【導讀】題目基于遺傳算法的高校排課系統(tǒng)。學院計算機與信息科學學院、軟件學院

　　

【正文】 select=Fit(i)/FitSum 其中 Fit (i)為某個個體適應度值， FitSum 為種群的適應度值總和， i=1, 2, ZQS得出個體期望的選擇數(shù)： Select=INT(Pselect * ZQS) 即 :選擇數(shù)是由個體的適應度值占整個種群適應度值的份額所決定的。 (3)雜交率 Pz 將被選個體進行兩兩配對，若配對中的父本個體的適應度值不相等，則進行雜交，雜交后的子代與父本進行適應度值的比較，選擇適應 度值較大的二個個體進化到下一代中。本文將用此策略進行雜交遺傳，這樣可以保證將好的個體保留到下一代。 (4)變異率 Pm 通常 Pm 取 0. 001 至 0. 1 之間，本系統(tǒng)取 0. 01。當測試數(shù)據(jù)中約包含有 500 個班級時，由 500*0. 01=5，于是每一代將隨機取 5個個體進行變異 (概率事件，不一定確定是 5)。將變異后的個體與變異前的父本進行適應度值的競爭，取優(yōu)勝者進化到下一代。 (5)進化迭代數(shù) 由測試修正，本系統(tǒng)采用遺傳代數(shù)為 generation=100； 教室位置填充設計 在此片段我們解決的是教室位置 問題，也是排課所解決的最后一個問題，在之前的基礎之上，求到了一個適應值相對高的個體，也就是班級 +課程 +教師 +時間的記錄集，再去填充教室會變得相當簡單，把問題分解化，簡單化。 在本文，教室問題是單獨處理的，這樣在初始化種群和排除沖突就可以有更高速度去處理它，更重要的是可以跟數(shù)據(jù)庫結合（數(shù)據(jù)庫中約束條件和范圍），更加能夠滿足系統(tǒng)的要求，位置表由人去規(guī)劃，計算機去實現(xiàn)，會使整個排課方案更優(yōu)化。 列表示時間片，行表示班級。根據(jù)數(shù)據(jù)庫中的學院位置表，讀取教室表 LLKAddress(普通教室，理論課 )， ZYSYRoom（專業(yè)實驗課） ,Y_T_S（體育課，語音課，上機課），其關系為（班級 —— 教學樓），（班級 —— 實驗室 /語音室）等，具體數(shù)據(jù)庫里有設計參照，在程序存儲這些數(shù)據(jù)對類型，以利于訪問。 然后處理班級 +教師 +課程 +時間片記錄，先讀取第一列，依次判斷每行是哪種課程屬性，還有就是判斷就看它是哪個班級，用指定的教學樓里的教室去填充它（當然得根據(jù)教師和班 30 級的情況，例如人數(shù)問題），如果不是，就檢查下一行，直到處理完這列； 對上面的處理迭代執(zhí)行，直到 25個時間片都處理完。注意一點，每列都是用所有的教室去填充，而不是上次填充剩下的。 因為那是時間片，過去了就不會對以后的有影響 . 其功能實現(xiàn)圖如圖 411 所示： 圖 411 教室填充圖 Chart 411 the chart filling classroom 功能模塊 的設計 登錄模塊 31 輸入用戶名密碼就能進入本系統(tǒng)，但是得選定操作者 圖 412 登陸框 Chart 412 login dialog 主界面模塊 在課已排好的情況下，可以顯示課表。 圖 413 主界面 32 Chart 413 main interface 學院管 理模塊 學院管理本院的一些教師分配。 圖 414 院管理界面 Chart 414 interface of college management 校管理模塊 33 圖 414 校管理界面 Chart 414 interface of school management 查詢模塊 不同用戶所擁有的權限不同！ 圖 415 查詢界面 Chart 415 interface of query 34 排課模塊 以上模塊都操作好之后，點擊排課模塊菜單里的排課，就可以排出 課表 . 35 結果 經(jīng)運行系統(tǒng)得出課表如下圖所示： 圖 51 課表演示 Chart 51 demo of course table 分析 本節(jié)我們要做的就是為了實現(xiàn)最優(yōu)化的結果，將上節(jié)的各種操作運用到 GA中。實驗平臺是 Visual C++ 和 SQL server 2021。