新高考智能分班方法、系统、计算机设备及存储介质

摘要

本发明公开了一种新高考智能分班方法、系统、计算机设备及存储介质，所述方法包括：读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表；将所有第一分班表视为种群，每张第一分班表视为种群内的一个染色体，将每一代的种群进行适应度最优排序，对于每一代的X个染色体中，选择排名靠前的Y个染色体；对选择操作后的第一分班表进行交叉操作，得到第二分班表；计算第二分班表的适应度，若第二分班表符合设定的分班类型，则直接将第二分班表作为最佳分班表输出；否则，继续进行选择操作和交叉操作，不断循环迭代，直到符合设定的分班类型，输出最佳分班表。本发明通过测试表明进行行政班和教学班的分班可以满足学校的实际需求。

说明书

技术领域

本发明涉及一种新高考智能分班方法、系统、计算机设备及存储介质，属于智能分班技术领域。

背景技术

如何基于选科结果制定符合学校有限资源走班教学模式，给教务人员带来了巨大的挑战，单单依靠人工计算进行合理规划分班将变得异常困难。

在实际教学中，如何将一批学生进行合理的分班，一直以来就是教务工作的痛点，当新高考制度颁布之后，不仅仅要满足分数和男女比例的均衡，还要根据学校的要求进行选科组合的优化组合和走班教学班的分班。传统的人工方法中，不仅仅需要花费教务员大量的工作时间，而且一旦行政班和教学班的分班结果确定，由于教学班与行政班存在关联关系，后续调整也将变得特别不方便。

近些年来，有一大批学者为了解决教务人员的难题，将各种不同的算法应用于走班的分班，例如动态规划算法、贪心算法、蚁群算法、模拟退火算法等等。不过以上的传统算法在针对新高考的行政班与教学班的分班实际应用中，效果欠佳。

发明内容

有鉴于此，本发明提供了一种新高考智能分班方法、系统、计算机设备及存储介质，其应用于新高考的行政班和教学班的分班，借助计算机强大的计算力，能够解决针对新高考政策下的走班分班难题，通过测试表明进行行政班和教学班的分班可以满足学校的实际需求。

本发明的第一个目的在于提供一种新高考智能分班方法。

本发明的第二个目的在于提供一种新高考智能分班系统。

本发明的第三个目的在于提供一种计算机设备。

本发明的第四个目的在于提供一种存储介质。

本发明的第一个目的可以通过采取如下技术方案达到：

一种新高考智能分班方法，所述方法包括：

读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表；

将所有第一分班表视为种群，每张第一分班表视为种群内的一个染色体，将每一代的种群进行适应度最优排序，对于每一代的X个染色体中，选择排名靠前的Y个染色体；

对选择操作后的第一分班表进行交叉操作，得到第二分班表；

计算第二分班表的适应度，若第二分班表符合设定的分班类型，则直接将第二分班表作为最佳分班表输出；否则，继续进行选择操作和交叉操作，不断循环迭代，直到符合设定的分班类型，输出最佳分班表。

进一步的，所述读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表，具体包括：

将学生学号作为唯一键值，通过该键值找到该学生的基本信息；

采取一个随机算法，将学生的顺序打乱；

根据班级数量和每班最大人数，进行随机初始化，将每个学生的学号填入初始分班表中，得到第一分班表。

进一步的，所述对选择操作后的第一分班表进行交叉操作，具体包括：

在选择操作后的第一分班表中，任取两个班级，并在这两个班级中任取两个学生进行交换。

进一步的，所述适应度采用适应度函数计算，该适应度函数如下式：

其中，ω

其中，N

进一步的，所述约束包括分数约束、男女比例约束、信息熵约束和分班类型约束，其中：

所述分数约束是指根据学生输入的参考分数，设定一个分数阈值；

所述男女比例约束是指通过设定一个男女比例阈值，控制每个班级的男女比例；

所述信息熵约束是指利用信息熵计算每个班级选科组合的混乱程度，捕捉每个班级的选科组合统计结果；

所述分班类型约束是指设定分班类型。

进一步的，所述利用信息熵计算每个班级选科组合的混乱程度，捕捉每个班级的选科组合统计结果，如下式：

其中，H为信息熵，n为总个数，P

进一步的，所述分班类型包括定一走二、定二走一和三科优先，其中：

定一走二是指在三科选科中，班级的每个学生其中一科无需走班上课，剩下两科需到指定走班教室上课；

定二走一是指在三科选科中，班级的每个学生其中两科无需走班上课，剩下一科需到指定走班教室上课；

三科优先是指首先将选科组合一样的学生尽可能多的分在同一个班级，保证这些学生不需走班上课，然后将剩下的学生进行分班，而剩下的学生，基本选科科目都需要进行走班上课。

本发明的第二个目的可以通过采取如下技术方案达到：

一种新高考智能分班系统，所述系统包括：

随机安排模块，用于读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表；

选择模块，用于将所有第一分班表视为种群，每张第一分班表视为种群内的一个染色体，将每一代的种群进行适应度最优排序，对于每一代的X个染色体中，选择排名靠前的Y个染色体；

