一个功能完备的智能排课系统,采用高级遗传算法解决复杂的课程排课优化问题
本系统采用遗传算法实现智能排课,在满足硬性约束(教师/班级/教室时间冲突、容量限制等)的前提下,通过优化软约束(教室利用率、连续性、教师偏好等)生成高质量排课方案。
🎯 设计目标 ✅ 零冲突: 确保教师、班级、教室无时间冲突 ✅ 高覆盖率: 尽可能将所有课程安排入课表 ✅ 高利用率: 优化教室利用率(目标 75%-90%) ✅ 连续性优化: 同一教师/班级连续课程尽量在同一教室 ✅ 智能分配: 必修课优先白天,选修课灵活安排 核心特性 🧬 遗传算法核心 智能个体生成: 按优先级排序(长课优先、必修优先、大班优先) 适应度评估: 硬约束 + 软约束综合评分体系 多样化遗传操作: 单点交叉、多种变异类型(教师/时间/教室/智能修复) 精英保留策略: 保护优秀个体,加速收敛 早停机制: 停滞检测,避免无效迭代 🎨 约束体系硬约束(-99999 至 -5000 分):
班级冲突: -80000(最高优先级) 教室容量不足: -60000(硬性要求) 教师冲突: -50000 教室冲突: -50000 周末排课: -10000（实际代码中无周末排课） 教师黑名单: -8000 设施不满足: -8000软约束(30-400 分):
必修课晚上: 400 教室连续性: 300(优化后) 教室利用率: 200 教师偏好: 100 📊 四维度结果导出Excel 导出包含四个视角:
周期视角: 按周一至周日查看每天课程安排 教师视角: 每位教师的完整课表 班级视角: 每个班级的完整课表 教室视角: 每个教室的使用情况 项目结构 d:\suanf-main-main/ ├── suan2.py # 主程序入口 ├── genetic_algorithm.py # 遗传算法核心(1294行,优化版) ├── data_models.py # 数据模型定义 ├── db_connector.py # 数据库连接与数据加载 ├── view_schedule.py # 结果查看与Excel导出(四视角) ├── analyze_conflicts.py # 冲突分析工具 ├── check_data_scale.py # 数据规模检查与参数推荐 ├── test_data_generator.py # 测试数据生成器 ├── new.sql # 数据库表结构脚本 ├── 排课系统说明.md # 📘 系统完整说明文档 ├── 排课问题诊断与解决方案.md # 🔧 问题诊断与解决手册 └── README.md # 本文件 快速开始 环境要求 Python 3.9+ PyMySQL openpyxl MySQL 5.7+ 或 MariaDB 10.3+ 1. 安装依赖 # 创建虚拟环境(推荐) python -m venv .venv .\.venv\Scripts\activate # 安装依赖 pip install pymysql openpyxl 2. 配置数据库 # 设置数据库连接(环境变量) $env:DB_HOST = "localhost" $env:DB_USER = "root" $env:DB_PASSWORD = "123456" $env:DB_NAME = "paike" -- 创建数据库 CREATE DATABASE `paike` CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci; -- 导入表结构 -- 使用 new.sql --# 登录MySQL --mysql -u [用户名] -p --# 创建一个空数据库（如果还没有的话） --CREATE DATABASE college_scheduler; --# 退出MySQL --exit; --# 在命令行中，将.sql文件导入到新数据库中 ---mysql -u [用户名] -p [数据库名] < [拷贝过来的文件名].sql 3. 运行排课 # 检查数据规模并获取推荐参数 python check_data_scale.py # 运行排课(标准配置) python suan2.py --version 1 --population 200 --generations 300 # 查看结果(生成Excel文件) python view_schedule.py 1 # 分析冲突 python analyze_conflicts.py 1 使用指南 命令行参数 python suan2.py [参数] 参数 说明 默认值 推荐值 --version 排课版本 ID(必需) - 1, 2, 3... --population 种群大小 100 200-300 --generations 进化代数 200 300-500 --crossover-rate 交叉率 0.85 0.8-0.9 --mutation-rate 变异率 0.15 0.1-0.2 --tournament-size 锦标赛大小 5 5-7 --elitism-size 精英保留数量 15 10-20 --max-stagnation 最大停滞代数 60 50-80 典型场景场景 1: 快速测试(验证数据)
python suan2.py --version 1 --population 80 --generations 100场景 2: 标准运行(生产环境)
python suan2.py --version 1 --population 200 --generations 300场景 3: 高质量优化(时间充足)
python suan2.py --version 1 --population 300 --generations 500 --max-stagnation 80场景 4: 大规模数据(>200 任务)
