排课方法、装置、介质以及电子设备与流程

1.本公开涉及数据处理技术领域，具体地，涉及一种排课方法、装置、介质以及电子设备。


背景技术：

2.排课管理是学校教务管理系统设计的重要环节，同时也是十分复杂的管理工作之一。随着计算机技术的发展以及学生数量的迅速增多，课程编排由人工排课转向成了通过计算机技术进行智能排课，通过合理的排课算法逻辑，既提高排课工作的科学性，又能减轻教务人员的工作负担。
3.然而，根据相关技术中的排课算法逻辑所得到的排课结果仍受人为主观因素影响，造成排课结果不合理。


技术实现要素：

4.为克服相关技术中存在的问题，本公开提供一种排课方法、装置、介质以及电子设备。
5.根据本公开实施例的第一方面，提供一种排课方法，包括：
6.获取历史排课数据以及与所述历史排课数据对应的多个排课影响因子；
7.根据所述历史排课数据以及所述多个排课影响因子，确定每一所述排课影响因子的权重值；
8.根据所述多个排课影响因子、每一所述排课影响因子的权重值以及预设约束条件，生成目标排课结果。
9.可选地，根据所述历史排课数据以及所述多个排课影响因子，确定每一所述排课影响因子的权重值，包括：
10.针对每一所述排课影响因子，根据所述历史排课数据，确定该排课影响因子对应的皮尔逊相关系数，并将所述皮尔逊相关系数作为该排课影响因子的权重值。
11.可选地，根据所述历史排课数据以及所述多个排课影响因子，确定每一所述排课影响因子的权重值，包括：
12.根据所述历史排课数据以及所述多个排课影响因子，确定第一变量和第二变量，其中所述第一变量根据每一所述排课影响因子对应的预设初始权重值对每一所述排课影响因子的值进行加权求和得到，所述第二变量为所述历史排课数据；
13.以每个所述排课影响因子的权重值是小于等于1且大于等于0的数、且所述多个排课影响因子的权重值之和是1为约束，以皮尔逊相关系数的值最大为目标，将所述第一变量和所述第二变量代入所述皮尔逊相关系数的计算式，对每一所述排课影响因子对应的预设初始权重值进行更新，得到每一所述排课影响因子对应的权重值。
14.可选地，根据所述历史排课数据以及所述多个排课影响因子，确定第一变量，包括：
15.根据每一所述排课影响因子与所述历史排课数据的相关性，确定该排课影响因子的变量符号，并根据每一所述排课影响因子的所述变量符号、每一所述排课影响因子对应的预设初始权重值，对每一所述排课影响因子的值进行加权求和，得到所述第一变量；
16.其中，在所述排课影响因子与所述历史排课数据正相关的情况下，所述排课影响因子的变量符号为正符号，在所述排课影响因子与所述历史排课数据负相关的情况下，所述排课影响因子的变量符号为负符号。
17.可选地，根据所述多个排课影响因子、每一所述排课影响因子的权重值以及预设约束条件，生成目标排课结果，包括：
18.根据每一所述排课影响因子的权重值与预设阈值的数值关系，确定每一所述排课影响因子对应的处理级别；
19.针对所述处理级别为第一预设级别的第一排课影响因子，根据所述预设约束条件，得到多个候选排课结果；
20.针对所述处理级别为第二预设级别的第二排课影响因子，以所述多个候选排课结果为约束，对预设排课算法进行求解，生成目标排课结果，其中所述预设排课算法中所述第二排课影响因子为自变量，排课结果为因变量。
21.可选地，以所述多个候选排课结果为约束，对预设排课算法进行求解，生成目标排课结果，包括：
22.以所述多个候选排课结果为约束，对预设排课算法进行求解，获得多个优选排课结果；
23.根据用户需求信息对所述多个优选排课结果进行排序，并在排序后的所述多个优选排课结果中选择位于预设排序位置的排课结果作为所述目标排课结果。
24.可选地，根据每一所述排课影响因子的权重值与预设阈值的数值关系，确定每一所述排课影响因子对应的处理级别，包括：
25.针对每一所述排课影响因子，当所述排课影响因子的权重值大于所述预设阈值时，确定所述排课影响因子的处理级别为所述第一预设处理级别，当所述排课影响因子的权重值小于或等于所述预设阈值时，确定所述排课影响因子的处理级别为所述第二预设处理级别。
26.根据本公开实施例的第二方面，提供一种排课装置，包括：
27.获取模块，被配置为获取历史排课数据以及与所述历史排课数据对应的多个排课影响因子；
28.确定模块，被配置为根据所述历史排课数据以及所述多个排课影响因子，确定每一所述排课影响因子的权重值；
29.生成模块，被配置为根据所述多个排课影响因子、每一所述排课影响因子的权重值以及预设约束条件，生成目标排课结果。
30.根据本公开实施例的第三方面，提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述第一方面提供的所述方法的步骤。
31.根据本公开实施例的第四方面，提供一种电子设备，包括：
32.存储装置，其上存储有计算机程序；
33.处理装置，用于执行所述存储装置中的所述计算机程序，以实现所述第一方面提
