学位论文 > 优秀研究生学位论文题录展示
基于遗传算法的学分制下多校区排课系统的研究与实现
作 者: 杨小兵
导 师: 黄青松
学 校: 昆明理工大学
专 业: 计算机软件与理论
关键词: 遗传算法 排课 NP完全问题 约束条件
分类号: TP18
类 型: 硕士论文
年 份: 2010年
下 载: 94次
引 用: 0次
阅 读: 论文下载
内容摘要
排课是学校教学管理中十分重要且又相当复杂的管理工作之一,随着高等教育事业的发展,高校在校学生人数的不断增加,在教室资源、教师资源等教学资源有限的前提下编排课表显得更加繁重、复杂,同时课程表的编排也更成为教学管理工作的关键,在一定程度和深度上影响着学生培养与教学质量的提高。手工排课不仅占用大量的人力、花费太多的时间,而且排出的课表往往不尽人意。因此,如何利用计算机快速、高效、准确地编排出合理并且满意度较高的课表,是一项值得研究的工作。在实际研究中,由于排课受到各种条件的制约,开发出符合个体要求的排课系统是一件难事。排课问题是一个约束性强的、非线性的、多目标优化的NP—完全问题(NP-COMPLETE),而且还是一个组合优化问题,已经被证明属于NP难题。而遗传算法(genetic algorithms,简称GA)借鉴生物界自然选择和遗传机制发展起来的高度并行、自适应的随机搜索算法,使用群体搜索技术,尤其适用于处理传统搜索方法难以解决的复杂的非线性的问题,是一种非常有效的解决NP完全的组合问题的方法。由于本人在昆明理工大学教务处负责排课工作,在几年的工作中已经体会到排课的复杂性,要想在短期内排出一张令所有教师和同学都满意的课表难度很大。鉴于上述原因,根据昆明理工大学教务信息化建设的需求,结合本校多校区、规模大、各类教学资源相对紧缺的具体实际情况,为了能最大地提高排课效率和准确性,针对排课问题设计了一个适合我校的排课系统算法。本文将对遗传算法进行了初步研究,并针对我校多校区的排课问题,根据相关遗传算法和多目标优化理论的基础之上,提出了基于遗传算法的课表编排算法。该算法根据课表编排的三种约束条件:硬性约束、中性约束和软性约束,确定了课表编排过程中的一些关键因素,并给出了排课过程中产生冲突的解决方案,这种课表编排方案的随机生成和优化算法,能够较大程度地反映实际排课情况和尽量达到多个目标最优,实现一个适合我校实际情况的排课系统。
|
全文目录
摘要 3-4 Abstract 4-9 第一章 绪言 9-14 1.1 研究背景 9 1.2 研究意义及目标 9-11 1.3 排课问题国内外历史及现状 11-13 1.4 论文的组织结构 13 1.5 本章小结 13-14 第二章 相关技术 14-26 2.1 遗传算法简介 14-17 2.1.1 基本遗传算法的构成要素 14-15 2.1.2 基本遗传算法的形式化定义 15 2.1.3 基本遗传算法描述 15-16 2.1.4 基本遗传算法的基本流程 16-17 2.2 遗传算法的基本操作 17-19 2.3 基本遗传算法的运算过程与构造过程 19-21 2.3.1 遗传算法的运算过程示意图 19-20 2.3.2 遗传算法的应用步骤 20 2.3.3 遗传算法的主要构造过程示意图 20-21 2.4 遗传算法的特点 21-22 2.5 XML技术 22-23 2.6 DHTML技术 23 2.7 模式定理 23-25 2.8 本章小结 25-26 第三章 基于遗传算法排课系统需求分析 26-41 3.1 排课问题概述 26-27 3.2 排课问题的要素 27-30 3.2.1 排课问题所涉及因素 27-29 3.2.2 课程、教师的关联问题 29-30 3.3 排课过程的约束条件和排课规则 30-32 3.3.1 排课的约束条件 30-31 3.3.2 排课规则 31-32 3.4 排课问题是NP—完全类问题 32-33 3.5 昆明理工大学排课模型 33-40 3.5.1 多阶段排课 33-34 3.5.2 一级排课与二级排课 34-35 3.5.3 排课冲突检测模型 35-37 3.5.4 排课数据 37-40 3.6 本章小结 40-41 第四章 基于遗传算法的排课系统设计 41-61 4.1 系统设计目标和技术架构 41-42 4.1.1 系统设计目标 41-42 4.1.2 系统技术架构 42 4.2 系统总体功能结构 42-44 4.3 课表编排流程图及框架 44-45 4.3.1 课表编排流程图 44-45 4.3.2 排课遗传算法流程图 45 4.4 排课问题的数学描述 45-49 4.4.1 排课问题的优化求解模型 45-46 4.4.2 排课问题的约束满足模型 46-49 4.5 排课安排的难度量化 49-51 4.5.1 班级课表安排难度量化及影响因素 49-51 4.5.2 课程安排难排度量化及影响因素 51 4.6 遗传算法与排课的对应关系 51-52 4.7 排课遗传算法算法设计及课表编排 52-60 4.7.1 基因编码及染色体表示 52-54 4.7.2 初始种群 54-55 4.7.3 构造适应度函数 55-58 4.7.4 选择算子 58-59 4.7.5 交叉算子 59 4.7.6 变异算子 59-60 4.8 本章小结 60-61 第五章 基于遗传算法的排课系统实现 61-75 5.1 排课参数管理 61-63 5.1.1 自动排课权重设置 61 5.1.2 排课限制规则设置 61-62 5.1.3 时间节次参数设置 62-63 5.2 排课资源管理 63-64 5.2.1 屏蔽资源设置 63 5.2.2 时间资源管理 63-64 5.3 排课数据管理 64-66 5.3.1 排课任务优先级计算 64-65 5.3.2 排课批次管理 65-66 5.4 智能排课 66-68 5.4.1 自动排课参数维护 66 5.4.2 数据预处理 66-67 5.4.3 自动排课 67-68 5.5 手动调课 68-69 5.6 排课结果分析及课表输出 69-71 5.6.1 教室学时分析 69 5.6.2 教室学时分析 69-70 5.6.3 班级上课学时分析 70-71 5.6.4 排课结果分析 71 5.7 统计报表 71-74 5.7.1 教室课表输出 71-72 5.7.2 教师课表输出 72-73 5.7.3 班级课表输出 73 5.7.4 教室使用情况统计 73-74 5.8 本章小结 74-75 第六章 总结与展望 75-77 6.1 研究工作总结 75 6.2 展望 75-77 致谢 77-78 参考文献 78-81 附录A:攻读学位期间发表的论文情况 81-82 附录B:攻读学位期间参与完成的科研成果 82
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 部队人员网上训练与考核系统的开发,TP311.52
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 基于遗传算法的柑橘图像分割,TP391.41
- 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
- 基于遗传—牛顿算法的公交优化调度,TP18
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 基于遗传算法的淠史杭灌区渠系配水优化编组模型的研究,S274
- 遗传算法在物流仓储优化中的应用研究,F259.2
- 基于遗传算法的矿山资源优化调度模型的研究,O224
- 磁流变阻尼器的力学特性及其在火炮反后坐中的应用研究,TB535.1
- 模糊预测函数控制改进算法的研究及应用,TP273
- 基于模拟的注塑模浇注系统及成型工艺参数优化研究,TQ320.662
- 基于重型机床大型零件铣削加工性能及参数优化的研究,TG54
- 基于神经网络的自适应噪声主动控制研究,TP183
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|