Применение искусственных нейронных сетей в задаче составления расписаний учебных занятий

Каргапольцев Сергей Константинович,

доктор технических наук, профессор, прорек­тор по научной работе, Иркутского государственного универси­тета путей сообщения,

Лашук Николай Владимирович,

начальник Центра информационных технологий, Забайкальского института железнодорожного транспорта.

В связи с тем, что распределение учебного фонда является одним из важных элементов организации учебного процесса, то разработка автома­тизированной системы составления расписания отвечающей всем требованиям технологического процесса является актуальной за­дачей для вузов.

Поскольку задача составления расписания учебных занятий является плохо формализуемой, то решение представляет собой достаточно сложный процесс. Таким образом, для поставленной задачи было решено использовать искусственные нейронные сети (ИНС), поскольку последние имеют преимущество при поиске оптимальных вариантов.

При составлении расписания необходимо учитывать большое количество факторов, имеющих как постоянный характер для всех учебных заведений, так и временный для определенного вуза в текущем году. Факторы, имеющие постоянный характер: не ставить в одну аудиторию одновременно две разные группы, лекции должны проводиться в первой половине дня. К временным факторам относятся: часы, отводимые на изучение дисциплины, набор допустимых дней и пар для каждой группы и преподавателя, сочетание занятий, запланированная учебная нагрузка преподавателя и его индивидуальные требования. Эти факторы являются граничными и должны оцениваться по своим критериям.

При разработке автоматизированной системы составления расписания предлагается применить разновидность ИНС, использующих алгоритм обучения «без учителя» и являющимися самоорганизующимися картами Кохонена. В этом алгоритме используется «соревнование» нейронов за изменение веса.

Исходными данными для составления расписания занятий являются предикаты при следующих обозначениях (табл. 1)

Таблица 1.

Обозначим выход нейрона за O, тогда формула вычисления выходного значения будет иметь следующий вид: 

,

где x_i – i-й вход нейрона; w_i – вес i-го входа.

Значение каждого веса из вектора W_N={W_N,1 ...W_N,M } для объектов A, P, T, S вектора N вычисляется по формуле:

,

где A – число атрибутов у объекта из вектора N, N_i,j – значение j-го атрибута у i-го объекта из N, i=1..M,  M – размер вектора N.

Предлагается за входы нейрона принять учебные пары, а выходным слоем карты определить семестр, состоящий из недель и дней. Тогда архитектура самоорганизующейся карты будет иметь следующий вид рис. 1.

Рис. 1. Архитектура самоорганизующейся карты.

Для обучения СОК предлагается применить субтрактивный алгоритм Видроу-Хофа [1]:

,

где w^t – вектор весов победившего нейрона в момент времени t; w^t+1 – вектор весов в момент времени t+1; x – выходной вектор; α – коэффициент скорости обучения. В конкретном случае представляет интерес то, каким образом СОК распределит существующие данные.

Автоматизированную систему для составления расписания учебных занятий предлагается выполнить в трехуровневой клиент-серверной архитектуре. Для реализации предметной области использовать технологию поддержки принятия решений искусственных нейронных сетей. В качестве клиента предлагается использовать стандартные web браузеры. В качестве интеграционной технологии для реализации взаимодействия между клиентами и серверами предлагается технология CGI (Common Gateway Interface), для реализации серверной части использовать систему управления базами данных MySQL, для реализации алгоритмов программы использовать программное обеспечение с открытым кодом.

Автоматизированную систему составления расписания предлагается интегрировать в автоматизированную систему управления вузом (АСУ ВУЗ) организованную как систему поддержки принятия решений. Такая интеграция позволит получать исходные данные (контингент студентов, учебные планы специальностей, распределение нагрузки, аудиторный фонд) для составления расписания из подсистем АСУ ВУЗ таких как: «Учебный отдел» и «Деканат», а также позволит минимизировать ошибки и повысить оперативность составления расписания.

Автоматизация составления расписания в вузе посредством применения ИНС и средств информационных технологий позволит поднять на качественно иной уровень работу учебного отдела вуза, повысив эффективность принятия решений руководством отдела при составлении расписания.

Литература.

1. Анил К. Джейн, Жианчанг Мао, К.М. Моиуддин. Введение в искусственные нейронные сети  //Открытые системы. — 1997 г., №4.

2. Вороновский Г.К., Махотило К.В., Петрашев С.Н., Сергеев С.А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. - Х.: ОНОВА, 1997. - 112 с.

3. Интеграция информационных технологий в системных исследованиях энергетики / Массель Л.В., Болдырев Е.А., Горнов А.Ю. и др. Под ред. Н.И. Воропая. - Новосибирск: Наука, 2003. - 320 с.

4. Рассел С., Норвиг П. Искусственный интеллект: современный подход, 2-е изд : Пер. с англ. - М. : Издательский дом «Вильямс», 2006. -1408 с.

Поступила в редакцию 29.09.2008 г.