[发明专利]一种在多约束条件下高效分班、排课的方法

说明书

技术领域

本发明涉及到学校利用计算机分班、排课的方法，具体为一种在多约束条件下高效分班、排课的方法。

背景技术

1975年，S.Even等人论证了课程表问题是NP完全类问题。由于课程表问题所涉及的信息较多，并且求解课程表问题最优解的时间复杂性是课程表规模的指数级，所以一般采用求近似最优解的算法。在现实生活中，人们一般也只是要一个满足各种条件的近似最优解，或者说满意解，而不一定非要最优解不可。因此，对于课程表问题，关键不是如何找到最优解，而是如何提高解的满意度。

传统的人工进行排课，最令人担心的问题就是出现教师资源冲突或场地资源冲突的情况，而且工作繁琐，工作量巨大，尤其是规模较大的中学进行排课时出现的问题更多。现有的解决排课问题的方法主要是回溯法和遗传算法，其中回溯算法是所有搜索算法中最为基本的一种算法，其采用了一种走不通就返回的思想作为其控制结构，其相当于采用了先根遍历的方法来构造解答树，可用于找解或所有解以及最优解；回溯算法对空间的消耗较少，当其与分枝定界法一起使用时，对于所求解在解答树中层次较深的问题有较好的效果，但其在后继节点可能与前继节点相同的问题中使用，会产生循环。回溯算法应用在排课问题中，就是排不过去就调课，不能调课就倒退，而且记忆走过的路，以此节约时间，但由于回溯法是一种穷举的办法，空间消耗虽然小，可是时间开销却非常大，时间收敛慢，有时可能将好的课表错过。遗传算法则是从代表问题可能潜在解集的一个种群开始的，在每一代，根据问题域中个体的适应度大小挑选个体，并借助代表于自然遗传学的遗传算子进行组合交叉和变异，产生出代表新的解集的种群。这个过程导致种群像自然进化一样，后生代种群比前代更加适应于环境，末代种群中最优个体经过解码，可以作为问题的近似最优解。遗传算法应用在排课问题中，是逐步接近设定目标，先按初始条件将课程排入到课表中，排满之后根据后续条件逐步通过调课达到目标，进行逐步的进化，用遗传算法排课空间消耗大，其是随机产生很多课表之后根据条件检查，不符合条件的放弃，留下来的再模仿遗传做随机改动，形成很多新的子课表，不符合条件的放弃，直到完成任务；其模拟自然选择和遗传，即优胜劣汰、适者生存，并没有主动依据条件生成课表，存在一定的盲目性，这也必然导致大量时间的浪费。

发明内容

本发明的目的在于，针对现有技术中存在的技术缺陷，提供一种可在多个约束条件下，能够节省空间和时间，有明确目的，可以主动的快速合理完成分班、排课任务的方法。

为达到以上目的，本发明采用的技术方案是：一种在多约束条件下高效分班、排课的方法，包括以下步骤：

(1)赋值：制定并公布学期课程列表，设定每门课程的场地范围、一周课时量和课程允许的排课时段，给每个学生分配100分的选择教师的总权分，学生选课时给每位任课老师给出分数；

(2)分班：统计学生选课信息，按以下规定分班：a.同一个行政班的选课相同的学生尽量分在一个教学班中，同时兼顾一个教学班来源的行政班数尽可能少；b.在场地和科目的实际要求下，每门选修课按权分从高到低吸收选课学生，组成新的教学班；c.每个教学班中设置一定比例的名额按b规定实施，剩余比例按a规定办法实施；

(3)换算：根据设定数据和统计数据，换算所设置课程进行排课的难度系数z，并按从大到小的顺序为其排序，其中z＝(s/t)+(k/w)；k为系数、w为场地范围、s为一周课时量、t为课程允许的排课时段；

(4)排课：开始进行排课，在任课指定的场地，从符合任课时段的初始位置找能排的位置。不能排好的，在一个设定的时间内反复找合适的位置；依然不能排好的，做少量调课再排；若还不能满足条件则跳过这一排课任务，接着排下一课程；完成最后一个排课任务后检查所用课程是否排完；没有排完的课程再通过补排课自动逐一按顺序排课，若多次补排课依旧不能排好的；最后由人工半自动辅助排完所有的课。