供的所述方法的步骤。
34.在本公开中，根据历史排课数据以及与历史排课数据对应的多个排课影响因子，确定每一排课影响因子的权重值，并根据多个排课影响因子、每一排课影响因子的权重值以及预设约束条件，生成目标排课结果。通过根据历史排课数据确定出不同教师的外部环境因素和教师的内部因素等客观的排课影响因子对排课数据的影响程度，是以客观且统一的参量标准为依据，同时以预设的约束条件为约束，得到该排课影响因子的权重值，如此，可以保证得到的目标排课结果的客观性和合理性，同时有效提高了排课效率和排课质量。
35.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
36.附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
37.图1是根据一示例性实施例示出的一种排课方法的流程图。
38.图2是根据一示例性实施例示出的一种排课装置的框图。
39.图3是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
40.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
41.为学员排课时，需考虑多种因素，例如教师可排时间、教师带课量和带生量等。自动排课根据多种因素找到最适合学员的教师，同时协调各因素之间的矛盾冲突，最终达到教师推荐合理化的结果。
42.相关技术中，仍存在人工排课的方式，但是人工排课的方式具有很强的人为主观性，造成排课不合理的情况，参量标准不统一，排课的结果难以用指标衡量，例如有些教师的工作负载大，有些教师空闲时间过长。利用计算机技术自动排课的方式，通过多种影响排课的因素以及依靠经验值设定每个影响排课的因素与排课数量之间的关联程度，即权重值，而以经验值设定权重值同样具有人为主观性。因此，如何合理确定多种影响因素的权重是本公开实施例所需解决的技术问题。
43.下面结合附图对本公开的方案进一步说明。
44.参见图1，图1是根据一示例性实施例示出的一种排课方法的流程图，如图1所示，该排课方法包括以下步骤。
45.s101、获取历史排课数据以及与历史排课数据对应的多个排课影响因子。
46.示例地，历史排课数据可以是在历史数据中，任一教师在多个周期性时长内的排课量，其中周期性时长可以是月、学期或学年。排课影响因子可以表征为对排课有影响的因素或者与排课有关联的因素，以教师的外部环境因素为例，如教师带课量、带生量、用户满意度、学员留存率、提分率、首课替换率等，其中首课替换率可以表征为试听课不满意率，例如在试听课结束后，学员要求更换教师的情况。或者以教师的内部因素为例，如教师性格、
授课风格、教学特点、性别、毕业院校、学历等。
47.s102、根据历史排课数据以及多个排课影响因子，确定每一排课影响因子的权重值。
48.示例地，每一排课影响因子的权重值可以表征该排课影响因子与排课量的关联程度，相关技术采用经验值设定权重值，此处是以历史排课数据和排课影响因子的数据为依据，确定每一排课影响因子的权重值。
49.示例地，获取的历史排课数据可以是预设时长内的排课量。以预设时长为一学期为例，该学期包括三个月，可以得到每一排课影响因子在一学期内的每一个月的数据与该月的排课量相对应，得到在预设时长内的三组数据，每一组数据包括任一个月内的多个排课影响因子的数据与该月的排课量，可以用于计算排课影响因子的权重值。
50.s103、根据多个排课影响因子、每一排课影响因子的权重值以及预设约束条件，生成目标排课结果。
51.示例地，预设约束条件是预先设置的约束条件，可以用于将排课结果约束在预先设置的约束范围内，使得到的目标排课结果更合理。
52.在本实施例中，根据历史排课数据以及与历史排课数据对应的多个排课影响因子，确定每一排课影响因子的权重值，并根据多个排课影响因子、每一排课影响因子的权重值以及预设约束条件，生成目标排课结果。通过根据历史排课数据确定出不同教师的外部环境因素和教师的内部因素等客观的排课影响因子对排课数据的影响程度，是以客观且统一的参量标准为依据，同时以预设的约束条件为约束，得到该排课影响因子的权重值，如此，可以保证得到的目标排课结果的客观性和合理性，同时有效提高了排课效率和排课质量。
53.在一些实施例中，根据历史排课数据以及多个排课影响因子，确定每一排课影响因子的权重值，包括：
54.针对每一排课影响因子，根据历史排课数据，确定该排课影响因子对应的皮尔逊相关系数，并将皮尔逊相关系数作为该排课影响因子的权重值。
55.示例地，皮尔逊相关系数(pearson correlation coefficient)，又称皮尔逊积矩相关系数(pearson product-moment correlation coefficient，简称ppmcc或pccs)，是用于度量两个变量之间的相关性，其值介于-1与1之间。在本实施例中，两个变量分别为任一排课影响因子和与该排课影响因子对应的历史排课数据。
