CN116957874B - 一种智能高校自动排课方法、***、设备及存储介质 - Google Patents

Abstract

本发明公开了一种智能高校自动排课方法、***、设备及存储介质，本方法根据多种属性通过构建好的目标函数将历史课堂矩阵分类为第一预设数量的类别；采用第一预设数量的类别更新分类编码，并根据更新后的分类编码对每个教室构建分类热度矩阵得到每类编码的分类热度矩阵；根据待排课堂矩阵中当前待排课堂对应的第一分类编码，对第一分类编码对应的分类热度矩阵中第二预设数量的热度值进行倒排序，得到排序后的分类热度矩阵；采用预设的硬性约束条件，对排序后的分类热度矩阵对应的待排课堂矩阵中的多种属性进行冲突检查，并选择满足硬性约束条件且最低热度值的教室，以完成待排课堂矩阵中当前待排课堂的自动排课。本发明能够提高排课质量和效率。

Description

一种智能高校自动排课方法、***、设备及存储介质

技术领域

本发明涉及自动排课技术领域，尤其是涉及一种智能高校自动排课方法、***、设备及存储介质。

背景技术

随着高校办学规模的不断扩大，对学校的硬件资源要求更高，为了提升教学质量，满足教师、学生对教务工作的满意度，使得排课工作变得日益繁重，排课难度越来越大。行业提出各种类型的自动排课方法提升排课的效率与质量。自动排课主要是解决如何合理的进行排课，并快速的提供合理排课结果。

但传统的自动排课方法，一是没有考虑待排课堂本身的特点；二是没有考虑在自动排课时求解的可探索范围以及如何合理的找到解空间，因此排课质量和效率不高。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种智能高校自动排课方法、***、设备及存储介质，能够提高排课质量和效率。

第一方面，本发明实施例提供了一种智能高校自动排课方法，所述智能高校自动排课方法包括：

构建包含多种属性的历史课堂矩阵和包含所述多种属性和分类编码的待排课堂矩阵；

根据所述多种属性，通过构建好的目标函数将所述历史课堂矩阵分类为第一预设数量的类别；

采用所述第一预设数量的类别更新所述分类编码，并根据更新后的分类编码对每个教室构建分类热度矩阵，得到每类编码的分类热度矩阵；

根据所述待排课堂矩阵中当前待排课堂对应的第一分类编码，对所述第一分类编码对应的分类热度矩阵中第二预设数量的热度值进行倒排序，得到排序后的分类热度矩阵；

采用预设的硬性约束条件，对所述排序后的分类热度矩阵对应的所述待排课堂矩阵中的所述多种属性进行冲突检查，并选择满足所述硬性约束条件且最低热度值的教室，以完成所述待排课堂矩阵中当前待排课堂的自动排课。

与现有技术相比，本发明第一方面具有以下有益效果：

本方法通过根据历史课堂矩阵的类别更新待排课堂矩阵的分类编码，考虑了待排课堂自身的特点，能够提高排课质量；根据更新后的分类编码对每个教室构建分类热度矩阵，得到每类编码的分类热度矩阵，并采用倒排序选择热度值低并且满足硬性约束条件的教室进行自动排课，能够进一步提高排课质量，提高排课满意度，并且通过自动排课，能够提高排课效率。

根据本发明的一些实施例，所述根据所述多种属性，通过构建好的目标函数将所述历史课堂矩阵分类为第一预设数量的类别，包括：

采用高斯分布构建第一函数，并根据所述第一函数构建好目标函数；

根据所述多种属性，通过最大化所述目标函数对所述历史课堂矩阵中每一个元素进行分类，以将所述历史课堂矩阵分类为第一预设数量的类别。

根据本发明的一些实施例，通过如下方式构建第一函数：

其中，表示历史课堂矩阵中的随机向量，/>表示历史课堂矩阵的维度，/>表示每个维度数据的均值，/>表示/>的协方差，/>表示/>的行列式，/>表示/>的逆矩阵，/>表示第一预设数量的类别。

