智能实验室的排课管理是以实验室排课为目标,在学校教务处实现统一安排的教学任务,其内容是根据授课计划制定出一个合理的可行的课表,是落实整个实验室教学和实验室管理的核心功能。在课程安排中涉及的核心因素包括时间、学生、教师、课程以及教室等,这是一个非线性的多目标组合优化问题,此类问题一般不存在,唯一的最优解,所以处理课程安排的关键思路在于确定近似最优解,从而能够显著的减少计算难度。针对实验室的详细的排课任务实现,本文当中首先针对高校排课领域当中国外以及国内研究人员的相应成果进行介绍,并采用归纳以及分析的方式结合相关理论,拟提出一种新的基于粒子群优化算法来解决大量复杂非线性的排课问题。本题使用改进的粒子群算法求解排课问题,为实际排课管理提供一种解决方法。题目求解的是排课问题,在教学资源方面同样具备一定的实践价值,而不仅仅针对实验资源,由此能够较好的对布置教务普通课程进行处理。本文通过实验确定相对合理的粒子群参数值,从而增强算法的效率,由此大大降低实际当中课程安排所需的时间。本文的研究内容主要包括:1.通过拆分粒子种群产生主子种群,采用迭代的方式处理子群,确定子群当中具备的最优解,而后采用迭代求解的方式来处理子群当中具备的母群以及最优解,采用事中控制,即在迭代过程中判断系统成熟度,对不成熟的系统采取变异操作,来规避粒子群算法在后期陷入最优解的困境。2.建立实验资源配置的硬条件约束模型和多导向的普遍适应度函数,设计粒子的更新速度和位置,设计算法的终止条件。3.使用东华大学化工学院2017-2018年第二学期的实验课程作为算例验证,对种群规模以及迭代次数存在差异的适应度函数值进行对比,由此确定设置参数的最优解。通过对比原遗传算法形成的方案以及粒子群算法形成的方案,从而发现粒子群算法能够较好的处理大量复杂非线性的排课问题的方法。