[发明专利]基于粒子群算法的新高考排课方法

说明书

基于粒子群算法的新高考排课算法属于神经网络领域，运用粒子群算法，解决了新高考“3+3”模式中的排课问题，结合教育部所规定的教师授课计划，考虑到中学排课的实际应用情况，得到最优化处理后的令人满意的随机排课结果。本发明满足新高考政策下排课问题的硬约束条件，保证同一教师不同时出现在两个教室且无多名教师同时出现在一个班的情况。本发明能满足新高考政策下排课问题的软约束条件，保证每班每科目每天最多一节课，教学计划同步推进，保证所需教师数和教室数最少，将教学资源合理分配，减少教师和教室冗余。本发明满足新高考政策下排课问题的用户自定义约束条件，输入科目与时间段对应的得分权重后，排课结果向用户输入条件方向移动。

技术领域：

本发明属于神经网络领域，设计实现一种新高考政策下运用粒子群算法进行排课的方法。

背景技术：

随着我国教育事业的不断发展，计算机智能排课系统在教务信息管理系统中得到越来越广泛的应用。排课的本质就是为所有的课程安排一组适当的教学时间和地点，使教学工作能够顺利进行。排课问题是各学校在教学资源管理、最优化配置上面临的主要难题。新高考政策下的排课难度更大。

新高考政策许可考生从“史地政物化生”这六门课程中选取三门课程作为自己的考试科目，而不再仅仅受限于只能选文科或者理科。这样提高了学生选择的自由度，可以最大程度发挥学生的特点。学生选择自己擅长的三门课程参加高考以后，剩余的三科只需要通过会考即可，但同时带来的问题就是学校需要为他们开设不同选课模式的班级，大幅度增加了学校教务处的排课任务。

排课问题已经被证明是NP完全问题。针对于原始排课问题，有不少学者运用穷举法、模拟退火算法、遗传算法、蚁群算法等方法进行实现，可以达到较好的效果。但针对新高考政策下的排课问题，目前没有较成熟的实现方法。在侯发毅学者《基于3+3新高考模式下的走班教学管理系统设计与实现》中，虽对新高考政策的概念进行了阐述，并用UML建模的方法实现了走班教学管理系统，但该系统主要是通过对选课信息进行整理，自动排课后如果效果不好还需要人工调整，也就是说该系统中排课模块不具备自动优化功能。我们可以认为该系统更偏向于系统信息管理，排课模块并不完善。同时，智能排课目的就是要避免人工参与，如果不能得到资源配置合理的最优课表，那么排课的结果就不具有意义。除此以外，再无学者对新高考政策下的排课问题进行研究。

目前，粒子群算法被广泛应用于最优化问题。粒子群算法和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它通过追随当前搜索到的最优值来寻找全局最优。粒子群算法优势在于容易实现、精度高、收敛快。另外，粒子群算法是一种并行算法。针对于排课问题，本发明通过粒子群算法，寻找最优课表。

排课问题的约束条件分为三类：硬约束调价，软约束条件，用户自定义约束条件。其中硬约束条件包括：同一位教师同一时间不能在不同班级上课，同一个班级同一时间只能安排一门课，每个班级必须有一个班主任等。软约束调价包括：所需教师总数最少，所需教室总数最少，某科目不出现连堂或者不在一天上多节课等。用户自定义约束条件指排课系统使用者添加的特殊限制条件。本发明规定用户自定义约束条件为：副科和自习尽量不出现在上午，语数英尽量不出现在下午。当一组课表可以满足硬约束条件，才具有应用价值。在此基础上，课表越满足软约束条件，则越符合实际情况。在满足硬约束条件和软约束条件的情况下，课表越满足用户自定义约束条件，则课表的用户满意度越高，我们认为该课表越优。

在新高考政策下解决排课问题时，我们会遇到随之而来的更严峻的挑战。如果使用穷举法排课，无法得到随机结果，也就无法进行最优化处理，此时我们判断课表优劣后如果不满意就需要人为进行修改，与智能排课的目的相违背。

在新高考政策下，如果进行部分走班制排课，那么走班时间固定，在该时间内的课间学生们在楼道中忙于换教室。相比于课间长校园大的大学来说，在中学进行部分走班制显然不符合实际。同时，我们还要将优质教师资源分配给高水平的学生，这就要求我们对学生进行分层教学。综合考虑，我们必须对教学班进行排课，将所选三科相同的学生分到一个班，再对教师和教室资源进行分配。