根据本发明的一些实施例，通过如下方式构建所述目标函数：

其中，表示历史课堂矩阵中第/>维度的随机向量，/>表示历史课堂矩阵的维度，表示干预系数，/>表示第一预设数量的类别，/>表示第/>个类别的权重。

根据本发明的一些实施例，所述根据更新后的分类编码对每个教室构建分类热度矩阵，得到每类编码的分类热度矩阵，包括：

构建用于计算每个教室的热度值的热度计算函数；

根据更新后的分类编码，对每类编码对应的教室采用热度计算函数计算出热度值；

通过所述热度值构建分类热度矩阵，得到每类编码的分类热度矩阵。

根据本发明的一些实施例，通过如下方式构建用于计算每个教室的热度值的热度计算函数：

其中，表示分类热度矩阵中的一个元素，/>表示当前热度值，/>表示热度值，表示迭代系数，/>指冷却因子，/>指排名系数。

根据本发明的一些实施例，在选择满足所述硬性约束条件且最低热度值的教室，以完成所述待排课堂矩阵中当前待排课堂的自动排课之后，所述智能高校自动排课方法还包括：

对完成自动排课的所述待排课堂矩阵中的当前待排课堂，打上成功排课标志；

对所述待排课堂矩阵中未完成自动排课的待排课堂，采用传统排课方法进行排课，以完成所述待排课堂矩阵中所有待排课堂的排课。

第二方面，本发明实施例还提供了一种智能高校自动排课***，所述智能高校自动排课***包括：

矩阵构建单元，用于构建包含多种属性的历史课堂矩阵和包含所述多种属性和分类编码的待排课堂矩阵；

数据分类单元，用于根据所述多种属性，通过构建好的目标函数将所述历史课堂矩阵分类为第一预设数量的类别；

数据更新单元，用于采用所述第一预设数量的类别更新所述分类编码，并根据更新后的分类编码对每个教室构建分类热度矩阵，得到每类编码的分类热度矩阵；

数据排序单元，用于根据所述待排课堂矩阵中当前待排课堂对应的第一分类编码，对所述第一分类编码对应的分类热度矩阵中第二预设数量的热度值进行倒排序，得到排序后的分类热度矩阵；

自动排课单元，用于采用预设的硬性约束条件，对所述排序后的分类热度矩阵对应的所述待排课堂矩阵中的所述多种属性进行冲突检查，并选择满足所述硬性约束条件且最低热度值的教室，以完成所述待排课堂矩阵中当前待排课堂的自动排课。

第三方面，本发明实施例还提供了一种智能高校自动排课设备，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上所述的一种智能高校自动排课方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上所述的一种智能高校自动排课方法。

可以理解的是，上述第二方面至第四方面与相关技术相比存在的有益效果与上述第一方面与相关技术相比存在的有益效果相同，可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明一实施例的一种智能高校自动排课方法的流程图；

图2是本发明另一实施例的自动排课方法的流程图；

图3是本发明一实施例的一种智能高校自动排课***的结构图；

图4是本发明一实施例的一种电子设备的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，如果有描述到第一、第二等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

本发明的描述中，需要说明的是，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

随着高校办学规模的不断扩大，对学校的硬件资源要求更高，为了提升教学质量，满足教师、学生对教务工作的满意度，使得排课工作变得日益繁重，排课难度越来越大。行业提出各种类型的自动排课方法提升排课的效率与质量。自动排课主要是解决如何合理的进行排课，并快速的提供合理排课结果。

但传统的自动排课方法，一是没有考虑待排课堂本身的特点；二是没有考虑在自动排课时求解的可探索范围以及如何合理的找到解空间，因此排课质量和效率不高。

为解决上述问题，本发明通过根据历史课堂矩阵的类别更新待排课堂矩阵的分类编码，考虑了待排课堂自身的特点，能够提高排课质量；根据更新后的分类编码对每个教室构建分类热度矩阵，得到每类编码的分类热度矩阵，并采用倒排序选择热度值低并且满足硬性约束条件的教室进行自动排课，能够进一步提高排课质量，提高排课满意度，并且通过自动排课，能够提高排课效率。

参照图1，本发明实施例提供了一种智能高校自动排课方法，本智能高校自动排课方法包括但不限于步骤S100至步骤S500，其中：

步骤S100、构建包含多种属性的历史课堂矩阵和包含多种属性和分类编码的待排课堂矩阵；

步骤S200、根据多种属性，通过构建好的目标函数将历史课堂矩阵分类为第一预设数量的类别；

步骤S300、采用第一预设数量的类别更新分类编码，并根据更新后的分类编码对每个教室构建分类热度矩阵，得到每类编码的分类热度矩阵；

步骤S400、根据待排课堂矩阵中当前待排课堂对应的第一分类编码，对第一分类编码对应的分类热度矩阵中第二预设数量的热度值进行倒排序，得到排序后的分类热度矩阵；

步骤S500、采用预设的硬性约束条件，对排序后的分类热度矩阵对应的待排课堂矩阵中的多种属性进行冲突检查，并选择满足硬性约束条件且最低热度值的教室，以完成待排课堂矩阵中当前待排课堂的自动排课。

