91精品人妻互换日韩精品久久影视|又粗又大的网站激情文学制服91|亚州A∨无码片中文字慕鲁丝片区|jizz中国无码91麻豆精品福利|午夜成人AA婷婷五月天精品|素人AV在线国产高清不卡片|尤物精品视频影院91日韩|亚洲精品18国产精品闷骚

摘要：本系統(tǒng)在遵守中小學(xué)招生政策的前提下，基于就近原則，結(jié)合貪心算法和蠻干算法，設(shè)計(jì)中小學(xué)招生劃片模型和算法，實(shí)現(xiàn)了學(xué)校宏微觀規(guī)劃、微觀規(guī)劃和片區(qū)拆遷規(guī)劃功能，使學(xué)生能夠“就近入學(xué)”，最優(yōu)化利用教育資源，為中小學(xué)招生劃片提供參考依據(jù)。
論文關(guān)鍵詞：就近原則,招生劃片,片區(qū)拆遷,貪心算法

　　本文研究的系統(tǒng)屬于廈門市教育地理信息管理系統(tǒng)的子系統(tǒng)。本系統(tǒng)嚴(yán)格遵守廈門市中小學(xué)生招生政策，并根據(jù)目前中小學(xué)校分布情況，實(shí)現(xiàn)了動(dòng)態(tài)分區(qū)劃片功能。在學(xué)校規(guī)模、均用地、配套設(shè)施、安全方面等滿足一定指標(biāo)的情況下，使學(xué)生能夠“就近入學(xué)”，最優(yōu)化利用教育資源。

　　1. 招生劃片模型

　　本系統(tǒng)分區(qū)劃片的主要原則是就近原則，最優(yōu)化利用教育資源。要求某一地區(qū)全體學(xué)生在整體上能夠就近入學(xué)，并不是僅保證個(gè)別學(xué)生在最近的學(xué)校入學(xué)。換句話說，確實(shí)按照越靠近哪所學(xué)校，就在那所學(xué)校學(xué)習(xí)，但前提是能夠滿足學(xué)校承載力，這樣才有實(shí)際意義。此有三種情況特此說明如下：

　　

　　圖1 圖2 圖3

　�。�1）如圖1所示，小區(qū)一附近只有一所學(xué)校A，因而小區(qū)一的學(xué)生只能被分配到學(xué)校A就讀，而小區(qū)五附近有兩所學(xué)校，雖然小區(qū)五離學(xué)校A的距離甚至比小區(qū)一更近，但學(xué)校A的招生名額已滿，因此只能安排到鄰近的學(xué)校B。這個(gè)不違反就近原則。這樣綜合考慮后，既充分利用了教育資源，又使得的總路程最短。

　�。�2）如圖2所示，由于招收名額有限，同一個(gè)小區(qū)的學(xué)生不能到同一所學(xué)校就讀，如小區(qū)五只有20名能上學(xué)校A，而另外的230只能上學(xué)校B，這時(shí)只能采取隨機(jī)抽號的方法來決定哪20名去學(xué)校A，另外的230名去學(xué)校B�，F(xiàn)在采取的方案就是要拆分小區(qū)五。

　�。�3）如圖3所示，與（2）類似，由于學(xué)校A招收名額有限，同在小區(qū)五的學(xué)生不能均到距其最近的學(xué)校A就讀，但是小區(qū)四、五與學(xué)習(xí)A的距離相差不大。可以采取2種方案，第一種方案如（2）情形，即采取拆分小區(qū)五；第二種情況是，由于距離差別不大的情況下，采取不拆分小區(qū)五，而直接把小區(qū)五的學(xué)生分到學(xué)校A，而把小區(qū)四的學(xué)生分到學(xué)校B，這樣使得整個(gè)小區(qū)的學(xué)生可以一起上學(xué)。這兩種方案孰優(yōu)孰劣，需要聽取民意，不過筆者認(rèn)為第一種方案更可取。

　　基于上述原則，設(shè)計(jì)模型如下：

　　

　　參數(shù)說明：D為綜合加權(quán)距離；為第j個(gè)社區(qū)和第i所學(xué)校間的距離；為第j個(gè)社區(qū)分配給第i所學(xué)校的學(xué)生數(shù)；是第j個(gè)社區(qū)的總學(xué)生數(shù)；和為第i所學(xué)校招生規(guī)模的上下限。

　　目標(biāo)函數(shù)為綜合加權(quán)距離的最小值，此為就近原則的體現(xiàn)。約束條件即每個(gè)學(xué)生對應(yīng)一所學(xué)校，且劃分到某校的人數(shù)盡可能的接近招生名額數(shù)，以避免過飽和同時(shí)達(dá)到最優(yōu)化利用教育資源。

　　2. 算法設(shè)計(jì)

　　蠻干算法以及貪心算法均可求解上述模型。蠻干算法即窮舉法，按照一定的次序，找出所有可行解，從而得到最優(yōu)解。 此算好的優(yōu)點(diǎn)是一定能夠找到最優(yōu)解，但是算法效率低，運(yùn)行速度慢；貪心算法就是按照某種次序做出一系列的決定（總是選取當(dāng)前情況下最優(yōu)的決定，屬于局部最優(yōu)），使得某個(gè)決定僅作一次，且不再重復(fù)。這種算法要比蠻干算法在運(yùn)行速度上快很多，但是，遺憾的是貪心算法并不總能導(dǎo)致最優(yōu)的結(jié)果。在求解過程中我們將蠻干與貪心這兩種算法有效的結(jié)合，效率大大提高，且大多情況下可以得到最優(yōu)解。

