一種基于差分進化算法的高校排課方法
【專利摘要】一種基于差分進化算法的高校排課方法，將排課算法問題轉化成差分進化算法的問題，排課算法的因素和差分進化算法的算子相對應。時間安排算法與課室安排算法相結合，在排課過程的不同階段，建立起優(yōu)先的課室集，指導算法一直尋找最合適的課室，實時地對各類課室類型的資源和數量進行動態(tài)維護，避免了差分進化算法出現未成熟就收斂等問題，也有效地解決了“甩課”問題。
【專利說明】一種基于差分進化算法的高校排課方法
[0001]
技術領域
[0002]本發(fā)明涉及一種差分進化算法的應用，尤其涉及一種基于差分進化算法的高校排課方法。
【背景技術】
[0003]差分進化(DifferentialEvolut1n，DE)算法是由Rainer Storn和KennethPrice為求解切比雪夫多項式而于1996年共同提出的一種采用浮點矢量編碼在連續(xù)空間中進行隨機搜索的優(yōu)化算法。DE的原理簡單，受控參數少，實施隨機、并行、直接的全局搜索，易于理解和實現。差分進化算法是基于群體智能的隨機并行優(yōu)化算法，通過模仿生物群體內個體間的合作與競爭產生的啟發(fā)式群體智能來指導優(yōu)化搜索。DE特有的記憶能力使其可以動態(tài)跟蹤當前的搜索情況，以調整其搜索策略，實現自適應尋優(yōu)，因此具有較強的全局收斂性和魯棒性，且不需要借助問題的特定信息，適于求解一些利用常規(guī)的數學規(guī)劃方法所無法求解的復雜環(huán)境中的優(yōu)化問題。
【發(fā)明內容】
[0004]本發(fā)明的目的是，為了尋求一種科學的高校排課方法，本發(fā)明提供一種基于差分進化算法的高校排課方法。
[0005]實現本發(fā)明的技術方案是，一種基于差分進化算法的高校排課方法，將排課算法問題轉化成差分進化算法的問題，排課算法的因素和差分進化算法的算子相對應。時間安排算法與課室安排算法相結合，在排課過程的不同階段，建立起優(yōu)先的課室集，指導算法一直尋找最合適的課室，實時地對各類課室類型的資源和數量進行動態(tài)維護，避免了差分進化算法出現未成熟就收斂等問題。
[0006]所述排課算法步驟為:
(1)隨機建立初試種群組成不同的可行解決方案；
(2)進行變異操作；(3)進行交叉操作；
(4)進行選擇操作；
(5)判斷是否達到終止條件，達到則輸出最優(yōu)解，否則轉(2)。
[0007]所述時間安排算法為:
(1)根據班級的數據生成一張空白課表；
(2)建立初始種群，隨機建立η組教學任務裝入空白課表；
(3)對種群的每個個體進行變異操作得到變異個體；
(4)對種群中的每個個體進行交叉操作得到實驗個體；
(5)進行選擇操作:從父代個體和實驗個體中選擇一個作為下一代個體；
(6)產生新種群，如果達到最大進化代數或滿足誤差要求則算法終止，否則跳轉到(3)。
[0008]所述排課算法的因素與差分進化算法算子相對應的對應關系包括:
基因:組成染色體的單元，定義時間t和一門課程構成一個“時間-課程”與一個待定的教室相對應，設這樣的一個組合為一個基因。
[0009]染色體:為待求解問題的一個可能解，由基因連接組成染色體，即一種可能的排課方案也是差分進化算法操作的基本對象。
[0010]初始種群:隨機生成若干種排課方案的集合，表示基于差分進化算法的排課的搜索空間。
[0011]所述排課算法的因素與差分進化算法算子相對應的對應關系還包括:
變異算子:差分進化算法的變異算子為每個個體生成一個對應的臨時個體，成為“變異個體”。
[0012]交叉算子:將多個父代個體按照一定的規(guī)則進行交叉組合，實現局部開采。
[0013]選擇算子:采用貪婪選擇策略來對種群進行更新，通過比較新生成的實驗個體與當代種群中對應個體的優(yōu)劣，選擇適應度值更優(yōu)的個體作為子代進入新種群。
[0014]終止條件:表示迭代的條件限制，當達到設定值或者搜尋到最優(yōu)解之后，終止操作。
[0015]本發(fā)明的有益效果在于，本發(fā)明提供一種基于差分進化算法的高校排課方法，將排課問題轉化成差分進化算法的問題，排課問題的因素和差分進化算法的算子相對應。時間算法與課室安排算法相結合，在排課過程的不同階段，建立起優(yōu)先的課室集，指導算法一直尋找最合適的課室，實時地對各類課室類型的資源和數量進行動態(tài)維護，避免了差分進化算法出現未成熟就收斂等問題，也有效地解決了 “甩課”問題。
【具體實施方式】
[0016]
下面結合【具體實施方式】對本發(fā)明做進一步詳細說明。
[0017]本發(fā)明實施例主要提供一種基于差分進化算法的高校排課方法。
[0018]本實施例的排課算法題步驟為:
(1)隨機建立初試種群組成不同的可行解決方案；
