生成算法 / 课表自动生成算法

Omniscol的生成算法可以自动计算周课表、周期课表或日历模式课表中课时的安排。它会安排已创建但尚未定位的课时；如果能改进课表，也会调整已定位的课时；已锁定的课时则保持在原位。

工作原理

启动生成后，Omniscol会开启一个专用的并行计算环境。学校一侧无需管理任何排队；初始化通常需要十秒左右，之后才会看到最初的计算结果。结果取决于您录入数据的质量：校区、教室、教师、小组、授课小时数、可用时间和不兼容规则。约束越多或相互矛盾越多，生成耗时就可能越长，也可能只得到部分结果。

其引擎是一种蒙特卡洛神经符号元启发式优化人工智能，结合了随机搜索、符号化业务规则和约束评分。关键在于实际使用：生成算法专为约束很多的情形设计，遇到无法实现的情况会明确提示，而不是掩盖冲突。

硬性约束

生成算法会严格遵守会使课表无效的约束：

• 一位教师不能同时出现在两个地方；
• 一个班级不能同时上两节课，但以班内分组方式设置的小组除外；
• 标记为不可用的可用时间和约束会阻止课时的安排；
• 普通教室不能同时容纳两节课；
• 大教室只有在所设定的容量和班级数量上限内，才能同时容纳多节课；
• 专业教室、容量、设备资源和校区间通勤必须保持相互兼容；
• 已锁定的课时保持其位置。

优化约束

软性约束用来对已找到的方案打分并加以改进。它们不会被忽略，而是转化为扣分项，由生成算法设法降低。

常见示例：

• 教师、教室、课程、小组或班级的不期望可用时间或约束；
• 科目之间的教学不兼容规则，例如避免实验课排在对应的讲授课之前，避免在一节负担很重的课后紧接着上体育课，或者要求按教学进度的顺序排课；
• 避免同一个班级在同一天出现两次相同的科目；
• 每天或每周授课小时数的下限或上限；
• 各天课时安排的均衡；
• 减少班级和教师课表中的空档；
• 教师的到校天数，视学校或所在国家的惯例而定。

找到一个有效方案是第一步。随后对扣分项的优化，往往会成为计算中耗时最长的部分。

适用范围

• 周课表——可用。
• 周期课表——可用。
• 日历课表——可用，需要有带日期的课时和日期范围。

生成失败怎么办

如果没有找到完整的方案，Omniscol会保留计算得到的最佳课表，并把无法安排的课时留在未定位便签列表中。您可以查看这份部分课表，阅读诊断结果，并修正约束。

常见原因：

• 可用时间设置过严（某位教师没有任何符合条件的空闲时段），
• 教室不足，或没有可用的专业教室，
• 对齐设置不一致（对齐的小组之间授课小时数不同），
• 不兼容规则过多或过于严格，
• 班级的理论人数超过了所有候选教室的容量。

参见 诊断课表生成失败的原因。

强制安排某节课时

重新生成之前，您可以锁定某节课时的位置：生成算法将不再移动它，而是围绕它调整其他课时。这对固定“不可调整”的课时很有用（合同约定了时间的外部授课、已确定日期的考试等）。