　　算法流程如下：

　　

　　圖4 分區(qū)劃片算法流程圖 圖5 特別分配算法流程圖

　　3. 實(shí)例驗(yàn)證

　　我們選用廈門市進(jìn)行實(shí)驗(yàn)，為確保數(shù)據(jù)真實(shí)可靠，系統(tǒng)中均采用來自福建省統(tǒng)計(jì)軟件的數(shù)據(jù)和統(tǒng)計(jì)局人口普查數(shù)據(jù)，結(jié)合系統(tǒng)可依據(jù)實(shí)際情況做出適當(dāng)調(diào)整，每個(gè)小區(qū)或街道到學(xué)校的距離的采樣過程中，我們采取把小區(qū)或街道看成一個(gè)幾何形狀，取其幾何中心，并取其上學(xué)人數(shù)，抽象成一個(gè)點(diǎn)數(shù)據(jù)。同時(shí)也把學(xué)�？闯梢粋�(gè)點(diǎn)數(shù)據(jù)，通過兩點(diǎn)間沿街道的最短路徑當(dāng)作小區(qū)或街道到學(xué)校的路程；在學(xué)校實(shí)際已穩(wěn)定就讀的，在招生規(guī)模中排除，模型中主要考慮新生入學(xué)人數(shù)以及轉(zhuǎn)入轉(zhuǎn)出人數(shù)，以保持已就讀學(xué)生的劃片區(qū)穩(wěn)定性。

　　為保持現(xiàn)有招生結(jié)構(gòu)的穩(wěn)定一致，系統(tǒng)中按照目前給定劃片區(qū)域及其情況作為初始狀態(tài)。利用當(dāng)前數(shù)據(jù)對小學(xué)進(jìn)行重新分區(qū)劃片，為了使結(jié)果具有一定的抗干擾能力，系統(tǒng)并非一步到位，將小區(qū)（或約特定生源）劃分到具體指定的某個(gè)學(xué)校，而是利用聚類思想，先進(jìn)行宏觀的處理，將整個(gè)湖里區(qū)劃分成如圖5中藍(lán)色所示的大的片區(qū)，每個(gè)片區(qū)中容納適當(dāng)?shù)男�學(xué)數(shù)量，即一個(gè)片區(qū)對應(yīng)多所小學(xué)，多個(gè)小區(qū)。片區(qū)劃分之后，再利用分區(qū)劃片模型對每個(gè)小區(qū)的生源進(jìn)行微觀的處理，如圖6。圖5中紅色部分為原有電腦派位系統(tǒng)得到的一對一劃分結(jié)果，即一個(gè)片區(qū)中只有一個(gè)學(xué)校，藍(lán)色為我們系統(tǒng)實(shí)驗(yàn)結(jié)果，一個(gè)片區(qū)對應(yīng)多所學(xué)校。

　　舊城改造更新以及新區(qū)開發(fā)建設(shè)速度的加快，大部分學(xué)校周邊已規(guī)劃建設(shè)或更新改造，學(xué)校擴(kuò)建增容難度加大，為解決這個(gè)問題，本系統(tǒng)設(shè)計(jì)了拆遷劃片微調(diào)功能，如圖7所示。以前埔社區(qū)為例，依實(shí)際情況調(diào)整拆遷學(xué)生人數(shù)，從“可選片區(qū)”中選擇遷往目的片區(qū)，分析結(jié)果如表1所示：即把前埔社區(qū)的一部分拆除，一部份遷往蔡塘社區(qū)，而另一部分遷往長青社區(qū)。

　　

　　圖5 廈門市湖里區(qū)宏觀規(guī)劃示意圖 圖6 廈門市瑞景社區(qū)微觀招生劃片示意圖

　　

　　圖7 拆遷劃片微調(diào)功能 表1 前埔社區(qū)拆遷劃片微調(diào)結(jié)果

　　4.總結(jié)

本系統(tǒng)根據(jù)現(xiàn)有學(xué)校的招生劃片范圍、近年招生數(shù)以及我市人口普查數(shù)據(jù)以及區(qū)各年齡段人口的統(tǒng)計(jì)數(shù)據(jù)，采用GIS的空間分析功能，進(jìn)行學(xué)校合理招生片區(qū)劃分，解決舊城改造中學(xué)生就學(xué)問題。本系統(tǒng)對學(xué)校布局采用宏觀的聚類，這樣的規(guī)劃更便于以后的調(diào)整，更易于應(yīng)急操作的調(diào)整，抗干擾能力大大增強(qiáng)，為教育部門提供輔助決策支持，具有一定的參考意義。本系統(tǒng)也存在不足之處，數(shù)據(jù)采集困難，將社區(qū)看作點(diǎn)處理，難免存在空間分析上的誤差，需要進(jìn)一步完善。由于篇幅限制，本文算法只給出了初始解，將另文討論其優(yōu)化問題。