在功能设计上全面整合师生的需求以及实验室排课管理的详细流程,同时,解决传统排课方式中繁琐并易出错的问题。通过该系统,能满足院校实验室的日常管理和排课需求,简化排课流程并提高资源利用率,同时降低错误率。

基于深度强化学习的自学习排课遗传算法研究

排课是教学活动中一项常规而重要的事项,传统的人工排课方式费时费力,且容易出现错误,无法满足大规模排课的需求,而经典排课遗传算法存在收敛速度过快、排课效率随约束因素的增加而下降等问题。针对已有排课遗传算法存在的问题,提出一种基于深度强化学习的自学习排课遗传算法(GA-DRL)。GA-DRL算法利用Q-learning算法,实现了交叉参数和变异参数的自适应调整,增强了遗传算法的搜索能力,通过建立马尔可夫决策过程(MDP)的参数动态调整模型,对种群适应度函数进行状态集合的分析,实现对种群的整体性能的综合评价。同时将深度Q-网络算法(DQN)引入调度问题中,以解决排课中种群状态多、Q表数据量大的问题。实验结果表明,与经典排课遗传算法和改进的遗传算法相比,GA-DRL算法在正确率和寻优能力上有所提升。所提算法还可以应用于考场安排、电影院的排座和航空航线规划等问题。

高校二级排课研究与实践

针对教师和班级的不同要求,分别设计两种排课方法,并提出局部调整的措施,最后进行实例验证。研究工作将为二级学院排课提供有益的借鉴。

学分制下对排课管理模式的研究与思考——以L大学为例

优化排课管理模式、落实选课制是全面深化学分制改革,提高本科人才培养质量的重要举措。学分制是以选课制为核心,以学分衡量学生学习成果,践行了“以学生发展为中心”这一理念的教学管理制度。L大学探索学分制改革背景下排课管理模式的实施路径,对产生相关问题的原因进行分析、提出解决思路,以期创新课表编排方式,提高师生满意度,努力编排出更科学、合理、个性化的课表,进一步深化学分制改革,提升本科人才培养质量。

基于遗传算法的高职院校排课模型的研究

受职业院校诸多客观条件的影响,对职业院校排课系统的研究已经落后于职业院校的发展。文章设计了一种新型的排课数学模型,并将基本遗传算法进行了改进,提出了迭代初期和末期的新概念,在初期和末期采用不同的交叉、变异概率。在迭代的过程中,为了避免算法过早收敛采用了不断加入新鲜个体的策略。经改进的遗传算法具有简单、速度快、易实现的特点,更符合高职院校的排课要求。

中医药院校二级排课模式探究——以福建中医药大学为例

排课是高校教学管理中的一项基础且非常重要的工作,是学校维持正常教学秩序、完成教学任务的保证。然而,中医院校排课过程受多种因素制约,是一项非常复杂的工程。文章以福建中医药大学为例,论述了中医药院校排课现状,对基于强智教务管理系统下的二级排课模式进行探讨,对相应问题提出解决思路,为高校教务管理人员提供参考。

回溯算法与计算机智能排课

用计算机进行排课在我国还是一个较新的尝试，根据在武汉大学进行计算机排课的实践，分析了排课问题的数学模型，发现利用回溯算法进行计算机处理是一条比较现实的途径，给出了一个普遍的处理流程，同时对其排课效果进行了分析和探讨。

关联规则在高校智能排课系统中的应用

在我们设计的高校排课系统中 ,采用了关联规则FP -growth算法的思想来处理排课冲突的问题。实践证明这一方法显著地提高了课表生成的效率。文中介绍了运用改进的FP

基于遗传算法的排课系统

排课系统在教务管理系统中是比较常见的一个模块 ,但在多约束条件情况下 ,要排出一张高质量的课表并不容易。通过使用遗传算法 ,对初始课表进行优化 ,并用Matlab进行编程 ,试验结果表明 ,遗传算法对课表的优化有着比较显著的作用。