在本实施例中，为了提高排课质量，本实施例通过构建包含多种属性的历史课堂矩阵和包含多种属性和分类编码的待排课堂矩阵，根据多种属性，通过构建好的目标函数将历史课堂矩阵分类为第一预设数量的类别，采用第一预设数量的类别更新分类编码；为了提高排课满意度和提高排课效率，本实施例根据更新后的分类编码对每个教室构建分类热度矩阵，得到每类编码的分类热度矩阵，根据待排课堂矩阵中当前待排课堂对应的第一分类编码，对第一分类编码对应的分类热度矩阵中第二预设数量的热度值进行倒排序，得到排序后的分类热度矩阵，采用预设的硬性约束条件，对排序后的分类热度矩阵对应的待排课堂矩阵中的多种属性进行冲突检查，并选择满足硬性约束条件且最低热度值的教室，以完成待排课堂矩阵中当前待排课堂的自动排课。

在一些实施例中，根据多种属性，通过构建好的目标函数将历史课堂矩阵分类为第一预设数量的类别，包括：

采用高斯分布构建第一函数，并根据第一函数构建好目标函数；

根据多种属性，通过最大化目标函数对历史课堂矩阵中每一个元素进行分类，以将历史课堂矩阵分类为第一预设数量的类别。

在本实施例中，根据多种属性，探索课堂本身之间的隐含关系，根据隐含关系将课堂矩阵中每一个元素进行分类，考虑了课堂自身的特点，能够提高后期的排课质量。

在一些实施例中，通过如下方式构建第一函数：

其中，表示历史课堂矩阵中的随机向量，/>表示历史课堂矩阵的维度，/>表示每个维度数据的均值，/>表示/>的协方差，/>表示/>的行列式，/>表示/>的逆矩阵，/>表示第一预设数量的类别。

在一些实施例中，通过如下方式构建目标函数：

其中，表示历史课堂矩阵中第/>维度的随机向量，/>表示历史课堂矩阵的维度，表示干预系数，/>表示第一预设数量的类别，/>表示第/>个类别的权重。

在一些实施例中，根据更新后的分类编码对每个教室构建分类热度矩阵，得到每类编码的分类热度矩阵，包括：

构建用于计算每个教室的热度值的热度计算函数；

根据更新后的分类编码，对每类编码对应的教室采用热度计算函数计算出热度值；

通过热度值构建分类热度矩阵，得到每类编码的分类热度矩阵。

在本实施例中，根据更新后的分类编码对每个教室构建分类热度矩阵，得到每类编码的分类热度矩阵，后期根据该分类热度矩阵能够保证热度的均衡性，使时间和地点安排均衡合理，从而提高排课满意度。

在一些实施例中，通过如下方式构建用于计算每个教室的热度值的热度计算函数：

其中，表示分类热度矩阵中的一个元素，/>表示当前热度值，/>表示热度值，表示迭代系数，/>指冷却因子，/>指排名系数。

在本实施例中，通过冷却因子可以将使用频繁的教室的热度值降低，将使用不频繁的教室的热度推向前，可以将使用不频繁的教室进行使用，使时间和地点安排均衡合理，从而提高排课满意度。

在一些实施例中，在选择满足硬性约束条件且最低热度值的教室，以完成待排课堂矩阵中当前待排课堂的自动排课之后，智能高校自动排课方法还包括：

对完成自动排课的待排课堂矩阵中的当前待排课堂，打上成功排课标志；

对待排课堂矩阵中未完成自动排课的待排课堂，采用传统排课方法进行排课，以完成待排课堂矩阵中所有待排课堂的排课。

在本实施例中，只有对待排课堂矩阵中未完成自动排课的待排课堂，采用传统排课方法进行排课，其他都是自动排课，能够提高排课效率。

为方便本领域人员理解，以下提供一组最佳实施例：

在本实施例中，首先考虑待排课堂自身的特点，通过可控的超参数对待排课堂进行分类；然后采用渐进性的探测可行的求解空间，达到排课硬性约束相对满意度。参照图2，本实施例的方法的具体过程为：