交叉模块，用于对选择操作后的第一分班表进行交叉操作，得到第二分班表；

计算模块，用于计算第二分班表的适应度，若第二分班表符合设定的分班类型，则直接将第二分班表作为最佳分班表输出；否则，继续进行选择操作和交叉操作，不断循环迭代，直到符合设定的分班类型，输出最佳分班表。

本发明的第三个目的可以通过采取如下技术方案达到：

一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的新高考智能分班方法。

本发明的第四个目的可以通过采取如下技术方案达到：

一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的新高考智能分班方法。

本发明相对于现有技术具有如下的有益效果：

1、本发明通过读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表，将所有第一分班表视为种群，每张第一分班表视为种群内的一个染色体，将每一代的种群进行适应度最优排序，即将每一代的种群内的染色体进行适应度从好到坏排序，按照一定比例选取排名靠前的个体，这样就能保证每次遗传都能选择到最优的部分种群，使迭代更加迅速。

2、本发明引入信息熵的概念，利用信息熵计算每个班级选科组合的混乱程度，捕捉每个班级的选科组合统计结果，即可以敏锐捕捉科目总数每一次细微的变化，使每次变化的信息熵都往熵最低的方向进行。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明实施例1的遗传算法的流程图。

图2为本发明实施例1的新高考智能分班方法的流程图。

图3为本发明实施例1的交叉操作前的分班表示意图。

图4为本发明实施例1的交叉操作后的分班表示意图。

图5为本发明实施例2的新高考智能分班系统的结构框图。

图6为本发明实施例3的计算机设备的结构框图。

图7为本发明实施例3的计算机设备安装的分班软件的分班主程序模块的框架图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：

在传统的文理科教学模式中，因为每个班级学生的选科结果是一样的，所以无需考虑优化选科组合的因素，按照学校要求，根据分数情况和男女比例进行行政班的分班即可；在新高考制度颁布之后，传统的行政班教学模式已经不能满足教学要求，新高考的改革很大程度上是鼓励学生根据自己的兴趣爱好或者自己特长的学科中进行自由、个性化的选择，这样就会导致在行政班分班的时候很难保证每个班级的学生选科结果是完全一样的，当某个班级的学科组合出现差异时，就会出现其中一个同学上的选科科目课程，对于另一个学生来说是不需要上课的，因此需要走班教学就成了必然。

从理论上来分析，如果学校有足够多的教室和足够多的教师，那么完成走班教学是一件非常容易安排的事情；但是这种理想的情况是很少出现的，经走访调查多个高中学校，发现目前学校遇到的普遍问题就是教室资源和教师资源的不足，要求要在有限的教学资源的情况下制定一个最符合学校的走班分班策略。

遗传算法是模拟生物学家达尔文生物进化论的思想，在自然界中，各个神生物个体存在个体的差异，在生存环境的竞争压力下，适者生存，不适者将会被淘汰；物种所保留的有利性状在世代传递过程中逐渐变异，经过性状分异和中间类型消失便形成越来越适应生存环境的种群，本实施例将这种思想运用到分班的场景中，以分数、男女比例、信息熵等作为种群的评价指标，可以很好的找到满足条件的解，其总体算法流程如图1所示。

如图2所示，本实施例提供了一种新高考智能分班方法，该方法基于遗传算法实现，包括以下步骤：

S201、读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表。

本实施例预先建立初始分班表，分班表能够定义为一个染色体，其中C1-Cn代表班级，N1-Nn代表每个班的分班人数(该人数可以根据实际情况灵活设置)，具体如下表1所示。

表1初始分班表

从数据库中读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表，学生的基本信息具体包括学生学号、姓名、性别、选科组合、参考分数以及分班类型，其中选科组合共有20种，是将物理、化学、生物、历史、地理和政治随机三科为一组的总组合数，分别是物化生、物化史、物化地、物化政、物生史、物生地、物生政、物史地、物史政、物地政、化生史、化生地、化生政、化史地、化史政、化地政、生史地、生史政、生地政、史地政。对于分班类型，主要有定一走二、定二走一、三科优先。

读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表，具体为：将数据库中的信息，存到python字典中，将学生学号作为唯一键值(默认一个学校的学号是学生的唯一标识)，通过这个键值可以找到该学生的所有基本信息；为了尽可能模拟自然界中的随机状态，采取一个随机算法，将学生的顺序打乱，然后再根据班级数量和每班最大人数，进行随机初始化。将每个学生的学号填入初始分班表中，得到第一分班表。

