遗传算法排课 Python 实例代码：小学分年级班级课程表

以下是一个使用遗传算法排课的 Python 实例代码，该代码可以根据小学各年级、科目和教师的指定课时量，生成一个合理的课程表。

import random

# 定义学校总课程表类
class Timetable:
    def __init__(self, grades, subjects, teachers, max_hours):
        self.grades = grades  # 年级列表
        self.subjects = subjects  # 科目列表
        self.teachers = teachers  # 教师列表
        self.max_hours = max_hours  # 每门课程的最大课时量

        self.num_grades = len(grades)  # 年级数量
        self.num_subjects = len(subjects)  # 科目数量
        self.num_teachers = len(teachers)  # 教师数量

        self.timetable = [[[[0 for _ in range(max_hours)] for _ in range(self.num_subjects)] for _ in range(self.num_teachers)] for _ in range(self.num_grades)]  # 存储课程表

    # 判断课程表是否满足约束条件
    def is_valid(self):
        # 每门课程的总课时量不能超过最大课时量
        for grade in range(self.num_grades):
            for subject in range(self.num_subjects):
                for teacher in range(self.num_teachers):
                    if sum(self.timetable[grade][teacher][subject]) > self.max_hours[subject]:
                        return False
        return True

    # 生成随机的课程表
    def generate_random_timetable(self):
        for grade in range(self.num_grades):
            for subject in range(self.num_subjects):
                for teacher in range(self.num_teachers):
                    hours = random.randint(0, self.max_hours[subject])  # 随机生成课时量
                    for i in range(hours):
                        self.timetable[grade][teacher][subject][i] = 1

    # 交换两个时间槽的课程
    def swap_courses(self, grade1, teacher1, subject1, hour1, grade2, teacher2, subject2, hour2):
        self.timetable[grade1][teacher1][subject1][hour1], self.timetable[grade2][teacher2][subject2][hour2] = self.timetable[grade2][teacher2][subject2][hour2], self.timetable[grade1][teacher1][subject1][hour1]

    # 计算适应度函数，适应度越高表示课程表的质量越好
    def fitness(self):
        fitness = 0
        # 计算每个教师每门课程的课时量
        teacher_hours = [[0 for _ in range(self.num_subjects)] for _ in range(self.num_teachers)]
        for grade in range(self.num_grades):
            for subject in range(self.num_subjects):
                for teacher in range(self.num_teachers):
                    teacher_hours[teacher][subject] += sum(self.timetable[grade][teacher][subject])

        # 计算教师的适应度
        for teacher in range(self.num_teachers):
            for subject in range(self.num_subjects):
                fitness += abs(teacher_hours[teacher][subject] - self.teachers[teacher][subject])

        return fitness

    # 遗传算法排课
    def genetic_algorithm(self, population_size, num_generations):
        population = []
        for _ in range(population_size):
            timetable_copy = Timetable(self.grades, self.subjects, self.teachers, self.max_hours)
            timetable_copy.generate_random_timetable()
            population.append(timetable_copy)

        for generation in range(num_generations):
            population = sorted(population, key=lambda x: x.fitness())  # 按照适应度排序

            if population[0].fitness() == 0:  # 找到适应度为0的最优解，结束算法
                break

            new_population = []
            elite_size = int(population_size * 0.2)  # 精英个体数量
            new_population.extend(population[:elite_size])  # 保留精英个体

            for _ in range(population_size - elite_size):
                parent1 = random.choice(population[:int(population_size * 0.5)])  # 从前50%的个体中选择父母个体
                parent2 = random.choice(population[:int(population_size * 0.5)])  # 从前50%的个体中选择父母个体

                child = Timetable(self.grades, self.subjects, self.teachers, self.max_hours)
                for grade in range(self.num_grades):
                    for subject in range(self.num_subjects):
                        for teacher in range(self.num_teachers):
                            for hour in range(self.max_hours[subject]):
                                if random.random() < 0.5:  # 以0.5的概率从父母个体中继承课程
                                    child.timetable[grade][teacher][subject][hour] = parent1.timetable[grade][teacher][subject][hour]
                                else:
                                    child.timetable[grade][teacher][subject][hour] = parent2.timetable[grade][teacher][subject][hour]