56.两个变量之间的皮尔逊相关系数定义为两个变量之间的协方差和标准差的商，如下公式：
[0057][0058]
其中，ρ
p,q
表示任一排课影响因子与历史排课数据的相关性，p为该排课影响因子的值，q为历史排课数据，cov是协方差，σ
p
和σq分别是该排课影响因子的标准差和历史排课数据的标准差，μ
p
和μq分别是该排课影响因子的期望和历史排课数据的数学期望。
[0059]
具体的，将每一排课影响因子和与该排课影响因子对应的历史排课数据代入皮尔逊相关系数的计算式，可以得到该排课影响因子的皮尔逊相关系数作为权重值。
[0060]
在一些实施例中，根据历史排课数据以及多个排课影响因子，确定每一排课影响因子的权重值，包括：
[0061]
根据历史排课数据以及多个排课影响因子，确定第一变量和第二变量，其中第一变量根据每一排课影响因子对应的预设初始权重值对每一排课影响因子的值进行加权求和得到，第二变量为历史排课数据；
[0062]
以每个排课影响因子的权重值是小于等于1且大于等于0的数、且多个排课影响因子的权重值之和是1为约束，以皮尔逊相关系数的值最大为目标，将第一变量和第二变量代入皮尔逊相关系数的计算式，对每一排课影响因子对应的预设初始权重值进行更新，得到每一排课影响因子对应的权重值。
[0063]
示例地，皮尔逊相关系数用于度量两个变量之间的相关程度，将第一变量定义为根据每一排课影响因子对应的预设初始权重值对每一排课影响因子的值进行加权求和，将历史排课数据作为第二变量。
[0064]
以排课影响因子包括三个为例，将第一变量m确定为m＝am1+bm2+cm3，其中m1、m2、m3代表三个排课影响因子，a、b、c分别为m1、m2、m3三个排课影响因子的初始权重值，设定约束为a+b+c＝1、且0≤a≤1，0≤b≤1，0≤c≤1，将第二变量n确定为历史排课数据，皮尔逊相关系数的计算式如下：
[0065][0066]
其中，ρ
m,n
表示第一变量与第二变量之间的相关性，m为第一变量，n为第二变量，cov是协方差，σm和σn分别是第一变量的标准差和第二变量的标准差，μm和μn分别是第一变量的期望和第二变量的数学期望。
[0067]
进一步设定约束，使ρ
m,n
的值最大，将预设的初始权重值进行更新，可以得到每个排课影响因子与该排课影响因子对应的权重值。
[0068]
示例地，上述计算方式可以表示为：
[0069]
def.m＝am1+bm2+cm3[0070]
st.a+b+c＝1
[0071]
st.0≤a≤1
[0072]
st.0≤b≤1
[0073]
st.0≤c≤1
[0074]
max.ρ
m,n
[0075]
其中，def.m＝am1+bm2+cm3表示为定义第一变量m为根据每一排课影响因子对应的预设初始权重值对每一排课影响因子的值进行加权求和，st.a+b+c＝1表示将多个排课影响因子的权重值之和约束为等于1，st.0≤a≤1表示将第一排课影响因子m1的权重值约束为小于等于1且大于等于0，st.0≤b≤1表示将第二排课影响因子m2的权重值约束为小于等于1且大于等于0，st.0≤b≤1表示将第三排课影响因子m3的权重值约束为小于等于1且大于等于0，max.ρ
m,n
表示以皮尔逊相关系数的计算结果最大为目标。
[0076]
示例地，可以结合启发式算法对每一排课影响因子对应的预设初始权重值进行更新，其中，启发式算法一般用于解决np-hard问题，np是指非确定性多项式。启发式算法是相对于最优化算法提出的，是基于直观或者经验构造的算法，在可接受的时间和空间内给出待解决组合优化问题的一个可行解或全部解。启发式算法可以包括模拟退火算法(sa)、遗传算法(ga)、蚁群算法(aco)、人工神经网络(ann)等。
[0077]
本实施例结合皮尔逊相关系数的计算式，并设定约束对每一排课影响因子的权重值进行计算，使得皮尔逊相关系数的值最大，也是第一变量与第二变量之间的相关性最大，如此，在第一变量中的每一排课影响因子对应的权重值更合理。
[0078]
在一些实施例中，根据历史排课数据以及多个排课影响因子，确定第一变量，包括：
[0079]
根据每一排课影响因子与历史排课数据的相关性，确定该排课影响因子的变量符号，并根据每一排课影响因子的变量符号、每一排课影响因子对应的预设初始权重值，对每一排课影响因子的值进行加权求和，得到第一变量；
[0080]
其中，在排课影响因子与历史排课数据正相关的情况下，排课影响因子的变量符号为正符号，在排课影响因子与历史排课数据负相关的情况下，排课影响因子的变量符号为负符号。
[0081]
示例地，任一排课影响因子与排课数据中的排课量在业务上的单调性是确定的，例如，带课量越多排课量越少，提分率越高带课量越大，首课替换率越高，用户满意度越高带课量越大。因此，可以根据任一排课影响因子与排课数据的相关性调整每一排课影响因子的变量符号。