1、初始化参数。

定义历史课堂矩阵M1，历史课堂矩阵的属性包含课程大类、课程类别、课程属性、课程编码、教师职称、教师编码、专业、班级编码，对于各种属性采用定长编码进行编码处理，编码只能是数字；定义待排课堂矩阵M2，待排课堂矩阵的属性包含课程大类、课程类别、课程属性、课程编码、教师职称、教师编码、专业、班级编码和分类编码(分类编码由智能分类模型获得)。超参数分类数（即第一预设数量的类别）设置为K，默认值为6；超参数分类（各个类别）的权重设置为w，总值为1，默认值平均分配；超参数渐进最大范围设置为n，默认值为20。

2、构建智能分类模型。

该智能分类模型通过最大化构建好的目标函数对历史课堂矩阵进行智能分类，得到第一预设数量的类别，并采用第一预设数量的类别更新分类编码。具体步骤为：

由于课堂本身之间有隐含的关系，本实施例可以通过算法去发现这些隐含关系，历史课堂矩阵根据超参数分类数K划分为多个分类簇。对于m维的历史课堂矩阵M1中的随机向量x，假设x服从高斯分布，构建第一函数如下：

其中，表示历史课堂矩阵中的随机向量，/>表示历史课堂矩阵的维度，/>表示每个维度数据的均值，/>表示/>的协方差，/>表示/>的行列式，/>表示/>的逆矩阵，/>表示第一预设数量的类别。

为了求得以上第一函数最大化，定义如下目标函数：

其中，表示历史课堂矩阵中第/>维度的随机向量，/>表示历史课堂矩阵的维度，表示干预系数，默认值为0.001，/>表示第一预设数量的类别，/>表示第/>个类别的权重，总值为1，默认值平均分配。

通过最大化目标函数，计算历史课堂矩阵M1中每一条记录的所属分类，并根据历史课堂矩阵得到的分类类别更新待排课堂矩阵M2的分类编码。

3、构建智能渐进模型。

本实施例采用渐进式算法构建好渐进式模型，通过渐进式模型为教室建立参数分类数K个教室的分类热度矩阵，然后对每个教室的分类热度矩阵进行倒排序，以使时间和地点安排均衡合理。具体步骤为：

对于待排课堂矩阵M2每条文档记录安排时间和教室，保证一是同一时间同一教室不冲突，二是保证同一时间同一教师不冲突，三是保证同一时间同一班级不冲突。在同一时间，为教室R集合求得合理解空间，并尽可能少的迭代。渐进式算法具体为：

首先，为每个教室R，根据超参分类数K，构建分类热度矩阵RHi，i的取值范围为[1-K]，分类热度矩阵的列为时间和热度。分类热度矩阵的初始矩阵默认值热度为0.0001。每个教室的热度值的热度计算函数如下：

其中，表示分类热度矩阵中的一个元素，/>表示当前热度值，/>表示热度值，默认值为0.002，/>指冷却因子，默认值为0.001，/>指排名系数，取0或1，当前/>在RHi中热度排名，区间为[0,1] ，默认值为0.2，/>表示迭代系数，取0或1，当对待排课堂矩阵M2每条记录安排时间和教室时，每迭代2次，冷却因子递减，冷却因子递减的目的是给高热度/>进行降温。

对于待排课堂矩阵M2 中每一条文档记录进行循环时，首先循环时间，在同一时间，根据其所属分类编码Ki，判断对应的热度分类矩阵RHi是哪个，对分类热度矩阵中的热度值按热度值倒排序，取超参数渐进最大范围n条记录，以保证热度的均衡性，使时间和地点安排均衡合理。找到热度值较低的文档记录，按硬性约束条件的要求对热度值较低的教室进行冲突检查，以确定合适的时间和地点；当找到合适的时间和地点后，更新分类热度矩阵，并将该待排课的课堂标志为排课成功。