在此我們先給出實驗數(shù)據(jù)如下表所示： 表 51 實驗數(shù)據(jù)表 Table 51 table of experimental data 描述 值 班級數(shù) 62 教師數(shù)量 100 理論課 教室數(shù)量 72 語音室數(shù)量 10 公共機房數(shù)量 12 所有課程數(shù)量 150 36 所有專業(yè)實驗課教室數(shù)量 70 天數(shù) 5 每天節(jié)數(shù) 10 操場數(shù)量 2 教學任務記錄 310 為了得出最優(yōu)化結果，結合實驗的思想，讓實驗更具說服力，本文給出了操作數(shù)的不同參數(shù)值 (文 [3])： 表 52 參數(shù)表 Table 52 table of parameters 操作數(shù) 參數(shù)值 雜交概率 突變概率 進化代數(shù) 100 進化代數(shù) 200 種群總數(shù) 50個體 種群總數(shù) 100個體 種群總數(shù) 200個體 經(jīng)過在不同情況下實驗得出進化結果，每次所排出的課表經(jīng)檢測無任何沖突，我們?yōu)榱俗鰧Ρ龋?在下面圖中予以 ●當種群數(shù)是 100 時，種群中最優(yōu)個體隨著代數(shù)的增加而變化的曲線： 37 圖 52 最優(yōu)個體適應度值變化 Chart 52 variation of fitness of optimal individaul ●當種群數(shù)是 50時，種群中最優(yōu)個體隨著代數(shù)的增加而變化的曲線： 圖 53 最優(yōu)個體適應度值變化 Chart 53 variation of fitness of optimal individaul ●當種群數(shù)是 200 時，種群中最優(yōu)個體隨著代數(shù)的增加而變化的曲線： 圖 54 最優(yōu)個體適應度值變化 38 Chart 54 variation of fitness of optimal individaul ●當進化代數(shù)為 100 時，不同種群總數(shù)的三種情況的種群中每代最優(yōu)個體走勢做比較： 圖 55 最優(yōu)個體適應度值變化 Chart 55 variation of fitness of optimal individaul 實驗分析：隨著代數(shù)的增加可以看出個體的適應度值 是逐漸增加，而到了一定代數(shù)后就不再增加。個體數(shù)較多的種群中最有個體要比個體數(shù)較少的具有更高適應度值，實驗結果令人滿意，證明了利用新的二進制編碼和教室填充方法是可以的。 39 在本文中，遺傳算法被充分應用在排課中，對使用遺傳算法研究及實現(xiàn)排課系統(tǒng)的編碼模式進行了深入地討論，以對課表進行最大優(yōu)化為目標，對傳統(tǒng)編碼模式進行了修正和改進。我們做出了適合高校排課的遺傳算法模型，模型適用于沖突任務的合理優(yōu)化安排問題。此模型得出的結果無沖突并且令人滿意，但是還有進一步完善的地方。 本文在原有的基礎對遺 傳算法做了一些優(yōu)化，在系統(tǒng)設計時充分結合數(shù)據(jù)庫，能夠形成一個可行的排課方案，有了自己獨特之處，但是要充分考慮其他因素，例如，考慮學生的意愿，選修課的排課，等等。 40 參考文獻： [1] 徐艷斌 .《基于遺傳算法的高校排課系統(tǒng)設計與分析》 .廣東工業(yè)大學學報， 2021 .4756. [2] 唐 勇 ,唐雪飛 ,王 玲 .基于遺傳算法的排課系統(tǒng) .計算 機應用 ， 2021 .67. [3] Spyros Kazarlis ， Vassilios Petridis and Pavlina Fragkou.《 Solving University Timetabling Problems Using Advanced Geic Algorithms》 Technological Educational Institute of Serres ，. [4] 沈麗容 ， 陳明磊 .基于遺傳算法的高校排課系統(tǒng)研究 .南京林業(yè)大學 學報， . [5] 王健 ,董改芳 ,許道云 .自動排課系統(tǒng)的模型與實現(xiàn)［ J］ .貴州大學學報 (自然科學版 ),. [6] . Brailsford, . Potts and . Smith.“ Constraint Satisfaction Problems: Algorithms and Applications” .European Journal ofOperational Research, vol 119, 1999, pp. 557581. [7] . Carter.“ A Survey of Practical Applications of Examination Timetabling Algorithms” .Operations Research vol. 34, 1986, . [8] 王允建 ,楊國亮 ,李鐘俠 . 