一种提高体育教学效果的方法及系统

1.本发明涉及教学方法优化技术领域，具体涉及一种提高体育教学效果的方法及系统。


背景技术：

2.体育教学过程中，由于不同学生身体素质与接受能力存在差异性，使得最终的教学结果存在一定的参差，提高课堂教学质量称为教育行业需解决的一大问题，基于现有的教学资源与教学规模，应对其进行充分利用，达到教学资源的最大化利用。
3.现如今，大部分的教学课程安排多为集体化教学，未将学生的自身情况考虑其中，会一定程度上影响到教学结果。


技术实现要素：

4.本技术提供了一种提高体育教学效果的方法及系统，用于针对解决现有技术中存在的大部分的教学课程安排多为集体化教学，未将学生的自身情况考虑其中，会一定程度上影响到教学结果的技术问题。
5.鉴于上述问题，本技术提供了一种提高体育教学效果的方法及系统。
6.第一方面，本技术提供了一种提高体育教学效果的方法，所述方法包括：获得教学对象信息；根据所述教学对象信息对教学对象进行体育素质分析，获得教学对象体育素质信息集；获得教学内容信息，所述教学内容信息包括教学目标、教学课程安排；基于所述教学课程安排，对各课程阶段对应的教学内容进行特征分析，确定教学安排特征信息集，所述教学安排特征信息集包括教学项目体能消耗率；根据所述教学目标、所述教学课程安排，确定教学课程安排目标关系；构建体育教学效果与所述教学项目体能消耗率、所述教学课程安排目标关系、所述教学对象体育素质信息的目标函数关系；基于所述目标函数关系，利用遗传算法确定教学目标最优课程安排信息。
7.第二方面，本技术提供了一种提高体育教学效果的系统，所述系统包括：信息获取模块，所述信息获取模块用于获得教学对象信息；素质分析模块，所述素质分析模块用于根据所述教学对象信息对教学对象进行体育素质分析，获得教学对象体育素质信息集；教学内容获取模块，所述教学内容获取模块用于获得教学内容信息，所述教学内容信息包括教学目标、教学课程安排；特征分析模块，所述特征分析模块用于基于所述教学课程安排，对各课程阶段对应的教学内容进行特征分析，确定教学安排特征信息集，所述教学安排特征信息集包括教学项目体能消耗率；关系确定模块，所述关系确定模块用于根据所述教学目标、所述教学课程安排，确定教学课程安排目标关系；函数关系构建模块，所述函数关系构建模块用于构建体育教学效果与所述教学项目体能消耗率、所述教学课程安排目标关系、所述教学对象体育素质信息的目标函数关系；信息确定模块，所述信息确定模块用于基于所述目标函数关系，利用遗传算法确定教学目标最优课程安排信息。
8.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
9.本技术实施例提供的一种提高体育教学效果的方法，根据获取的教学对象信息对教学对象进行体育素质分析获取教学对象体育素质信息集，对教学目标、教学课程安排进行信息采集，获得教学内容信息，基于所述教学课程安排，对各课程阶段对应的教学内容进行特征分析，确定教学安排特征信息集，根据所述教学目标、所述教学课程安排，对教学课程安排目标关系进行确定，基于体育教学效果与所述教学项目体能消耗率、所述教学课程安排目标关系、所述教学对象体育素质信息，进行目标函数关系的构建，进一步利用遗传算法确定教学目标最优课程安排信息。通过对课程安排进行优化，解决了现有技术中存在的大部分的教学课程安排多为集体化教学，未将学生的自身情况考虑其中，会一定程度上影响到教学结果的技术问题，达到教学质量的最大化。
附图说明
10.图1为本技术提供了一种提高体育教学效果的方法流程示意图；
11.图2为本技术提供了一种提高体育教学效果的方法中体育素质信息集获取流程示意图；
12.图3为本技术提供了一种提高体育教学效果的方法中目标函数关系构建流程示意图；
13.图4为本技术提供了一种提高体育教学效果的系统结构示意图。
14.附图标记说明：信息获取模块a，素质分析模块b，教学内容获取模块c，特征分析模块d，关系确定模块e，函数关系构建模块f，信息确定模块g。
具体实施方式
15.本技术通过提供一种提高体育教学效果的方法及系统，对教学对象的体育素质与教学内容分别进行信息提取与分析，获取相关信息集合，进一步针对提取的教学特征分析教学对象的教学效果，进而进行目标函数关系的构建，在此基础上依据遗传学算法确定教学目标最优课程安排，以此为标准进行所述教学目标的课程安排，以达到教学效果最大化，用于解决现有技术中存在的大部分的教学课程安排多为集体化教学，未将学生的自身情况考虑其中，会一定程度上影响到教学结果的技术问题。
16.实施例一
17.如图1所示，本技术提供了一种提高体育教学效果的方法，所述方法包括：
18.步骤s100：获得教学对象信息；
19.具体而言，本技术提供的一种提高体育教学的方法，通过对教学对象的体育素质进行分析，进而对相应的教学内容进行特征提取分析，在此基础上进行教学课程安排目标关系的确定，进一步确定相关目标函数关系，基于遗传算法对教学目标的最优课程安排进行获取，首先，对所述教学对象的信息进行获取，所述教学对象信息包括教学对象身份信息、身体素质信息、体能状态信息、历史课程记录、健康程度等，对获取的相关信息进行整合处理，进一步进行存储，便于后期进行提取调用，通过获取所述教学对象信息作为信息来源，为后续进行所述教学对象的体育素质分析提供了事实依据。