(2)進行變異操作；(3)進行交叉操作；
(4)進行選擇操作；
(5)判斷是否達到終止條件，達到則輸出最優(yōu)解，否則轉(2)。
[0019]
其中，其時間安排算法為:
(1)根據班級的數據生成一張空白課表；
(2)建立初始種群，隨機建立η組教學任務裝入空白課表；
(3)對種群的每個個體進行變異操作得到變異個體；
(4)對種群中的每個個體進行交叉操作得到實驗個體；
(5)進行選擇操作:從父代個體和實驗個體中選擇一個作為下一代個體；
(6)產生新種群，如果達到最大進化代數或滿足誤差要求則算法終止，否則跳轉到(3)。
[0020]本實施例中排課算法與差分進化算法中的對應關系包括: 基因:組成染色體的單元，定義時間t和一門課程構成一個“時間-課程”的對每個對于一個待定的教室相對應，設這樣的一個組合為一個基因；
染色體:為待求解問題的一個可能解，由基因連接組成染色體，即一種可能的排課方案也是差分進化算法操作的基本對象。
[0021]初始種群:隨機生成若干種排課方案的集合，表示基于差分進化算法的排課的搜索空間。
[0022]變異算子:差分進化算法的變異算子為每個個體生成一個對應的臨時個體，成為“變異個體”。
[0023]交叉算子:將多個父代個體按照一定的規(guī)則進行交叉組合，實現局部開采；
選擇算子:采用貪婪選擇策略來對種群進行更新，通過比較新生成的實驗個體與當代種群中對應個體的優(yōu)劣，選擇適應度值更優(yōu)的個體作為子代進入新種群；
終止條件:表示迭代的條件限制，當達到設定值或者搜尋到最優(yōu)解之后，終止操作。
[0024]本發(fā)明實施例提供的一種基于差分進化算法的高校排課方法，將排課問題轉化成差分進化算法的問題，排課問題的因素和差分進化算法的算子相對應。時間算法與課室安排算法相結合，在排課過程的不同階段，建立起優(yōu)先的課室集，指導算法一直尋找最合適的課室，實時地對各類課室類型的資源和數量進行動態(tài)維護，避免了差分進化算法出現未成熟就收斂等問題，也有效地解決了 “甩課”問題。
【主權項】
1.一種基于差分進化算法的高校排課方法，其特征在于，所述方法將排課算法問題轉化成差分進化算法的問題，排課算法的因素和差分進化算法的算子相對應;時間安排算法與課室安排算法相結合;在排課過程的不同階段，建立起優(yōu)先的課室集，指導算法一直尋找最合適的課室，實時地對各類課室類型的資源和數量進行動態(tài)維護，避免了差分進化算法出現未成熟就收斂； 所述排課算法步驟為: (1)隨機建立初試種群組成不同的可行解決方案； (2)進行變異操作； (3)進行交叉操作； (4)進行選擇操作； (5)判斷是否達到終止條件，達到則輸出最優(yōu)解，否則轉(2)。2.根據權利要求1所述一種基于差分進化算法的高校排課方法，其特征在于，所述時間安排算法為: (1)根據班級的數據生成一張空白課表； (2)建立初始種群，隨機建立η組教學任務裝入空白課表； (3)對種群的每個個體進行變異操作得到變異個體； (4)對種群中的每個個體進行交叉操作得到實驗個體； (5)進行選擇操作:從父代個體和實驗個體中選擇一個作為下一代個體； (6)產生新種群，如果達到最大進化代數或滿足誤差要求則算法終止;否則跳轉到(3)。3.根據權利要求1所述一種基于差分進化算法的高校排課方法，其特征在于，所述排課算法的因素與差分進化算法的算子相對應的對應關系包括: 基因:組成染色體的單元，定義時間t和一門課程構成一個“時間-課程”與一個待定的教室相對應，設這樣的一個組合為一個基因； 染色體:為待求解問題的一個可能解，由基因連接組成染色體，即一種可能的排課方案也是差分進化算法操作的基本對象。4.根據權利要求1所述一種基于差分進化算法的高校排課方法，其特征在于，所述排課算法的因素與差分進化算法的算子相對應的對應關系還包括: 初始種群:隨機生成若干種排課方案的集合，表示基于差分進化算法的排課的搜索空間。5.根據權利要求1所述一種基于差分進化算法的高校排課方法，其特征在于，所述排課算法的因素與差分進化算法的算子相對應的對應關系還包括: 變異算子:差分進化算法的變異算子為每個個體生成一個對應的臨時個體，成為“變異個體”; 交叉算子:將多個父代個體按照一定的規(guī)則進行交叉組合，實現局部開采； 選擇算子:采用貪婪選擇策略來對種群進行更新，通過比較新生成的實驗個體與當代種群中對應個體的優(yōu)劣，選擇適應度值更優(yōu)的個體作為子代進入新種群； 終止條件:表示迭代的條件限制，當達到設定值或者搜尋到最優(yōu)解之后，終止操作。
【文檔編號】G06Q50/20GK105913143SQ201610211684
【公開日】2016年8月31日
【申請日】2016年4月7日
【發(fā)明人】丁青鋒, 邱翔
【申請人】華東交通大學