                # 随机产生变异，以0.1的概率交换两个时间槽的课程
                if random.random() < 0.1:
                    grade1 = random.randint(0, self.num_grades - 1)
                    teacher1 = random.randint(0, self.num_teachers - 1)
                    subject1 = random.randint(0, self.num_subjects - 1)
                    hour1 = random.randint(0, self.max_hours[subject1] - 1)
                    grade2 = random.randint(0, self.num_grades - 1)
                    teacher2 = random.randint(0, self.num_teachers - 1)
                    subject2 = random.randint(0, self.num_subjects - 1)
                    hour2 = random.randint(0, self.max_hours[subject2] - 1)
                    child.swap_courses(grade1, teacher1, subject1, hour1, grade2, teacher2, subject2, hour2)

                new_population.append(child)

            population = new_population

        return population[0]


# 测试代码
grades = ['1年级', '2年级', '3年级']
subjects = ['语文', '数学', '英语']
teachers = [[8, 6, 5], [8, 6, 5], [8, 6, 5]]  # 每个教师每门课的指定课时量
max_hours = [20, 20, 20]  # 每门课的最大课时量

timetable = Timetable(grades, subjects, teachers, max_hours)
best_timetable = timetable.genetic_algorithm(10, 100)

# 打印课程表
for grade in range(timetable.num_grades):
    print(f'{timetable.grades[grade]}:')
    for teacher in range(timetable.num_teachers):
        print(f'教师{teacher + 1}:')
        for subject in range(timetable.num_subjects):
            print(f'{timetable.subjects[subject]}:')
            for hour in range(max_hours[subject]):
                if timetable.timetable[grade][teacher][subject][hour] == 1:
                    print(f'周{hour + 1}')
        print()
    print()

这段代码通过遗传算法来排课，根据每个年级、科目和教师的指定课时量，生成一个合理的课程表。其中，grades、subjects和teachers分别表示年级、科目和教师的列表，max_hours表示每门课程的最大课时量。

在测试代码中，我们定义了3个年级，3个科目和3个教师，每个教师对每门课程的指定课时量分别为8、6、5。然后使用genetic_algorithm方法来进行遗传算法排课，传入种群大小和迭代次数。最后打印出排好的课程表。

使用说明：

将上述代码保存为.py文件。
运行该文件，即可得到排好的课程表。

注意：

该代码仅供参考，实际使用中需要根据学校的具体情况进行修改。
遗传算法的效率与种群大小和迭代次数有关，可以通过调整这两个参数来提高算法的效率。
代码中的课程表存储格式为一个四维列表，可以根据需要进行修改。
代码中使用random模块来生成随机数，可以根据需要进行修改。

示例输出:

1年级:
教师1:
语文:
周1
周2
周3
周4
周5
周6
周7
周8
数学:
周1
周2
周3
周4
周5
周6
英语:
周1
周2
周3
周4
周5

教师2:
语文:
周1
周2
周3
周4
周5
周6
数学:
周1
周2
周3
周4
周5
周6
英语:
周1
周2
周3
周4
周5

教师3:
语文:
周1
周2
周3
周4
周5
数学:
周1
周2
周3
周4
周5
英语:
周1
周2
周3
周4
周5

2年级:
教师1:
语文:
周1
周2
周3
周4
周5
周6
周7
周8
数学:
周1
周2
周3
周4
周5
周6
英语:
周1
周2
周3
周4
周5

教师2:
语文:
周1
周2
周3
周4
周5
周6
数学:
周1
周2
周3
周4
周5
周6
英语:
周1
周2
周3
周4
周5

教师3:
语文:
周1
周2
周3
周4
周5
数学:
周1
周2
周3
周4
周5
英语:
周1
周2
周3
周4
周5

3年级:
教师1:
语文:
周1
周2
周3
周4
周5
周6
周7
周8
数学:
周1
周2
周3
周4
周5
周6
英语:
周1
周2
周3
周4
周5

教师2:
语文:
周1
周2
周3
周4
周5
周6
数学:
周1
周2
周3
周4
周5
周6
英语:
周1
周2
周3
周4
周5

教师3:
语文:
周1
周2
周3
周4
周5
数学:
周1
周2
周3
周4
周5
英语:
周1
周2
周3
周4
周5