S202、将所有第一分班表视为种群，每张第一分班表视为种群内的一个染色体，将每一代的种群进行适应度最优排序，对于每一代的X个染色体中，选择排名靠前的 Y个染色体。

在遗传算法的选择操作中，经常用轮盘赌的方式去进行新种群的选择，但是经过试验证明，因为每次变化的位置较少，所以在同一批种群的每个染色体(即个体)适应度差距都不大，如果按轮盘赌方式，将适应度所占的比例作为选择依据的话，很有可能将较好的染色体忽略掉，这样就导致种群进化趋于随机震荡性，也即很大可能选不到适应度较优的遗传染色体，这样会使收敛过程趋于无序性。

因此，本实施例将每一代的种群进行适应度最优排序(从好到坏排序)，对于每一代的X个染色体中，按一定比例选择排名靠前的Y个染色体，这样就能保证每次遗传都能选择到最优的部分种群，使迭代更加迅速。

S203、对选择操作后的第一分班表进行交叉操作，得到第二分班表。

本实施例将模拟生物遗传部分基因发生交换的情形，进行交叉操作，具体操作为：在选择操作后的第一分班表中，任取两个班级，并在这两个班级中任取两个学生进行交换，得到第二分班表，交叉操作前的分班表(即选择操作后的第一分班表)如图3 所示，交叉操作后的分班表(即第二分班表)如图4所示。

S204、计算第二分班表的适应度，若第二分班表符合设定的分班类型(定一走二、定二走一、三科优先)，则直接将第二分班表作为最佳分班表输出；否则，继续进行选择操作和交叉操作，即返回步骤S202，不断循环迭代，直到符合设定的分班类型，输出最佳分班表。

上述步骤中，适应度采用适应度函数计算，该适应度函数如下式：

其中，ω

其中，N

根据需求，约束主要包括：分数约束、男女比例约束、信息熵约束和分班类型约束等，各个约束的具体说明如下：

A、分数约束

根据学生输入的参考分数，会通过计算每个班的班级平均分，通过设定一个分数阈值，来保证每个行政班的班级平均分不会差距太大，达到分数均衡的结果。

B、男女比例约束

为了保证每个班级的男女比例尽可能平均，不出现某个班级男生特别多女生极少数，或者女生特别多男生极少数的情况，通过设定一个男女比例阈值，控制每个班级的男女比例，达到男女比例均衡的结果。

C、信息熵约束

现有的技术都是去计算每个班级的选科结果进行简单的相加，根据相加的结果进行“定”的判断，如果和为班级人数时就视为定住一门科目不用走班，这种方法的缺点明显，在科目数量之和未达到班级人数时，在进行交叉操作之后，两个学生互换，交叉前后的科目数量之和都未达到班级人数，无法及时得捕捉到这一细微的变换，就算种群往好的方向在进化，也统一认定不符合“定”的要求。

1948年，香农提出了“信息熵”的概念，彻底解决了对信息的量化度量问题。信息熵这个词是从热力学中借用过来的。热力学中的热熵是表示分子状态混乱程度的物理量，香农用信息熵的概念来描述信源的不确定度，而本实施例在新高考分班的场景中，利用信息熵计算每个班级选科组合的混乱程度，捕捉每个班级的选科组合统计结果，即可以敏锐捕捉科目总数每一次细微的变化，使每次变化的信息熵都往熵最低的方向进行。

其中，利用信息熵计算每个班级选科组合的混乱程度，捕捉每个班级的选科组合统计结果，如下式：

其中，H为信息熵，n为总个数，P

D、分班类型约束

在新高考分班中，首先需要确定分班类型，分班类型一共有三种：定一走二、定二走一、三科优先，每个类型对应的计算方式都不一样。定一走二，顾名思义就是在三科选科中，班级的每个学生其中一科不需走班上课，在本行政班上课即可，剩下两科需到指定走班教室上课；同理，定二走一就是在三科选科中，班级的每个学生其中两科不需要走班上课，在本行政班上课即可，其中一科需到指定走班教室上课；三科优先是一种比较保守的方式，先将选科组合一样的学生尽可能多的分在同一个班级，保证这些学生不需走班上课，然后将剩下的学生进行分班，而剩下的学生，基本选科科目都需要进行走班上课。这样就将走班人数控制在学校可控的范围。

本领域技术人员可以理解，实现上述实施例的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，相应的程序可以存储于计算机可读存储介质中。

应当注意，尽管在附图中以特定顺序描述了上述实施例的方法操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

实施例2：

如图5所示，本实施例提供了一种新高考智能分班系统，该系统包括随机安排模块501、选择模块502、交叉模块503和计算模块504，各个模块的具体功能如下：

随机安排模块501，用于读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表。

选择模块502，用于将所有第一分班表视为种群，每张第一分班表视为种群内的一个染色体，将每一代的种群进行适应度最优排序，对于每一代的X个染色体中，选择排名靠前的Y个染色体。