[0082]
可以理解的是，排课影响因子的值可以根据历史排课数据对应的排课影响因子的数据得到，例如首课替换率中，若试听课有20个学员，在试听课结束后，更换教师的学员有5个，则首课替换率为25％；例如用户满意度，可以根据用户听课后的反馈评分的平均值作为用户满意度的值。而性别、毕业院校和学历等排课影响因子，可以将这类以文本特征表示的排课影响因子转化为与每个文本特征对应的词向量，例如，将性别男表示为1，性别为女表示为2；例如，毕业院校表示为对应学校的编码；例如，学历是专科为1、学历是本科为2、学历是研究生为3等等。
[0083]
在一些实施例中，根据多个排课影响因子、每一排课影响因子的权重值以及预设约束条件，生成目标排课结果，包括：
[0084]
根据每一排课影响因子的权重值与预设阈值的数值关系，确定每一排课影响因子对应的处理级别；
[0085]
针对处理级别为第一预设级别的第一排课影响因子，根据预设约束条件，得到多个候选排课结果；
[0086]
针对处理级别为第二预设级别的第二排课影响因子，以多个候选排课结果为约束，对预设排课算法进行求解，生成目标排课结果，其中预设排课算法中第二排课影响因子为自变量，排课结果为因变量。
[0087]
示例地，根据每一排课影响因子的权重值与预设阈值的数值关系，可以将排课影响因子的处理级别分为多个。其中，针对处理级别为第一预设级别的第一排课影响因子，根据预设约束条件，对预设排课算法进行求解，可以得到多个候选的排课结果。针对处理级别
为第二预设级别的第二排课影响因子，以多个候选排课结果为约束，对预设排课算法进行求解，可以生成目标排课结果。
[0088]
另外，由于处理级别可以不限于两个处理级别，针对第二处理级别之后的多个处理级别，将上一处理级别得到的多个排课结果作为约束，根据该处理级别的排课影响因子的数据、权重值以及多个历史排课数据，对预设排课算法进行求解，可以得到该处理级别的进一步优选的排课结果，从而可以生成目标排课结果。其中，预设排课算法可以是启发式算法。
[0089]
可以理解的是，针对候选排课结果、优选排课结果以及进一步优选的排课结果，任一排课结果都可以包括教师推荐排序，即在获得目标排课结果之前的排课结果可以是确定任一教师的推荐程度作为对目标排课方案的约束条件。
[0090]
在一些实施例中，预设约束条件可以通过如下步骤得到：
[0091]
根据整数规划算法预先建立约束模型；
[0092]
根据约束模型确定预设约束条件的算式。
[0093]
其中，约束模型包括x约束模型和y约束模型，采用整数规划方法可以求解x约束模型和y约束模型，x约束模型的值等于0或大于1的整数，y约束模型的值等于0或1。具体的，x
[stu1][sub1][tea1][day1][slot1]
＝2表示为stu1学员排sub1科目的tea1教师的课的情况下，在预设时长内的一个虚拟周期内的第day1天的slot1时段可以排两节课，x
[stu1][sub1][tea1][day1][slot1]
＝0表示为stu1学员排sub1科目的tea1教师的课的情况下，在预设时长内的一个虚拟周期内的第day1天的slot1时段不能排课，y
[stu1][sub1][tea1]
＝1表示可以为stu1学员排sub1科目的tea1教师的课，y
[stu1][sub1][tea1]
＝0表示不能为stu1学员排sub1科目的tea1教师的课。一个虚拟周期是预设时长内的虚拟的周期性时长，例如预设时长为28天，虚拟周期为7天，则预设时长内具有4个周期。
[0094]
其中，预设约束条件的算式具体如下：
[0095]
(1)为stu1学员排sub1科目的tea1教师的课的情况下，在预设时长内的排课天数之和小于预设时长的总天数，在任意一天内排课的时段之和小于一天内的总时段，如下式所示：
[0096][0097]
其中，slot为一天中可以排课的总时段数，例如，一天可以排课为8个时段，即上午4个时段、下午4个时段，day表示预设时长内的总天数，例如预设时长可以是一个月或一个学期。l为预设时长内的任一天，m为一天内的任一时段。
[0098]
(2)确定为stu1学员排sub1科目的tea1教师的课的情况下，那么在预设时长内的任意一天的任一时段至少排一节课，如下式所示：
[0099][0100]
(3)stu1学员的sub1科目只能与该科目的其中一个老师绑定，如下式所示：
[0101][0102]
其中，k为任一教师。
[0103]
(4)stu1学员在预设时长的虚拟周期内的day1天的slot1时段下所对应的任意科
目的任一教师只能为1个，即一个学员在同一时间只能排一节课，如下式所示：
[0104][0105]
其中，j为任一科目。
[0106]
(5)tea1教师在预设时长的虚拟周期内的day1天的slot1时段下可以排课的数量为n，即根据教师排课时可以推荐出n个排课结果，在每个排课结果中一个教师在一天中的同一时间段只能排一节课，如下式所示：
