遺傳算法在高校教務系統(tǒng)中的應用

高 敏

（齊齊哈爾工程學院，黑龍江 齊齊哈爾 161005）

在高校的日常管理工作中，教務管理居于核心的地位，也是高校一切工作所圍繞的基礎.因此，應進一步完善高校教務管理系統(tǒng)，提高教務管理工作質(zhì)量和水平.

1 遺傳算法簡介

1.1 起源與發(fā)展

遺傳算法最早起源于美國，也被稱為自適應概率優(yōu)化技術(shù)，能夠滿足復雜系統(tǒng)優(yōu)化的需要.在生物界中，普遍存在著自然選擇與進化機制，著名科學家約翰·亨利·霍蘭德在進行生物系統(tǒng)模擬實驗時，得到了啟發(fā)并積極借鑒，由此創(chuàng)造出了遺傳算法.

1.2 基本原理

遺傳算法是一種隨機全局搜索與優(yōu)化的方法，其模擬對象是自然選擇中的生物進化，有著全局、高效、全方位搜索的特征.在整個搜索過程中，可以實現(xiàn)自動適應和控制，并能夠?qū)λ阉骺臻g的相關知識進行積累，以求得最優(yōu)解.每一代遺傳算法，其所依據(jù)的適應度值，都存在于個體問題域之中，通過選擇個體而獲得新的近似解.從原理上來看，遺傳算法代表了解決問題的過程中，解群的一個種群的開始.由于基因編碼的組合，使其具備了染色體的特征，經(jīng)過逐代運算而得出更優(yōu)化的近似解.任何一代的運算過程，都需要借助遺傳學的遺傳因子，在經(jīng)過變異和交叉組合之后，所產(chǎn)生的高級種群具有更高的適應度.類似于自然進化的種群，程序運算過程的后代種群，往往比前代種群能夠更好地適應環(huán)境.最后一代種群中，最優(yōu)個體由于經(jīng)過了解碼，因而成為問題的近似最優(yōu)解[1].

1.3 遺傳算法的流程

遺傳算法屬于一種復制、交叉和變異的現(xiàn)象，是基于對自然界中遺傳規(guī)律的模擬，可以開始于任意一個原始種群.選擇、交叉和變異的操作，都是隨機選擇的，所產(chǎn)生的新的種群，在空間中的進化地方越來越好.結(jié)果數(shù)代的繁衍進化之后，收斂得到的種群，對環(huán)境的適應性最佳，即為問題的最優(yōu)解.遺傳算法的基本運算過程，包括了編碼、初始種群的生成、適應度值評價檢測、選擇、交叉、變異、以及條件的終止判斷.其標準的步驟流程如下：先初始化產(chǎn)生隨機種群，隨后重新評價個體并選擇進行操作；再采用適宜的交叉方法和概率，從而得到適應度高的新個體；最后在一定的變異方法和概率指導下，生成新的個體.

2 現(xiàn)有教務管理系統(tǒng)中存在的問題與改進

2.1 問題分析

現(xiàn)有的教務管理系統(tǒng)中，大多數(shù)所具備的功能，僅限于教學管理的子系統(tǒng).基于教學流程的分析，也都是以某一高校為模板的，待其開發(fā)試用成功后，再推廣到其他的學校.由此存在了一種情況，特殊替代了一般，進而造成了系統(tǒng)通用性的不足.首先，缺乏友好型的操作界面，智能化程序普遍不高，僅能夠完成一些簡單的課程設置與信息管理，在一些技術(shù)難點方面還有待進一步完善.其次，排課、排考是教務管理系統(tǒng)的關鍵所在，但基于該模塊的功能，基本系統(tǒng)增加了一些約束條件，依然難以自動完成自動排課與排考.所顯示出來的課程，只局限于無法安排的范圍，還需要進行手工排課.即便教學資源較為充足，排課、排考的功能可以實現(xiàn)，但在離散度方面，所拍的課程表往往欠佳.再次，在實際運作中，系統(tǒng)的許多功能無法實現(xiàn)，如教學評價模塊、教材管理模塊、書費收扣模塊等.此外，由于系統(tǒng)的功能不夠完善，極大地降低了教務管理工作的效率[2].

