[发明专利]一种基于人工鱼群的走班排课方法、系统、装置和介质

说明书

本发明涉及一种基于人工鱼群的走班排课方法、系统、装置和介质，方法包括获取排课基本数据，根据所述排课基本数据建立走班排课模型；根据所述排课基本数据和所述走班排课模型，设置所述走班排课模型的目标优化函数和约束条件；基于人工鱼群优化方法，利用所述约束条件和所述目标优化函数对所述走班排课模型进行求解，得到优化走班排课方案。本发明基于人工鱼群方法，能够同时兼顾排课成功率、排课方案优化程度率和排课效率，解决了现有排课系统走班难、排课难和管理难的技术问题，鲁棒性强，排课成功率高，排课方案优化程度高，排课效率高，自适应程度高。

技术领域

本发明涉及教学管理技术领域，尤其涉及一种基于人工鱼群的走班排课方法、系统、装置和介质。

背景技术

随着新高考政策的逐步实施，传统的“大一统”的教学形式已经无法满足学生选学的需要，走班制将成为普通高中教学组织方式的必然选择。走班制是指学科教室和教师固定，学生根据自己的能力水平和兴趣愿望选择自身发展的层次班级上课，不同层次的班级，其教学内容和程度要求不同，作业和考试的难度也不同的教学方法。在这种教学模式下，课程安排涉及的因素和限制的复杂性都显著增加。同时，学校自身教室资源以及教师资源的缺乏问题，也为排课增加了许多难度。手动排课已然不适用于当前的走班制制度，需要一种智能、高效的自动排课方式来获得较为合理的排课方案。

排课问题实际上指的是把学校里面的课程、教师和学生在适当的课节内分配到合适的上课地点内，是一个由多个因素影响的求整体最优解问题，也就是时间表问题。目前解决这一复杂的求解问题的自动排课方法，主要有模拟退火算法和遗传算法回溯算法等。但上述方法在不同程度上出现了不可避免的缺陷，例如，模拟退火算法全局搜索能力差、求解最优解的准确度不够，遗传算法虽然求解最优解的准确度可以达到要求，但是需要编码、运行时间长、效率不高。

因此，还没有一种能同时兼顾排课成功率、排课方案优化程度和排课效率的走班排课方法。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于人工鱼群的走班排课方法、系统、装置和介质，能够同时兼顾排课成功率、排课方案优化程度率和排课效率，解决了现有排课系统走班难、排课难和管理难的技术问题。

本发明解决上述技术问题的技术方案如下：

一种基于人工鱼群的走班排课方法，包括以下步骤：

步骤1：获取排课基本数据，根据所述排课基本数据建立走班排课模型；

步骤2：根据所述排课基本数据和所述走班排课模型，设置所述走班排课模型的目标优化函数和约束条件；

步骤3：基于人工鱼群优化方法，利用所述约束条件和所述目标优化函数对所述走班排课模型进行求解，得到优化走班排课方案。

本发明的有益效果是：首先获取排课基本数据，便于建立符合实际情况的走班排课模型，再设置走班排课模型的目标优化函数和约束条件，便于后续对走班排课模型的求解更符合实际情况，得到满足要求的优化走班排课方案；由于在一次走班排课中，满足要求的走班排课方案有多种，本发明采用一种新的人工智能方法，即人工鱼群方法来对走班排课模型进行求解，一方面可以走班排课方案进行自适应地优化，得到全局最优的优化走班排课方案，排课成功率和方案优化程度高，另一方面无需额外编码和较长的运行时间，排课效率高，同时，还避免了传统遗传算法中易出现的过收敛情况，不利于针对突发情况而对走班排课方案的调整；

本发明的走班排课方法，基于人工鱼群方法，能够同时兼顾排课成功率、排课方案优化程度率和排课效率，解决了现有排课系统走班难、排课难和管理难的技术问题，鲁棒性强，排课成功率高，排课方案优化程度高，排课效率高，自适应程度高。

在上述技术方案的基础上，本发明还可以做如下改进：