基于高校排课系统中的图论问题研究

文章针对高校排课系统的现状,转化教师、班级、教室之间的关系为集合关系,然后,从中建立两个二部图模型来解决:教师与上课班级的二部图;每节课与教室的二部图。第一个问题转化为求二部图最小匹配数,第二个问题转化为求二部图中渗透集合每个点的一个匹配。

基于遗传算法的排课系统的设计与实现

排课问题是典型的组合优化和不确定性调度问题,并且是NP完全问题。将遗传算法应用于求解课表问题,并将一天分为十二节课,对排课问题中的课时分配及时间安排进行了灵活分配以适应大学上课的需要。在进行课表初始化、课程安排和冲突处理时采用了时间片重叠法,即在每次安排课程时,根据班级课程表,授课教师时间表以及教师意愿表找出其中符合课时需要的重叠有空的时间单元安排课程,如果没有找到符合条件的时间单元,则优先选择教师有空的时间单元安排课程。实验表明,这种方法有较好的效果。

学分制下以课程为中心的计算机排课系统设计

随着当前招生规模不断扩大和学分制改革不断深入,传统学年制下以班级为核心的排课方法已经难以继续。论文所提出的以课程为中心的计算机排课系统正好可用于解决当前高校复杂的大规模排课问题。在此基础上,笔者设计了学分制下以课程为中心的计算机排课系统的业务模型,同时并对在此模型基础上的排课问题中的几个关键问题给出了解决方法。

基于优先级自动排课算法PCSA的设计与实现方案

用计算机辅助排课具有排课时间短、人力省和质量高的优点 ,根据北京工商大学排课的要求 ,设计了基于优先级的自动排课算法 ( Priority- based Course Scheduling Algorithm,PCSA) ,论述了算法的总体设计思想及实现方案 .本算法通过使用划分等价类、计算优先级等方法大大降低了课程调度的算法复杂度 。

遗传算法在高校排课系统中研究与实现

随着高校的不断扩招和合并,由于教学资源的有限,合理的安排教学计划已经成为一个日益严峻的问题.排课以及教室的合理利用已经成为教学计划管理的一项重要工作.本文通过对遗传算法和高校排课需求的研究,从教室调度,冲突检测和时间规划三个方面进行深入分析,并且对对应算法的流程进行了详细的描述和设计.通过遗传算法里面的选择、交叉、变异等具体方法对初始种群不断进化,并最终获取最优化的课表.最后本文通过Visual C++实现该排课系统,验证了算法的可行性.

基于改进回溯算法的计算机排课系统

计算机排课算法一直是一个没有被完美地解决的NP难题,国内外都在对它进行广泛的研究.基于一个中专院校的自动排课系统的实现,通过对当前各种算法的研究、对比、总结,发现当前的排课算法可以分为构造型算法和改进型算法两类,并且这两种算法有着各自的优缺点.为此吸取了遗传算法(改进型算法)和回溯法(构造型算法)的优点,在回溯法中引入了拟人策略和遗传算法中的评价、惩罚机制,经过实际应用的验证,该算法特别适合应用在实际的排课系统中.

禁忌搜索求解排课问题的应用研究

提出了一种基于禁忌搜索算法的排课问题解决方案,结合了经典的网络流算法与现代启发式的禁忌搜索算法,使得两种算法优势互补,带来了更好的处理问题的能力.经实际数据的仿真验证,该算法具有一定可行性和适用性.

基于群体优势遗传算法的高校排课问题研究

深入分析了高校排课问题,建立了高校排课问题的数学优化模型,构建了基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案:新的二进制编码方案、初始种群生成方案、适应度函数设计方案、群体优势策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。

基于改进粒子群算法排课问题研究

排课问题属于背包问题中具有重要实用价值的一类优化组合难题,描写了如何利用粒子群算法解决排课中的多种冲突。但由于粒子群算法有收敛速度慢且易收敛于局部最优的缺点,针对排课问题中最优解的分布特点,对粒子群算法进行了改进。改进后的算法与传统算法相比有着较高的收敛速度和计算精度,可以在解空间内高效地寻找到全局最优解。