买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉科技大学

摘要：本发明公开了一种平衡贪心与置信上限动作策略的强化学习排课算法，可以根据教学资源和排课需求优化中小学排课过程。排课算法步骤如下：1整合教学资源，编码成6位教学任务元组；2定义排课动作与状态空间，构建排课表强化学习环境模型；3平衡使用贪心与置信上限动作策略，强化学习排课过程；4根据学习得到的最佳Q值表格，生成全校课表。其中，贪心与置信上限动作选择策略在算法不同阶段使用，结合奖励函数引导，平衡两种策略选择最佳排课动作，学习优化排课过程。本发明将排课问题转化为强化学习决策过程，根据教学资源和实际应用需求排课，有效优化排课表结果。

主权项：1.一种平衡贪心与置信上限动作策略的强化学习排课算法，其特征在于，包括如下步骤：S1、分析培养计划，定义教师集合L，课程集合M，班级集合C，然后按教学任务分配，生成指定班级下的教学任务元组集合U，每个教学任务元组对应1次课，每个元组用6位编码表示，教师，课程，班级各用两位十进制编码；S2、构建排课强化学习环境模型,以教学班为单位，将时间片所含信息视为状态s，把安排元组到不同时间片作为动作a，利用阶段性变化的组合奖励设计奖励函数R，根据排课需求设置约束条件和课表矩阵，智能体为与强化学习环境交互的实体；其中时间片、课表矩阵、状态s、动作a、奖励函数R表达如下：P表示以班级为单位的时间片集合，长度为d，一个班级每周待安排时段记为：P＝{p1,p2,…,pd}Z表示课表矩阵，展示全校课程安排情况，b是全校班级个数，Z记为： 第i班的第t个时刻排课状态s记为： 里面包含即将安排时间Pt、该时间片列已排教师集合Lt、已排课程集合Mt；第i班下的动作记为第t个时刻排课动作记为： 表示把第i班任务列表的第j元组放入第t时间片；采用组合奖励设计奖励函数R，根据编排过程中满足约束条件的情况设置奖励，奖励值体现动作选择能否让课表矩阵变化符合约束条件，智能体每一步都获得反馈使得课表矩阵Z的期望收益最大化；S3、使用Q-learning算法学习编排课表，构建状态动作空间的Q表，平衡使用贪心Epsilon-greedy,ε-Greedy与置信上限UpperConfidenceBound,UCB动作策略，根据算法迭代过程选择与之适配的动作选择方法；循环给每个班级每个时间片排课，根据排课效果，计算动作奖励值R，然后不断更新Q表，完成设定的学习轮次；S4、根据最优Q表对应的课表矩阵Z，生成课表。

全文数据：

权利要求：

百度查询： 武汉科技大学 一种平衡贪心与置信上限动作策略的强化学习排课算法