了硬件资源的占用量大，占用率高，直接导致的问题就是无法应对突发情况而重新对实验室进行排课，以适应实际需要。
目前的实验室排课系统仍然存在不少的技术缺陷，需要苛刻的环境、昂贵的设备、漫长的时间等代价作为弥补，不能很好满足当前高校需求。目前排课系统的发展趋势正朝着高实时性、高准确性以及高抗干扰性等方面发展。随着计算机技术的发展，近年来，人工智能算法也被用来解决实验人员排课问题。
2实时排课系统的设计
本文探讨设计了一个实验室实时智能排课系统，前端页面设计采用phphtml动态网页技术设计，服务器端采用wampserver，运行于wi
dowsserver2008服务器系统。系统可实现由用户自主输入信息的同时，从数据库中读取已有的存储信息：包括班级数量、每个实验课的各种请求、班级人数、课程覆盖要求、课程分配情况以及分配的时间长度下，根据不同的使用情况，结合算法分析计算出最优方案进行智能排课，同时给出约束性满足情况以及排课需要的各项性能指标，最后返回实验室排课序列。系统设计能够有效地改善以往排课系统软件中诸多弊端，是实验室专用排课系统，节省时间、人力资源和物力资源。
21系统功能建模
系统在设计的时候使用了功能建模。功能建模是指在业务建模的基础上，梳理出业务体系所在的问题域的层次关系，确定系统边界，明确关系接口，划分不同的子系统，确定各个子系统之间的功能，按照“系统子系统功能程序”的思路编排，且需说明解决哪部分业务以及功能间的关系。
系统采用功能建模的好处：
1）可靠性高、易用性强、准确率高无冲突；
2）实时性强，计算时间短，信息回馈速度快；
3）求解的质量高，能满足大多数约束性请求；
4）能应付各种突发状况，弹性适应能力强；
5）系统可维护性强，扩展性好，浏览方便。
f22关键算法合理化探讨
系统从数据库中快速提取配套资源信息，使用带约束性的机制从新生成初始解值，以达到最佳的初始值效果，为下一步算法处理作好准备。读取完数据后采用混合型算法进行数据分析。混合型算法通过对数据解空间的分离，然后分别进行搜索，得到各个解空间的局部最优解后，再对各个解进行综合匹配，使最终结果临近最优解。该方法兼顾了时间效率以及结果质量，同时结合启发式算法框架对系统开展进一步优化处理。通过结合这些算法设计出来的系统弹性适应能力强，能从容应对实验课程的突发请求以及课时变更，而对原有的实验室排课列表只造成很小的影响。
3结论
本文从实验室排课这一角度出发r