ReCourse(智选课友): An AI-driven Course Timetable Companion for ACEM

2023 Fall BUSS 3620 人工智能导论大作业
李金昊; 卢其汶; 吴苛铭; 熊栩源; 赵霄宇

这是一款可以帮助安泰同学排课的脚本😊

Requirements

为了让程序正常运行，你需要安装：

• python
• numpy
• PIL
• PyPt5
• pytorch

你可以按照如下的操作进行：

• 创建一个虚拟环境并激活：

  conda create -n ReCourse python=3.11
  conda activte Recourse
  

• 安装对应cuda版本的pytorch，例如：

  pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
  

• 安装Pillow，Pandas，PyQt5

  pip install Pillow
  pip install pandas
  pip install PyQt5==5.15.10
  

  或者可以按照如下命令一键安装：

  pip install -r requirements.txt
  

Quickstart

采用如下命令会直接显示出UI窗口：

python runner.py

用户可以根据自己的需要选择偏好(如喜好的时间，老师等)：

点击confirm all selections即可确认输入，等待算法生成课表。

Update model

本项目的实现基于了一个初始模型，如果想要获得更好的用户体验，可以在运行程序的时候加上参数is_update：

python runner.py --is_update=True

这样课程权重模型可以根据你的反馈进行迭代。

Algorithm

Backtrack Search

把本问题建模成了约束满足问题，并采用改良版的回溯搜索进行求解。先找到所有的可行解，再取课表评分进行排序。

默认实现采用了AC3来降低搜索空间，下面对比了naive，forward checking，AC3算法的性能：

选课门数	naive（探索节点数）	forward checking（探索节点数）	AC3（探索节点数）
n=3	217	185	185
n=5	302	266	264
n=10	8504	4062	4044

可以看到，forward checking已经能有效减少搜索空间，但是针对n较大或者更加复杂的系统，AC3的表现更佳

你可以通过python test.py来重现上述实验。

Cross Supervision

更新权重模型时，采用了**交叉监督(原创)**的方法。如果用户需要反馈并更新模型，会根据现在最优和次优课表的评分进行交叉监督。