摘要：建立排课问题的数学优化模型,构建其基本求解框架,引入遗传算法并设计多种改进方案,包括新的二进制编码方案、初始种群生成方案、适应度函数设计方案、小生境策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明,该算法能够满足排课问题的多重约束条件,更有效地解决排课问题。

摘要：针对目前高校排课系统的排课结果不均匀,造成班级或教师在某一时间段的课程过于密集或过于宽松的缺点,通过研究排课过程中的课程顺序对排课结果的影响,提出一种采用统计学中的均匀设计思想建立系统模型,并给出了评价方程.经过测试知,这种排课算法的排课结果比其他算法更加均匀,由于提前根据均匀设计表给出了排课顺序,使排课的时间复杂度小于其他算法.

摘要：给出了排课问题的描述和五元组定义。针对排课问题的关键因素,根据遗传算法的特点,设计了排课问题的编码方式,对求解的目标进行了优化,满足了实际应用。

摘要：针对新高考政策背景下课程安排的问题,分析了走班制制度下排课的特点,结合现实中学校的资源条件以及学生和教师对课程安排的偏好,设计了有针对性的生成可行解方法和适应度函数,克服了传统遗传算法无法适用于走班制下排课的问题。使用改进后的遗传算法分别对走班课程和非走班课程进行排课,其中对于走班课程,将每个年级的班级分为若干个组,同一个组中的所有相同课程安排在相同的时间。实验结果证明了该算法可以得到合理的排课方案。

摘要：我国提出新高考改革政策后,越来越多地区和高中开始采用走班制教学模式.相对于传统的行政班教学模式,走班制教学模式使排课问题的约束条件进一步增多,学校教育资源匮乏的现象进一步凸显.传统的排课算法不适于求解走班制教学模式下的排课问题,而纯粹的手动编排课表不仅费时费力,排出的课表还可能存在大量冲突,难以保证课表的可行性和合理性.根据走班制教学模式的特点,设计了一种获取优质可行解的方法:首先针对走班课程提出了一种自动生成教学班组合的方法;然后运用改进的遗传算法高效合理地求解排课问题.实验结果表明,该算法可获得优质的课表安排,并且已经加入到实际应用中.

摘要：对于各大高等院校而言,课程表的编排工作是教学计划具体落实过程中较为重要的一个环节。在新学期开始前,教务处工作人员都要将新学期的开课信息、学校的可用教学资源情况、各任课教师的授课要求等信息进行汇总,然后再结合学校、各学院、各系的实际情况完成课程表的编排工作。本文对课程表所包含的课程、教师、班级、教室和时间等基本要素进行了系统分析,并完成了排课问题中冲突问题的数学描述。

摘要：为解决排课当中的资源合理分配问题,寻求一种合理的解决方案,提出一种带免疫量子行为的粒子群智能优化算法。将粒子群中的粒子当作抗体,给粒子的生成加入免疫记忆机制,迭代开始后,使用抗体浓度指导粒子种群向更优方向移动。改进后的方法能避免粒子陷入局部最优和早熟收敛,用以解决这种多约束、多目标的组合排课问题。最后进行实验仿真,仿真结果表明了该新算法在解决实际问题中的有效性与优越性。

摘要：新形势下的高职教育具有丰富多样的教学形式,传统的人工编排方式在应对大量的教学活动编排工作时,效率较为低下,而一些市面上常见的教学管理系统中的排课模块大多是按照本科的教学模式设计,无法适应高职院校的教学活动编排问题的特殊性.该文研究和分析高职院校排课活动的特点,通过对普通遗传算法的改进,提出一种解决高职院校排课问题求解算法,并对改进后的算法进行效率分析.

摘要：针对当前随招生规模进一步扩大导致高校学生人数猛增及开设课程越来越多的人工排课耗时耗力、效率低,还可能出现教学资源冲突等系列问题,提出把蚁群算法应用到教务系统的排课问题上,结合广西民族师范学院的具体情况,设计一个智能自动排课系统。实验结果表明,该系统能有效实现自动排课,优化课程,提高排课方案的科学性和合理性,符合教学规律,对于提高学校教务管理水平具有重要意义。

摘要：为解决当前高校实验课资源分配问题,根据实验课程特点对传统排课问题要素及其两类约束条件进行调整,给出了符合实验课程特点的排课数学模型。为提高求解效率将一种三父代交叉算子引入求解过程,并针对实验排课问题设计了编码方案和种群初始化流程。使用排课案例对算法进行了测试,测试结果表明,该算法在求解质量和效率上均有一定优势。