2.2 系統(tǒng)的改進方向

對于當前教務管理系統(tǒng)中所存在的問題，應當從三個子系統(tǒng)方面予以改進，即教學管理、教學工作量管理與教室借用.在高校教務管理工作中，教學管理屬于核心部分.涉及的范圍較廣，從教學資源的配置、到教學計劃與課程的安排、再到考試管理與教學評價，且彼此之間相互獨立，但又有著密切的關系.在進行系統(tǒng)設計時，應當對數(shù)據(jù)業(yè)務流程、系統(tǒng)維護、學生管理、師資管理、教學計劃管理、智能排課功能、選課管理、考試管理、成績管理等模塊，進行全面綜合的分析[3].

計算教學工作量，也是教務管理的一項重要內(nèi)容，以往長期采用手工方式.不僅工作量大，且出差的效率也較高.在教學工作量管理子系統(tǒng)中，應當采用信息可查詢的模式，便于管理人員和教師進行查詢.對于不同信息系統(tǒng)的數(shù)據(jù)對接，以及實現(xiàn)信息的充分共享，有助于教務管理工作效率的提高.由于當前教室資源的緊張，給教室借用工作帶來了較大的難度.成熟的教室借用管理子系統(tǒng)，應當涵蓋教室使用信息管理、臺凳借用管理、教室類型管理、教室資源管理、以及統(tǒng)計、查詢與報表，從而滿足正常教學活動的使用需求.

3 遺傳算法在高校教務管理系統(tǒng)中的應用

在高校教務管理系統(tǒng)中，排課與排考是最為復雜的問題，在本質(zhì)上都屬于時間表問題的求解.由于一些學校缺乏智能化的計算機系統(tǒng)，實際采用的排課、排考模式，與手工操作區(qū)別不大.在完成排課工作后，由于其科學性與合理性不足，容易受到任課教師的質(zhì)疑.管理人員在收集意見之后，再對安排進行手工調(diào)整，才能夠形成最終的執(zhí)行時間安排表.而遺傳算法的應用，能夠很好地解決時間表問題，讓排課、排課工作更加科學高效.

3.1 時間表問題

在我們的日常生活中，時間表問題較為常見，都需要進行合理的設計.不僅追求效率的最大化，更注重出錯概率的減少.在教務工作中，也存在著諸如課程表、上課時間表、教室安排等時間表問題，需要得到較好的解決方案.時間表問題往往涉及的約束條件很多，可以將其區(qū)分為硬約束和軟約束兩個方面.前者是必須無條件滿足的，而后者則是在條件允許的情況下進行，算法更加合理、人性與智能化，因而也變得更加復雜[4].

3.2 排課問題的模型與數(shù)學描述

排課問題與教師授課、學生學習之間息息相關，隨著近年來高校招生規(guī)模的持續(xù)擴大，給教務排課帶來了前所未有的難度.首先要在下一學期開始之前，對教學計劃予以確定，以此為依據(jù)確定所開課程的邏輯班，并確定上課的教師與教室設備.以硬件條件的要求為依據(jù)，進行目標函數(shù)的構(gòu)建，在結(jié)合軟件條件的要求，在經(jīng)過公式化之后得到適度函數(shù)，所得出的解即為最優(yōu)的排課解決方案.時間、課程、教師、班級、教室等因素，在排課時都應當予以充分考慮.在進行數(shù)學描述時，都可以采用數(shù)學集合的方法完成.

3.3 設計適應度函數(shù)

在排課問題之后，采用不同的編排方案，最終得到不一樣的效果.通常是以適用度的大小，作為方案優(yōu)劣的衡量依據(jù).在遺傳算法中，個體對于下一代的遺傳概率，取決于其適應度的大小，并以此為依據(jù)設計適應度函數(shù).在遺傳進化過程中，需要檢驗新產(chǎn)生的個體.如果所有的定點都能被搜索到，則視為有效個體，運用函數(shù)計算適應度.

3.4 改進遺傳算子

在標準遺傳算法中，新的子代個體的產(chǎn)生，是交叉算子與變異算子的共同作用.結(jié)合最小生成樹的特性，對其進行改進，能夠提高搜索的效率.在選擇算子時，以新生成個體的適應度為依據(jù)，排列順序由大到小，選擇策略時運用隨機遍歷抽樣法.采用適宜的交叉算子，不僅能夠提高空間的搜索效率，還避免了大量被淘汰的個體.經(jīng)過改進后的遺傳算子，母體的特征在所繁殖的后代中，得到了最大限度的保留，遺傳算法的搜索能力由此而提高.