[0107][0108]
其中，i为选择任一学员。
[0109]
(6)其余条件完全相同的情况下，相邻两时段的课程不重复，即在为i学员排j科目的k教师的课程时，在l天内的m和m+1的时段内，x模型的值不相同，例如在x
[i][j][k][l][m]
＝1时，x
[i][j][k][l][m+1]
＝0，如下式所示：
[0110][0111]
其中，not()是用于对参数值求反的一种函数，当要确保一个值不等于某一特定值时，可以使用该函数。
[0112]
(7)其余条件完全相同的情况下，相邻两天的同一时段所排的课程不重复，其中，相邻两天的同一时段的值如果相同，参数st的值为1，如果不同参数st的值为0，使参数st的值之和最小，即表示相邻两天的同一时段所排课程尽可能不是同一个，如下式所示：
[0113][0114]
min.∑
t＝0
st
[0115]
(8)选择教师推荐排序中的前n名教师，如下式所示：
[0116][0117]
(9)约束k教师在预设时段内的l日的m时段内不能排课，如下式所示：
[0118][0119]
(10)约束s学员在预设时段内的l日的m时段内不能排课，如下式所示：
[0120][0121]
(11)约束stu1学员在第day1天的总排课数量小于n1，如下式所示：
[0122][0123]
(12)约束stu1学员在预设时长内的每个虚拟周期的总排课数量小于n2，如下式所示：
[0124][0125]
(13)约束stu1学员在预设时长内的总排课量大于n3，如下式所示：
[0126]
[0127]
在一些实施例中，可以设置人机交互界面，便于用户选择性调整上述预设约束条件的算式，以满足用户的主观需求。
[0128]
示例地，在设定预设约束条件的算式后，还需设定求解预设排课算法的目标条件的条件模型，以使求解出的预设排课算法对应的排课结果更合理。
[0129]
定义z1条件模型和z2条件模型，具体如下：
[0130]
z1
[i][j][k]
＝y
[i][j][k]
*teacherorder
[k]
*teacherprioritycoefficient
[0131]
z2
[i][j][k][l][m]
＝x
[i][j][k][l][m]
*(coeff
[l][m]
*pointscoeffweight-r*slotweight)
[0132]
其中，teacherorder
[k]
表示教师推荐排序，k值越小，则教师排序越靠前，teacherorder
[k]
的值越大，teacherprioritycoefficient表示考虑教师排序的优先级的权重值。由于不同的排课影响因子的权重值可能不同，slotweight是对应某一处理级别的排课影响因子的权重值，pointscoeffweight是用户在人机交互界面所设置的排课影响因子的权重值。例如当用户期望一天中排课的时段越早越好，则r＝m，即将第五维度m时段所表征的排课影响因子的权重值代入计算，又例如当用户期望优先选择k教师的课程，则r＝k，即将第三维度k教师所表征的排课影响因子的权重值代入计算，r前是负号，因此r越小则z2越大。coeff
[l][m]
对应关于排课时段对应的排课影响因子的权重值，例如用户可以通过人机交互界面选择优先排课时段，此时pointscoeffweight表示该优先排课时段对应的排课影响因子的权重值。
[0133]
其中，teacherprioritycoefficient、slotweight以及pointscoeffweight均是可以由开发人员根据经验设定值预先设定的固定值，coeff
[l][m]
可以调整优先排课时段对应的排课影响因子的权重值，用户可以根据选择优先排课时段的需求程度调整该值。
[0134]
最大化z1条件模型和z2条件模型的值，得到该目标条件如下式所示：
[0135][0136][0137]
在一些实施例中，以多个候选排课结果为约束，对预设排课算法进行求解，生成目标排课结果，包括：
[0138]
以多个候选排课结果为约束，对预设排课算法进行求解，获得多个优选排课结果；
[0139]
根据用户需求信息对多个优选排课结果进行排序，并在排序后的多个优选排课结果中选择位于预设排序位置的排课结果作为目标排课结果。
[0140]
示例地，排课除了考虑教师的带生量、带课量等客观因素之外，还要考虑用户需求的用户主观因素，例如期望日课频、周课频或者期望排在热点时段上课等。而优先考虑了客观因素再考虑主观因素，得到的目标排课结果不受过大的主观因素影响，也保证了用户的主观需求，可以进一步保证得到的目标排课结果的客观性和合理性。
[0141]
示例地，对多个优选排课结果进行排序，算法一般是将更推荐的排课结果排在靠前位置，而且存在根据启发式算法得到的排序结果在最靠前的位置的结果不是最优结果的情况，因此可以将排序位置在靠前的三个位置的排课结果都作为目标排课结果，并通过人为选择目标排课结果中的排课结果作为最终的排课结果。
