[发明专利]基于马尔科夫关联的排课方法及装置

说明书

本发明涉及智能排课技术领域，具体涉及基于马尔科夫关联的排课方法及装置，所述方法执行以下步骤：获取排课数据，所述排课数据包括：班级数据、课程数据和教师数据；分别对排课数据分别进行关联，具体包括：建立班级数据和对应课程数据的关联；然后建立课程数据和对应的教师数据的关联。其通过建立马尔科夫链管理来进行课表生成，相较于传统的人工排课程表或者通过统计的方式来排课程表，其排出的课程表冲突率较低，同时，本发明使用马尔科夫关联预测模型来进行复杂度预测，降低排课表的复杂度，提升配课表的使用便捷性，降低高复杂度导致的排课表错误发生率，同时本发明对排课表进行冲突优化，有效降低了排课表的课程冲突概率发生情况。

技术领域

本发明属于智能排课技术领域，具体涉及基于马尔科夫关联的排课方法及装置。

背景技术

马尔可夫链(Markov Chain,MC)是概率论和数理统计中具有马尔可夫性质(Markov property)且存在于离散的指数集(index set)和复杂度空间(state space)内的随机过程(stochastic process)。适用于连续指数集的马尔可夫链被称为马尔可夫过程(Markov process)，但有时也被视为马尔可夫链的子集，即连续时间马尔可夫链(Continuous-Time MC,CTMC)，与离散时间马尔可夫链(Discrete-Time MC,DTMC)相对应，因此马尔可夫链是一个较为宽泛的概念。

排课，即课程编排，是指学校为了正常进行教学工作，对班级、教师、课程及学校教学资源合理安排，制定各种各样课程表的行为。排课是一件很复杂的工作，其中必须要解决的问题是课程冲突的问题，否则教学工作无法正常开展。

排课算法是一个复杂程度相当高的算法，穷举是行不通的。不同的班级，不同的教师的课程纵横交错，不可能对每一种组合一一穷举。一间不到三十个班的学校，其课程组合的数量级常常超过整个宇宙质子数的总和。但在这么多的课程组合中，找出“相对合理”的课程组合，满足学校、教师、学生的要求是可行的。

专利号为CN201710867739.6A的专利公开了一种选课和排课系统及其方法。其包括选课系统和排课系统，选课系统与排课系统之间能够实现数据交换；其中，选课系统包括依次连接的第一应用服务层模块、第一算法模块、数据访问层模块、缓存层模块、数据库模块以及数据库集群层模块；另外，排课系统包括依次连接的第二应用服务层模块、第二算法模块、计算平台和数据存储层模块。该排课方式灵活、颗粒度细、约束自由组合、走班与非走班结合、兼容度高。全自动课表生成算法，允许半自动或手动分配，排课力度可以细化到每一个学生，每一个约束条件的权重可以灵活调整，支持走班和非走班同时排课。

发明内容

有鉴于此，本发明的主要目的在于提供基于马尔科夫关联的排课方法及装置，其通过建立马尔科夫链管理来进行课表生成，相较于传统的人工排课程表或者通过统计的方式来排课程表，其排出的课程表冲突率较低，同时，本发明使用马尔科夫关联预测模型来进行复杂度预测，降低排课表的复杂度，提升配课表的使用便捷性，降低高复杂度导致的排课表错误发生率，同时本发明对排课表进行冲突优化，有效降低了排课表的课程冲突概率发生情况。

为达到上述目的，本发明的技术方案是这样实现的：

基于马尔科夫关联的排课方法，所述方法执行以下步骤：

步骤1：获取排课数据，所述排课数据包括：班级数据、课程数据和教师数据；分别对排课数据分别进行关联，具体包括：建立班级数据和对应课程数据的关联；然后建立课程数据和对应的教师数据的关联；然后将班级数据随机打乱，按照打乱后的班级数据的顺序，建立班级数据的马尔科夫关联；

步骤2：使用预设的马尔科夫关联预测模型对建立好的班级数据马尔科夫关联进行复杂度预测；根据预测的结果，调整马尔科夫链的顺序，直到马尔科夫链的复杂度预测在设定的阈值范围内；