3.5 結(jié)束算法的條件

結(jié)束遺傳算法時，需要設定一個約束的條件，使其不會永無終止的無限循環(huán)下去.在排課問題中，一般會自定義一個世代數(shù)，以此作為約束條件，從而終止遺傳算法.此時所得到的個體，即為最終解.世代數(shù)不能過大或過小，否則會影響收斂效果，得不到最優(yōu)解.

3.6 多目標任務的排課

在實際排課工作中，往往需要考慮多個目標，以保證所排出的課程表更加科學合理.應當在約束條件中，加入班級課程離散度、上課時間期望值、課時日發(fā)布密度等因素，對適應度函數(shù)進行修改完善.需要綜合考慮教師和學生對上課時間的喜歡程度與效率，以及班級課程的組合方案與教學效果，并保證班級課程的分布均勻[5].

3.7 在排考模塊中的應用

在進行考試安排時，需要考慮到科目、班級、場地、時間與監(jiān)考人員等因素，確保不會產(chǎn)生沖突.根據(jù)數(shù)據(jù)種群的不同，選用目標函數(shù)fSI=V1*fSX+V2*fCD+V3*fJK+V4*fFB用于計算考試時間的安排.學生的考試時間安排，需要盡量做到平均分布.其中硬件約束條件分別用 V1、V2、V3來表示，而 V4則代表了軟件約束條件，其他的對應分別為：fsx——考生考試沖突約束的罰函數(shù)，fcd——考試場地約束的罰函數(shù)，fjk——監(jiān)考員約束的罰函數(shù)，ffb——考生考試時間均勻分布的罰函數(shù).

以某高校建筑工程系的14個班級為例，共有教師30人、學生540人，本學期公開設了19門課程.在參數(shù)設置時，種群大小為14個，優(yōu)良數(shù)量為5個，更新量為3個，交叉點為2個；進化代數(shù)為1400代、變異點為2個、交叉率為50%、變異概率為70%，指定場數(shù)12場，連續(xù)計算5次.遺傳算法計算進化了66代，僅花費了1分鐘，獲得的最高適應度為1000000個，個體重復為0.在進化過程中，清除的相同個體數(shù)目為0，共有330個染色體被替換.經(jīng)過第一輪計算后，本學期所開設的19門課程，考試場次最多的學生為11場.所得到的經(jīng)過可以被寫入Excel文件，最終得到最優(yōu)化的考試安排.

4 結(jié)語

高校教務管理水平的提高，在很大程度上受到了教務管理系統(tǒng)的影響，需要智能化的系統(tǒng)來提高工作的效率.作為一項復雜性與綜合性較強的系統(tǒng)工程，其工作水平的提高，離不開現(xiàn)代化的技術(shù)手段.如何利用計算機網(wǎng)絡技術(shù)，建立科學的教務管理系統(tǒng)，成為擺在我們面前的重要課題.而遺傳算法有著很高的智能組合特征，能夠進行隨機全局的搜索與優(yōu)化，適用于解決較為復雜的時間表問題.同時，由于受到現(xiàn)實條件、自身水平等因素的制約，高校教務管理系統(tǒng)還有待進一步開發(fā)完善.通過進一步對算法進行改進，提高其執(zhí)行的速度與效率，以促進教務管理工作質(zhì)量與水平的提升.

〔1〕馬永杰,云文霞.遺傳算法研究進展[J].計算機應用研究，2012（04）.

〔2〕姚雙良.云計算在高校群教務信息系統(tǒng)中的應用探討[J].江蘇科技大學學報，2013（03）.

〔3〕皮衛(wèi),屈玲君.基于遺傳算法的高校工資管理系統(tǒng)優(yōu)化設計[J].通訊世界，2017（07）.

〔4〕時合生,謝麗明.基于遺傳算法的高職院校教務管理系統(tǒng)的設計[J].民營科技，2013（09）.

〔5〕劉海濤,張曉濱.勤務系統(tǒng)執(zhí)勤自動化排班研究[J].現(xiàn)代電子技術(shù)，2015（07）.