帶約束優(yōu)化問題的遺傳算法 [J]. 兵工自動化 , 2021,(01) . [9] 高俊偉 ,謝永亮 ,高毅 . 基于遺傳算法的防空兵群最優(yōu)火力分配模型 [J]. 兵工自動化 , 2021,(03) . [10] 楊尚達 ,李世平 . 遺傳算法研究 [J]. 兵工自動化 , 2021,(09) . 41 致 謝 我的大學生涯畢業(yè)設計，是 在 于顯平 老師悉心指導和幫助下完成的。從論文最初的主題的確立、 需求分析的進行，到后來整體 結構的搭建、寫作方法、論文格式等各個方面 都 提出了詳盡、 中肯的 指導 意見 。特別是在論文的寫作過程中， 于 老師對論文進行了負責的、仔細的審閱與修改， 詳細到一個表單的標題中英文對照是否合理，一張截圖的中使用的顏色和整體論文的風格是否協(xié)調(diào)，像這樣的細節(jié)都能一一指出，讓我更加懂得了要嚴格的要求自己，要嚴謹?shù)膶⒄撐膬?nèi)容做得更加細致，格式做得更加工整。他無論在 設計之初的 理論 研究上，還是 在 代碼實施的 實踐中，都給予 了 我 很大的幫助，使我 的論文質(zhì)量和對做事的態(tài)度都有了很大提高 ，這 無論是 對于我 今后的工作 還是 學習 有 巨大的幫助，在此感謝他細心而又耐心的輔導。 這將是我大學四年里一段十分美好的回憶。 不積跬步何以至千里，本設計能夠順利的完成，也歸功于 四年來 各位任課老師的認真負責，使我能夠很好的掌握和運用專業(yè)知識，并在設計中得以體現(xiàn)。正是有了他們的悉心幫助和支持，才使我的畢業(yè)論文工作順利完成，在此向西南大學計算機與信息科學學院、軟件學院的全體老師表示由衷的謝意，感謝你們四年來的辛勤栽培。 在西南大學計算機與信息科學學院學習期間，在老師的教導和同學們的幫助下，本人 在知識水平和工作能力上都有了顯著的提高，對于論文的完成起到了很大的作用，在此致以衷心的感謝！ t gKQcWA3Pt GZ7R4I 30kA1DkaGhn3Xt KknBYCUDxqA7FHYi 2CHhI 92t gKQcWA3Pt GshLs50cLm TWN60eo8Wgqv7XAv2OHUm 32WGeaUwYDI AWGMeR4I30kA1DkaGhn3Xt KknBYCUDxqA7FHYi 2CHhI 92t gKQcWA3Pt GZ7R4I 30kA1DkaGt gKQcWA3Pt GZ7R4I 30kA1DkaGhn3Xt KknBYCUDxqA7FHYi 2CHhI 92t gKQcWA3Pt GshLs50cLm TWN60eo8Wgqv7XAv2OHUm32WGeaUwYDI AWGMeR4I30kA1DkaGhn3Xt KknBYCUDxqA7FHYi 2CHhI 92t gKQcWA3Pt GZ7R4I 30kA1DkaGt gKQcWA3Pt GZ7R4I30kA1DkaGhn3Xt KknBYCUDxqA7FHYi 2CHhI 92t gKQcWA3Pt GshLs50cLm TWN60eo8Wgqv7XAv2OHUm32WGeaUwYDI AWGe R4I 30kA1DkaGhn3Xt KknBYCUDxqA7FHYi 2CHhI 92t gKQcWA3Pt GZ7R4I 30kA1DkaGt gKQcWA3Pt GZ7R4I 30kA1DkaGhn3Xt KknBYCUDxqA7FHYi 2CHhI 92t gKQcWA3Pt GshLs50cLm TWN60eo8Wgqv7XAv2OHUm 32WGeaUwYDI AWGMeR4I 30kA1DkaGhn3Xt KknBYCUDxqA7FHYi 2CHhI 92t gKQcWA3Pt GZ7R4I30kA1DkaGtgKQcWA3Pt GZ7R4I 30kA1DkaGhn3Xt KknBYCUDxqA7FHYi 2CHhI 92t gKQcWA3Pt GshLs50cLm TWN60eo8Wgqv7XAv2OHUm 32WGeaUwYDI AWGMeR4I 30kA1DkaGhn3Xt KknBYCUDxqA7FHYi 2CHhI 92t gKQcWA3Pt GZ7R4I 30kA1DkaGt gKQcWA3Pt GZ7R4I30kA1DkaGhn3Xt KknBYCUDxqA7FHYi 2CHhI92t gKQcWA3PtGshLs50cLmTWN60eo8Wgqv7XAv2OHUm 32WGeaUwYDI AWGMeR4I 30kA1DkaGhn3Xt KknBYCUDxqA7FHYi 2CHh