交叉模块503，用于对选择操作后的第一分班表进行交叉操作，得到第二分班表。

计算模块504，用于计算第二分班表的适应度，若第二分班表符合设定的分班类型，则直接将第二分班表作为最佳分班表输出；否则，继续进行选择操作和交叉操作，不断循环迭代，直到符合设定的分班类型，输出最佳分班表。

本实施例中各个模块的具体实现可以参见上述实施例1，在此不再一一赘述；需要说明的是，本实施例提供的系统仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

实施例3：

本实施例提供了一种计算机设备，该计算机设备为计算机，如图6所示，其通过系统总线601连接的处理器602、存储器、输入装置603、显示器604和网络接口605，该处理器用于提供计算和控制能力，该存储器包括非易失性存储介质606和内存储器 607，该非易失性存储介质606存储有操作系统、计算机程序和数据库，该内存储器607 为非易失性存储介质中的操作系统和计算机程序的运行提供环境，处理器602执行存储器存储的计算机程序时，实现上述实施例1的新高考智能分班方法，如下：

读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表；

将所有第一分班表视为种群，每张第一分班表视为种群内的一个染色体，将每一代的种群进行适应度最优排序，对于每一代的X个染色体中，选择排名靠前的Y个染色体；

对选择操作后的第一分班表进行交叉操作，得到第二分班表；

计算第二分班表的适应度，若第二分班表符合设定的分班类型，则直接将第二分班表作为最佳分班表输出；否则，继续进行选择操作和交叉操作，不断循环迭代，直到符合设定的分班类型，输出最佳分班表。

进一步地，所述读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表，具体包括：

将学生学号作为唯一键值，通过该键值找到该学生的基本信息；

采取一个随机算法，将学生的顺序打乱；

根据班级数量和每班最大人数，进行随机初始化，将每个学生的学号填入初始分班表中，得到第一分班表。

进一步地，所述对选择操作后的第一分班表进行交叉操作，具体包括：

在选择操作后的第一分班表中，任取两个班级，并在这两个班级中任取两个学生进行交换。

本实施例的计算机设备上可以安装能够实现上述新高考智能分班方法的分班软件，其中分班主程序模块如图7所示，包括初始化单元、评价单元和遗传单元。

初始化单元用于读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表，具体为：将学生学号作为唯一键值，通过该键值找到该学生的基本信息；采取一个随机算法，将学生的顺序打乱；根据班级数量和每班最大人数，进行随机初始化，将每个学生的学号填入初始分班表中，得到第一分班表。

评价单元主要利用上述实施例1的式(2)来完成各种约束的评价。

遗传单元包括选择操作和交叉操作，具体为：将所有第一分班表视为种群，每张第一分班表视为种群内的一个染色体，将每一代的种群进行适应度最优排序，对于每一代的X个染色体中，选择排名靠前的Y个染色体；对选择操作后的第一分班表进行交叉操作，得到第二分班表。

实施例4：

本实施例提供了一种存储介质，该存储介质为计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时，实现上述实施例1的新高考智能分班方法，如下：

读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表；

将所有第一分班表视为种群，每张第一分班表视为种群内的一个染色体，将每一代的种群进行适应度最优排序，对于每一代的X个染色体中，选择排名靠前的Y个染色体；

对选择操作后的第一分班表进行交叉操作，得到第二分班表；

计算第二分班表的适应度，若第二分班表符合设定的分班类型，则直接将第二分班表作为最佳分班表输出；否则，继续进行选择操作和交叉操作，不断循环迭代，直到符合设定的分班类型，输出最佳分班表。

进一步地，所述读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表，具体包括：

将学生学号作为唯一键值，通过该键值找到该学生的基本信息；

采取一个随机算法，将学生的顺序打乱；

根据班级数量和每班最大人数，进行随机初始化，将每个学生的学号填入初始分班表中，得到第一分班表。

进一步地，所述对选择操作后的第一分班表进行交叉操作，具体包括：

在选择操作后的第一分班表中，任取两个班级，并在这两个班级中任取两个学生进行交换。

需要说明的是，本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器 (CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

综上所述，本发明通过读取学生的基本信息，并随机安排到初始分班表中，得到第一分班表，将所有第一分班表视为种群，每张第一分班表视为种群内的一个染色体，将每一代的种群进行适应度最优排序，即将每一代的种群内的染色体进行适应度从好到坏排序，按照一定比例选取排名靠前的个体，这样就能保证每次遗传都能选择到最优的部分种群，使迭代更加迅速；此外，本发明引入信息熵的概念，利用信息熵计算每个班级选科组合的混乱程度，捕捉每个班级的选科组合统计结果，即可以敏锐捕捉科目总数每一次细微的变化，使每次变化的信息熵都往熵最低的方向进行。

以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。