python suan2.py --version 1 --population 400 --generations 600 优化策略 算法优化重点 1. 教室连续性优化(2025-11-23 更新)优化内容:
智能教室选择: 优先为同一教师/班级在同一天选择已使用的教室 双维度检查: 同时检查教师和班级的连续课程 提高惩罚权重: 从 150 提升到 300效果: 减少师生在不同教室间移动,提高教学效率
2. 教室容量硬约束(2025-11-23 更新)优化内容:
容量不足惩罚从 -8000 提升到 -60000 作为第二高优先级硬约束(仅次于班级冲突)效果: 确保绝对不会出现教室容量不足的情况
3. 利用率优化策略:
目标利用率: 75%-90% 非线性惩罚函数 优先选择容量匹配的教室 参数调优建议 根据数据规模选择参数 任务数量 种群大小 进化代数 预计耗时 < 50 80-100 100-150 1-3 分钟 50-100 150-200 200-300 3-8 分钟 100-200 200-300 300-400 8-20 分钟 > 200 300-500 400-600 20-60 分钟 根据问题类型调整班级冲突严重 → 增加 --population 和 --generations
教室利用率低 → 调整代码中 utilization_waste 权重
运行时间过长 → 降低参数或使用 --max-stagnation 30
常见问题 Q1: 为什么会有班级冲突?原因:
种群/代数不足,算法未充分探索 数据中班级课程过多,资源不足解决:
# 方案1: 提高参数 python suan2.py --version 2 --population 300 --generations 500 # 方案2: 检查数据 python check_data_scale.py参考: 排课问题诊断与解决方案.md 第一章
Q2: 教室利用率太低怎么办?解决:
检查教室容量是否与班级规模匹配 增加小型教室(20-40 人) 调整 genetic_algorithm.py 中利用率目标区间参考: 排课问题诊断与解决方案.md 第三章
Q3: 运行时间太长?解决:
# 快速模式(降低参数) python suan2.py --version 1 --population 100 --generations 150 --max-stagnation 30参考: 排课问题诊断与解决方案.md 第八章
Q4: 如何查看详细的冲突信息? # 命令行分析 python analyze_conflicts.py 1 # Excel查看(四个视角) python view_schedule.py 1 Q5: 能否手动调整部分课程?可以,在数据库中直接修改:
UPDATE schedules SET classroom_id = 'CR005', week_day = 3, start_slot = 6 WHERE schedule_id = 123; 文档索引 📘 核心文档排课系统说明.md
系统完整说明 核心逻辑详解 操作步骤 优缺点分析 函数索引排课问题诊断与解决方案.md
11 类常见问题诊断 分步骤解决方案 SQL 诊断脚本 参数调优指南 紧急救援措施 📂 代码文档主程序模块:
suan2.py - 程序入口,参数解析,结果保存 genetic_algorithm.py - 遗传算法核心(1294 行) create_individual() - 个体生成 fitness() - 适应度评估 mutate() - 变异操作 _select_classroom() - 智能教室选择 _check_classroom_continuity() - 连续性检查数据与工具:
data_models.py - 数据结构定义 db_connector.py - 数据库操作 view_schedule.py - Excel 四视角导出 analyze_conflicts.py - 冲突分析 check_data_scale.py - 规模检查与参数推荐 最近更新 2025-11-23✅ 教室连续性优化
智能教室选择: 优先为同一教师/班级选择已用教室 双维度检查: 教师维度 + 班级维度 惩罚权重提升: 150 → 300✅ 容量约束强化
容量不足惩罚: -8000 → -60000 提升为第二高优先级硬约束✅ Excel 导出增强
新增四维度视角(周期/教师/班级/教室) 详细字段展示(容量/人数/性质等)✅ 文档完善
新增《排课问题诊断与解决方案》 更新《排课系统说明》 重写 README 技术支持 遇到问题时的检查顺序 查看日志: scheduling.log 检查数据: python check_data_scale.py 分析冲突: python analyze_conflicts.py [version] 查阅文档: 排课问题诊断与解决方案.md 调整参数: 根据文档建议调整 调试模式 # 在 suan2.py 中启用详细日志 logging.basicConfig( level=logging.DEBUG, # 改为 DEBUG format='%(asctime)s - %(name)s - %(levelname)s - %(message)s' ) 许可证本项目采用 MIT 许可证。
贡献指南欢迎提交 Issue 和 Pull Request!
开发建议:
遵循现有代码风格 为新功能添加注释 更新相关文档 测试后再提交最后更新: 2025-11-23 版本: v3.0 维护状态: 活跃维护中