图1量子门坐标图

　　排课时的一些要求，其中一周上两次的课，不能排在同一天或者相邻两天，至少相差一天。项目中主要牵涉到的数据，每门课程的重要性，将它们存放在一个数组中，其中，无课也放在了数组中，则最终的数组应该是一个一维数组，包括8个元素。

　　intclassWeights[]={0，70，60，55，75，80，90，85}

　　对应的课程为无课，体育，计算机基础，政治，数据结构，高数，英语，操作系统。其中，classWeight[0]无课的重要性，没有课程，那重要性当然为0，后面依次是第几们课程的重要性。下标为几，即为第几们课程的重要性。各个时间段的重要性存放在一个二维数组中，数组中共有25个元素，因为这里讨论的排课问题，一个星期共有五天上课，一天共有五节课，其中上午两节课，下午两节课，晚上一节课，这里的一节课包括两个学时。第一个下标加1后的值表示的是星期几，第二个下标加1后的值表示的是第几节课，如timeWeights[2][3]表示的是星期三第四节课。有：

　　double[][]timeWeights=

　　{{0.65，0.90，0.85，0.60，0.50}，

　　{0.90，0.85，0.80，0.75，0.70}，

　　{0.95，0.90，0.85，0.80，0.65}，

　　{0.90，0.80，0.75，0.70，0.60}，

　　{0.85，0.90，0.70，0.60，0.50}}

　　Fitness函数如下：

　　[fx=i=0i=4j=0j=4timeWeightsij?classWeightsk，0≤k≤7]

　　函数[f（x）]是评价排出课表好坏的函数，[f（x）]值越大，则排出的课表越好。

　　3.2两种算法的测试结果

　　在项目中还有一些辅助的类就在此不做详细介绍，WriteFile.java中方法的作用是将运行的结果输入到Excel文件中。test.java是一个主函数的类，最终采用进化1000代，种群规模为10，每种算法运行25次，最终分别对它们的1次运行和25次求的平均画图，比较两种算法，可看出量子遗传进化算法在求具体的高校排课问题的优越性。在控制台中也会输出每次运行中的最优解的课表。其中第1次到第25次运行的是量子遗传进化算法，第26次到第50次运行的是遗传算法。运行结果的截图如图2，图3所示。

　　图2QEA与CGA一次运行最好解的fitness值

　　图3QEA与CGA运行25次的最好解的平均fitness值

　　从图2和图3中可以很明显的看出量子遗传进化算法求出的解要比遗传算法求出的解要好，下面给出两种算法排出的具体课表，这里取出某次运行中的最优解的课表。

　　表3是量子遗传进化算法排出的课表，表4是遗传算法排出的课表。它们的fitness值可以从图2中看出，量子遗传进化算法排出的课表的fitness值明显大于遗传算法排出的课表的fitness值。

　　表3量子遗传进化算法第10次运行排出的课表

　　表4遗传算法第10次运行排出的课表

　　4结语

　　通过对高校排课问题的分析，对高校排课问题中主要的影响因素进行比较深入的了解，并根据量子启发式进发算法优点，采用量子遗传进化算法来解决高校排课问题。从最终的结果对比可以看出，量子遗传进化算法得出的解比遗传算法得出的解要好很多，收敛速度上，量子遗传进化算法和遗传算法的收敛速度差不多。所以，采用量子遗传进化算法来解决高校排课问题比较高效，能得到很好的解。

　　参考文献

　　[1]HAN K H， KIM J H. Quantum?inspired evolutionary algorithm fora class of combinatorial optimization [J]. IEEE Transactions on Evolutionary Computation， 2002， 6（6）： 580?593.

　　[2]杨俊安，庄镇泉.量子遗传算法研究现状[J].计算机科学，2003，30（11）：13?15.

　　[3]NARAYANAN A， MOORE M. Quantum?inspired genetic algorithm [C]// Proceedings of IEEE Congress on Evolutionary Computation. Nogama： IEEE， 1996： 61?66.

　　[4]HART K H，PARK K H.Parallel quantum?inspired genetic algorithm for combinatorial optimization problems [C]// Proceedings of the IEEE Conference on Evolutionary Computation.Piscataway： IEEE Press， 2001： 1422?1429.

　　[5]TONY H.Quantum computing： all introduction [J].Computing & Control Engineering Journal，1996， 10（3）： 105?112.

　　[6] LIU Wen?jie， CHEN Han?wu， YAN Qiao?qiao，et al. A novel quantum?inspired evolutionary algorithm based on variable angle?distance rotation [C]// 2010 IEEE Congress on Evolutionary Computation. Barcelona： IEEE， 2010： 1?7.

　　[7]RECHENBERG I. Evolutionsstrategie： optimierung technischer systemenach prinzipien der biologishen evolution stuttgart [M]. Germany： From?mann?Holzbog， 1973.

　　[8]雷英杰，张善文，李续武，等.Matlab遗传算法工具箱及应用[M].西安：西安电子科技大学出版社，2005.

　　[9]王小平，曹立明.遗传算法[M].西安：西安交通大学出版社，2002.

　　[10]兰慧.基于遗传算法的排课系统的设计与实现[D].北京：华北电力大学，2005.

 

---

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

---

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。