[0142]
在一些实施例中，根据每一排课影响因子的权重值与预设阈值的数值关系，确定每一排课影响因子对应的处理级别，包括：
[0143]
针对每一排课影响因子，当排课影响因子的权重值大于预设阈值时，确定排课影响因子的处理级别为第一预设处理级别，当排课影响因子的权重值小于或等于预设阈值时，确定排课影响因子的处理级别为第二预设处理级别。
[0144]
示例地，预设阈值是预先设定的值。其中，排课影响因子的处理级别可以不限于第一预设处理级别和第二预设处理级别，此处以处理级别包括第一预设处理级别和第二预设处理级别为例。
[0145]
在一种实施方式中，当排课影响因子的权重值是根据历史排课数据确定的该排课影响因子对应的皮尔逊相关系数的情况下，可以将预设阈值设置为0.8。即当任一排课影响因子的皮尔逊相关系数大于0.8的情况下，将该排课影响因子的处理级别为第一预设处理级别，当任一排课影响因子的皮尔逊相关系数小于等于0.8的情况下，将该排课影响因子的处理级别为第二预设处理级别。
[0146]
在另一种实施方式中，还可以设置第二预设阈值，第二预设阈值小于该预设阈值，预设阈值和第二预设阈值将多个排课影响因子的处理级别分为第一预设处理级别、第二预设处理级别和第三预设处理级别。其中，第二预设阈值可以为0.5，即当任一排课影响因子的皮尔逊相关系数小于等于0.8且大于0.5的情况下，将该排课影响因子的处理级别为第二预设处理级别，或者当任一排课影响因子的皮尔逊相关系数小于等于0.5的情况下，将该排课影响因子的处理级别为第三预设处理级别。可以理解的是，第三预设处理级别的排课影响因子将第二预设处理级别所得到的优选排课结果作为约束对预设排课算法求解，得到多个第二优选排课结果，此时将多个第二优选排课结果进行排序，并选择位于预设排序位置的排课结果作为目标排课结果。
[0147]
在又一种实施方式中，当根据历史排课数据以及多个排课影响因子确定第一变量和第二变量，并根据皮尔逊相关系数的计算式对第一变量中的初始权重值进行更新，确定排课影响因子的权重值的情况下，预设阈值可以是0。即当任一排课影响因子的权重值大于0的情况下，则表示该排课影响因子的变化对求解的目标有影响，当任一排课影响因子的权重值等于0的情况下，则表示该排课影响因子的变化对求解的目标没有影响。因此当任一排课影响因子的权重值大于0的情况下，将该排课影响因子的处理级别确定为第一预设处理级别，当任一排课影响因子的权重值等于0的情况下，将该排课影响因子的处理级别确定为第二预设处理级别。
[0148]
图2是根据一示例性实施例示出的一种排课装置的框图，如图2所示，该排课装置200包括获取模块201，确定模块202以及生成模块203。
[0149]
获取模块201，被配置为获取历史排课数据以及与历史排课数据对应的多个排课影响因子；
[0150]
确定模块202，被配置为根据历史排课数据以及多个排课影响因子，确定每一排课影响因子的权重值；
[0151]
生成模块203，被配置为根据多个排课影响因子、每一排课影响因子的权重值以及预设约束条件，生成目标排课结果。
[0152]
在一些实施例中，确定模块202包括：
[0153]
第一确定子模块，被配置为针对每一排课影响因子，根据历史排课数据，确定该排课影响因子对应的皮尔逊相关系数，并将皮尔逊相关系数作为该排课影响因子的权重值。
[0154]
在一些实施例中，根据历史排课数据以及多个排课影响因子，确定每一排课影响因子的权重值，包括：
[0155]
第二确定子模块，被配置为根据历史排课数据以及多个排课影响因子，确定第一变量和第二变量，其中第一变量根据每一排课影响因子对应的预设初始权重值对每一排课影响因子的值进行加权求和得到，第二变量为历史排课数据；
[0156]
更新子模块，被配置为以每个排课影响因子的权重值是小于等于1且大于等于0的数、且多个排课影响因子的权重值之和是1为约束，以皮尔逊相关系数的值最大为目标，将第一变量和第二变量代入皮尔逊相关系数的计算式，对每一排课影响因子对应的预设初始权重值进行更新，得到每一排课影响因子对应的权重值。
[0157]
在一些实施例中，第二确定子模块被配置为：
[0158]
根据每一排课影响因子与历史排课数据的相关性，确定该排课影响因子的变量符号，并根据每一排课影响因子的变量符号、每一排课影响因子对应的预设初始权重值，对每一排课影响因子的值进行加权求和，得到第一变量；
[0159]
其中，在排课影响因子与历史排课数据正相关的情况下，排课影响因子的变量符号为正符号，在排课影响因子与历史排课数据负相关的情况下，排课影响因子的变量符号为负符号。
[0160]
在一些实施例中，生成模块203包括：
[0161]
第三确定子模块，被配置为根据每一排课影响因子的权重值与预设阈值的数值关系，确定每一排课影响因子对应的处理级别；