对于所有待排课堂矩阵M2通过以上智能渐进模型完成排课后，对于所有未排课成功的记录，采用传统排课方法再次进行排课，以完成待排课堂矩阵中所有待排课堂的排课。

将本实施例的方法与其他传统的自动排课方法进行比较。采用排整率对本实施例的方法和其他传统的自动排课方法进行比较，排整率计算公式如下：

其中，表示排课成功的记录数，/>表示所有待排课堂数。

需要说明的都是，本实施例中的默认值可根据实际情况进行更改，本实施例不做具体限定。

在本实施例中，经过试用高校的运行，相对于其他传统的自动排课方法，在同等环境条件与规模下的，本实施例的方法的排课满意比其他传统的自动排课方法大有提升，本实施例的方法的排整率提升约20%，排课时间下降约10%。本实施例的方法提升了学校排课满意度，提升了高校的管理水平，提升了教师、学生对教务工作的认可度。

参照图3，本发明实施例还提供了一种智能高校自动排课***，本智能高校自动排课***包括矩阵构建单元100、数据分类单元200、数据更新单元300、数据排序单元400和自动排课单元500，其中：

矩阵构建单元100，用于构建包含多种属性的历史课堂矩阵和包含多种属性和分类编码的待排课堂矩阵；

数据分类单元200，用于根据多种属性，通过构建好的目标函数将历史课堂矩阵分类为第一预设数量的类别；

数据更新单元300，用于采用第一预设数量的类别更新分类编码，并根据更新后的分类编码对每个教室构建分类热度矩阵，得到每类编码的分类热度矩阵；

数据排序单元400，用于根据待排课堂矩阵中当前待排课堂对应的第一分类编码，对第一分类编码对应的分类热度矩阵中第二预设数量的热度值进行倒排序，得到排序后的分类热度矩阵；

自动排课单元500，用于采用预设的硬性约束条件，对排序后的分类热度矩阵对应的待排课堂矩阵中的多种属性进行冲突检查，并选择满足硬性约束条件且最低热度值的教室，以完成待排课堂矩阵中当前待排课堂的自动排课。

需要说明的是，由于本实施例中的一种智能高校自动排课***与上述的一种智能高校自动排课方法基于相同的发明构思，因此，方法实施例中的相应内容同样适用于本***实施例，此处不再详述。

参照图4，本申请实施例还提供了一种智能高校自动排课设备，本智能高校自动排课设备包括：

至少一个存储器；

至少一个处理器；

至少一个程序；

程序被存储在存储器中，处理器执行至少一个程序以实现本公开实施上述的智能高校自动排课方法。

该电子设备可以为包括手机、平板电脑、个人数字助理（Personal DigitalAssistant，PDA）、车载电脑等任意智能终端。

下面对本申请实施例的电子设备进行详细介绍。

处理器1600，可以采用通用的中央处理器(Central Processing Unit，CPU)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本公开实施例所提供的技术方案；

存储器1700，可以采用只读存储器（Read Only Memory，ROM）、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory，RAM)等形式实现。存储器1700可以存储操作***和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1700中，并由处理器1600来调用执行本公开实施例的智能高校自动排课方法。

输入/输出接口1800，用于实现信息输入及输出；

通信接口1900，用于实现本设备与其他设备的通信交互，可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信；

总线2000，在设备的各个组件（例如处理器1600、存储器1700、输入/输出接口1800和通信接口1900）之间传输信息；

其中处理器1600、存储器1700、输入/输出接口1800和通信接口1900通过总线2000实现彼此之间在设备内部的通信连接。

本公开实施例还提供了一种存储介质，该存储介质是计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令用于使计算机执行上述智能高校自动排课方法。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本公开实施例描述的实施例是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图中示出的技术方案并不构成对本公开实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、***、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory， ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序的介质。上面结合附图对本申请实施例作了详细说明，但本申请不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本申请宗旨的前提下作出各种变化。

Claims (3)

1.一种智能高校自动排课方法，其特征在于，所述智能高校自动排课方法包括：

构建包含多种属性的历史课堂矩阵和包含所述多种属性和分类编码的待排课堂矩阵；

根据所述多种属性，通过构建好的目标函数将所述历史课堂矩阵分类为第一预设数量的类别；其中：

采用高斯分布构建第一函数，并根据所述第一函数构建好目标函数；其中，通过如下方式构建第一函数：

，

其中，表示历史课堂矩阵中的随机向量，/>表示历史课堂矩阵的维度，/>表示每个维度数据的均值，/>表示/>的协方差，/>表示/>的行列式，/>表示/>的逆矩阵，/>表示第一预设数量的类别；