[0162]
得到子模块，被配置为针对处理级别为第一预设级别的第一排课影响因子，根据预设约束条件，得到多个候选排课结果；
[0163]
生成子模块，被配置为针对处理级别为第二预设级别的第二排课影响因子，以多个候选排课结果为约束，对预设排课算法进行求解，生成目标排课结果，其中预设排课算法中第二排课影响因子为自变量，排课结果为因变量。
[0164]
在一些实施例中，生成子模块被配置为：
[0165]
以多个候选排课结果为约束，对预设排课算法进行求解，获得多个优选排课结果；
[0166]
根据用户需求信息对多个优选排课结果进行排序，并在排序后的多个优选排课结果中选择位于预设排序位置的排课结果作为目标排课结果。
[0167]
在一些实施例中，第三确定子模块被配置为：
[0168]
针对每一排课影响因子，当排课影响因子的权重值大于预设阈值时，确定排课影响因子的处理级别为第一预设处理级别，当排课影响因子的权重值小于或等于预设阈值时，确定排课影响因子的处理级别为第二预设处理级别。
[0169]
关于上述实施例中的排课装置，其中各个模块执行操作的具体方式已经在有关该排课方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0170]
在一些实施例中，本公开还提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开所提供的排课方法的步骤。
[0171]
在一些实施例中，本公开还提供一种电子设备，包括：
[0172]
存储装置，其上存储有计算机程序；
[0173]
处理装置，用于执行存储装置中的计算机程序，以实现本公开所提供的排课方法
的步骤。
[0174]
图3是根据一示例性实施例示出的一种电子设备300的框图。如图3所示，该电子设备300可以包括：处理器301，存储器302。该电子设备300还可以包括多媒体组件303，输入/输出(i/o)接口304，以及通信组件305中的一者或多者。
[0175]
其中，处理器301用于控制该电子设备300的整体操作，以完成上述的排课方法中的全部或部分步骤。存储器302用于存储各种类型的数据以支持在该电子设备300的操作，这些数据例如可以包括用于在该电子设备300上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器302可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件303可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器302或通过通信组件305发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口304为处理器301和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件305用于该电子设备300与其他设备之间进行有线或无线通信。无线通信，例如wi-fi，蓝牙，近场通信(near field communication，简称nfc)，2g、3g、4g、nb-iot、emtc、或其他5g等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件305可以包括：wi-fi模块，蓝牙模块，nfc模块等等。
[0176]
在一示例性实施例中，电子设备300可以被一个或多个应用专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digital signal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的排课方法。
[0177]
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的排课方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器302，上述程序指令可由电子设备300的处理器301执行以完成上述的排课方法。
[0178]
在另一些实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的排课方法的代码部分。
[0179]
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技
术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0180]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

技术特征：