通过如下方式构建所述目标函数：

，

其中，表示历史课堂矩阵中第/>维度的随机向量，/>表示历史课堂矩阵的维度，/>表示干预系数，/>表示第一预设数量的类别，/>表示第/>个类别的权重；

根据所述多种属性，通过最大化所述目标函数对所述历史课堂矩阵中每一个元素进行分类，以将所述历史课堂矩阵分类为第一预设数量的类别；

采用所述第一预设数量的类别更新所述分类编码，并根据更新后的分类编码对每个教室构建分类热度矩阵，得到每类编码的分类热度矩阵；其中：

构建用于计算每个教室的热度值的热度计算函数；其中，通过如下方式构建用于计算每个教室的热度值的热度计算函数：

，

其中，表示分类热度矩阵中的一个元素，/>表示当前热度值，/>表示热度值，/>表示迭代系数，/>指冷却因子，/>指排名系数；

根据更新后的分类编码，对每类编码对应的教室采用热度计算函数计算出热度值；

通过所述热度值构建分类热度矩阵，得到每类编码的分类热度矩阵；

根据所述待排课堂矩阵中当前待排课堂对应的第一分类编码，对所述第一分类编码对应的分类热度矩阵中第二预设数量的热度值进行倒排序，得到排序后的分类热度矩阵；

采用预设的硬性约束条件，对所述排序后的分类热度矩阵对应的所述待排课堂矩阵中的所述多种属性进行冲突检查，并选择满足所述硬性约束条件且最低热度值的教室，以完成所述待排课堂矩阵中当前待排课堂的自动排课。

2.根据权利要求1所述的智能高校自动排课方法，其特征在于，在选择满足所述硬性约束条件且最低热度值的教室，以完成所述待排课堂矩阵中当前待排课堂的自动排课之后，所述智能高校自动排课方法还包括：

对完成自动排课的所述待排课堂矩阵中的当前待排课堂，打上成功排课标志；

对所述待排课堂矩阵中未完成自动排课的待排课堂，采用传统排课方法进行排课，以完成所述待排课堂矩阵中所有待排课堂的排课。

3.一种智能高校自动排课***，其特征在于，所述智能高校自动排课***包括：

矩阵构建单元，用于构建包含多种属性的历史课堂矩阵和包含所述多种属性和分类编码的待排课堂矩阵；

数据分类单元，用于根据所述多种属性，通过构建好的目标函数将所述历史课堂矩阵分类为第一预设数量的类别；其中：

采用高斯分布构建第一函数，并根据所述第一函数构建好目标函数；其中，通过如下方式构建第一函数：

，

其中，表示历史课堂矩阵中的随机向量，/>表示历史课堂矩阵的维度，/>表示每个维度数据的均值，/>表示/>的协方差，/>表示/>的行列式，/>表示/>的逆矩阵，/>表示第一预设数量的类别；

通过如下方式构建所述目标函数：

，

其中，表示历史课堂矩阵中第/>维度的随机向量，/>表示历史课堂矩阵的维度，/>表示干预系数，/>表示第一预设数量的类别，/>表示第/>个类别的权重；

根据所述多种属性，通过最大化所述目标函数对所述历史课堂矩阵中每一个元素进行分类，以将所述历史课堂矩阵分类为第一预设数量的类别；

数据更新单元，用于采用所述第一预设数量的类别更新所述分类编码，并根据更新后的分类编码对每个教室构建分类热度矩阵，得到每类编码的分类热度矩阵；其中：

构建用于计算每个教室的热度值的热度计算函数；其中，通过如下方式构建用于计算每个教室的热度值的热度计算函数：

，

其中，表示分类热度矩阵中的一个元素，/>表示当前热度值，/>表示热度值，/>表示迭代系数，/>指冷却因子，/>指排名系数；

根据更新后的分类编码，对每类编码对应的教室采用热度计算函数计算出热度值；

通过所述热度值构建分类热度矩阵，得到每类编码的分类热度矩阵；

数据排序单元，用于根据所述待排课堂矩阵中当前待排课堂对应的第一分类编码，对所述第一分类编码对应的分类热度矩阵中第二预设数量的热度值进行倒排序，得到排序后的分类热度矩阵；

自动排课单元，用于采用预设的硬性约束条件，对所述排序后的分类热度矩阵对应的所述待排课堂矩阵中的所述多种属性进行冲突检查，并选择满足所述硬性约束条件且最低热度值的教室，以完成所述待排课堂矩阵中当前待排课堂的自动排课。