1.一种排课方法，其特征在于，包括：获取历史排课数据以及与所述历史排课数据对应的多个排课影响因子；根据所述历史排课数据以及所述多个排课影响因子，确定每一所述排课影响因子的权重值；根据所述多个排课影响因子、每一所述排课影响因子的权重值以及预设约束条件，生成目标排课结果。2.根据权利要求1所述的排课方法，其特征在于，根据所述历史排课数据以及所述多个排课影响因子，确定每一所述排课影响因子的权重值，包括：针对每一所述排课影响因子，根据所述历史排课数据，确定该排课影响因子对应的皮尔逊相关系数，并将所述皮尔逊相关系数作为该排课影响因子的权重值。3.根据权利要求1所述的排课方法，其特征在于，根据所述历史排课数据以及所述多个排课影响因子，确定每一所述排课影响因子的权重值，包括：根据所述历史排课数据以及所述多个排课影响因子，确定第一变量和第二变量，其中所述第一变量根据每一所述排课影响因子对应的预设初始权重值对每一所述排课影响因子的值进行加权求和得到，所述第二变量为所述历史排课数据；以每个所述排课影响因子的权重值是小于等于1且大于等于0的数、且所述多个排课影响因子的权重值之和是1为约束，以皮尔逊相关系数的值最大为目标，将所述第一变量和所述第二变量代入所述皮尔逊相关系数的计算式，对每一所述排课影响因子对应的预设初始权重值进行更新，得到每一所述排课影响因子对应的权重值。4.根据权利要求3所述的排课方法，其特征在于，根据所述历史排课数据以及所述多个排课影响因子，确定第一变量，包括：根据每一所述排课影响因子与所述历史排课数据的相关性，确定该排课影响因子的变量符号，并根据每一所述排课影响因子的所述变量符号、每一所述排课影响因子对应的预设初始权重值，对每一所述排课影响因子的值进行加权求和，得到所述第一变量；其中，在所述排课影响因子与所述历史排课数据正相关的情况下，所述排课影响因子的变量符号为正符号，在所述排课影响因子与所述历史排课数据负相关的情况下，所述排课影响因子的变量符号为负符号。5.根据权利要求1-4任一所述的排课方法，其特征在于，根据所述多个排课影响因子、每一所述排课影响因子的权重值以及预设约束条件，生成目标排课结果，包括：根据每一所述排课影响因子的权重值与预设阈值的数值关系，确定每一所述排课影响因子对应的处理级别；针对所述处理级别为第一预设级别的第一排课影响因子，根据所述预设约束条件，得到多个候选排课结果；针对所述处理级别为第二预设级别的第二排课影响因子，以所述多个候选排课结果为约束，对预设排课算法进行求解，生成目标排课结果，其中所述预设排课算法中所述第二排课影响因子为自变量，排课结果为因变量。6.根据权利要求5所述的排课方法，其特征在于，以所述多个候选排课结果为约束，对预设排课算法进行求解，生成目标排课结果，包括：以所述多个候选排课结果为约束，对预设排课算法进行求解，获得多个优选排课结果；
根据用户需求信息对所述多个优选排课结果进行排序，并在排序后的所述多个优选排课结果中选择位于预设排序位置的排课结果作为所述目标排课结果。7.根据权利要求5所述的排课方法，其特征在于，根据每一所述排课影响因子的权重值与预设阈值的数值关系，确定每一所述排课影响因子对应的处理级别，包括：针对每一所述排课影响因子，当所述排课影响因子的权重值大于所述预设阈值时，确定所述排课影响因子的处理级别为所述第一预设处理级别，当所述排课影响因子的权重值小于或等于所述预设阈值时，确定所述排课影响因子的处理级别为所述第二预设处理级别。8.一种排课装置，其特征在于，包括：获取模块，被配置为获取历史排课数据以及与所述历史排课数据对应的多个排课影响因子；确定模块，被配置为根据所述历史排课数据以及所述多个排课影响因子，确定每一所述排课影响因子的权重值；生成模块，被配置为根据所述多个排课影响因子、每一所述排课影响因子的权重值以及预设约束条件，生成目标排课结果。9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。10.一种电子设备，其特征在于，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。

技术总结
本公开涉及一种排课方法、装置、介质以及电子设备，排课方法包括获取历史排课数据以及与历史排课数据对应的多个排课影响因子；根据历史排课数据以及多个排课影响因子，确定每一排课影响因子的权重值；根据多个排课影响因子、每一排课影响因子的权重值以及预设约束条件，生成目标排课结果。通过根据历史排课数据确定出不同教师的外部环境因素和教师的内部因素等客观的排课影响因子对排课数据的影响程度，是以客观且统一的参量标准为依据，同时以预设的约束条件为约束，得到该排课影响因子的权重值，如此，可以保证得到的目标排课结果的客观性和合理性，同时有效提高了排课效率和排课质量。排课质量。排课质量。


技术研发人员：刘东 李娥林
受保护的技术使用者：北京鼎事兴教育咨询有限公司
技术研发日：2023.04.28
技术公布日：2023/9/14