20.步骤s200：根据所述教学对象信息对教学对象进行体育素质分析，获得教学对象体育素质信息集；
21.具体而言，基于获取的所述教学对象信息，对教学对象进行信息提取归类分析，确定所述教学对象身份与相应历史教学数据，在此基础上针对所述教学对象进行多个相应课程的课程表现特征的提取分析，基于相应的评判标准对其进行分析评定，确定所述教学对象的课程表现度，根据所述教学对象的体育成绩进一步分析其优劣势所在，确定针对多个项目的相应体育完成度，进一步进行所述教学目标的身体检查记录的分析，确定所述教学目标的身体素质情况，身体素质不同，相应的会影响到体育项目的完成度，对上述相关信息进行综合分析，对分析结果进行整合处理，获取所述教学对象的身体素质、健康程度与体育完成度，对所述教学对象的体育素质信息集进行确定，通过进行所述教学对象的体育素质分析以获取所述教学对象体育素质集，便于后续进行针对性课程安排。
22.步骤s300：获得教学内容信息，所述教学内容信息包括教学目标、教学课程安排；
23.具体而言，依据多个不同的体育项目相关的课程信息，对相关的教学内容信息进行确定，通过进行课程分析，确定相关教学目标，所述教学目标指体育项目所要达成的标准，即体育项目的完成度，进一步对所述教学目标进行细化，将其细化为多个小目标来完成，在此基础上进行教学课程安排，并确定每节课程所要完成的任务量，例如，对于篮球课程，将三步上篮作为教学目标，针对运球、转身、变方向跑、交叉步等分别作为小目标安排课程教学，最终进行教学目标的考核，对获取的所述教学目标与所述教学课程安排进行归类整理，获取所述教学内容信息，通过对所述教学内容进行确定，可进一步进行具体分析，为进行教学课程安排目标关系的确定奠定了基础。
24.步骤s400：基于所述教学课程安排，对各课程阶段对应的教学内容进行特征分析，确定教学安排特征信息集，所述教学安排特征信息集包括教学项目体能消耗率；
25.步骤s500：根据所述教学目标、所述教学课程安排，确定教学课程安排目标关系；
26.具体而言，依据获取的所述教学内容信息，对所述教学课程安排中个课程阶段对应的教学内容进行特征提取分析，对相关的各个教学项目所对应的体能消耗率进行分析，确定各个教学项目体能的消耗程度，可进一步对所述教学对象基于体能评估结果进行教学项目适宜度分析，对其进行所述教学项目可完成度的评估，以进行针对性的课程安排调整，通过对各个课程安排阶段对应的教学内容进行特征分析，进而确定所述教学安排特征信息集，所述教学安排特征信息集指教学内容中所囊括的体能消耗等的表述教学强度相关的信息特征。
27.进一步而言，依据获取的所述教学内容信息，确定相应的所述教学目标与所述教学课程安排，所述教学目标指教学进程中所要达成的标准，所述教学课程安排指基于所述教学目标所制定的一系列教学进度，在此基础上，对所述教学课程安排目标关系进行确定，所述教学课程安排目标关系指所述教学目标与所述教学课程安排之间对应的完成度关系，安排的多节教学课程分别对应所述教学目标中的多个子目标，确定两者之间的对应关系，通过对所述教学课程安排目标关系与所述教学安排特征信息集的确定，为进一步进行所述目标函数关系的构建夯实了基础。
28.步骤s600：构建体育教学效果与所述教学项目体能消耗率、所述教学课程安排目标关系、所述教学对象体育素质信息的目标函数关系；
29.具体而言，基于获取的所述教学项目体能消耗率、所述教学课程安排目标关系与所述教学对象体育素质信息，进行体育教学效果的影响程度分析，确定各个指标对于所述
体育教学效果的影响程度，在此基础上进行相应的目标函数关系的建立，基于所述教学项目体能消耗率，对所述教学对象进行体能匹配量的确定分析，以确定各个教学对象的体能匹配关系，依据体能匹配量对所述教学对象进行分组，在此基础上确定相应的教学项目对应的教学目标效果关系，将所述各教学对象的体能匹配关系与所述教学项目的教学目标效果关系结合起来，作为最终的所述目标函数关系进行构建，以构建的所述目标函数关系为基础，进行教学目标课程安排的优化处理。
30.步骤s700：基于所述目标函数关系，利用遗传算法确定教学目标最优课程安排信息。
31.具体而言，基于遗传学算法，对所述教学目标、教学课程安排、教学对象体育素质信息集分别进行遗传学映射，将依据相应指标确定的一系列相关信息链作为单条染色体，该染色体指代一种教学课程安排所对应的相关指标信息，其中的多个指标信息为相应染色体上的基因，获取多条染色体集合作为初代染色体种群，在此基础上进行染色体适应值比对，确定适应值最高的为第一染色体，即指代的目前最优课程安排，进一步对染色体进行概率选择交配，依据适应值选择父染色体进行交配优化，获得子代染色体进行父染色体的替换，进一步择最优与所述第一染色体进行适应值比对替换。
32.同理，对获取的多个课程安排情况进行适用比对，确定目前的最优课程安排，进一步依据概率进行不同课程安排之间的指标替换，获取新的课程安排情况，进一步进行适用比对，基于指标替换后的课程安排进行适用比对，确定目前的最优选，与之前的最优课程安排进行比对，将较优者定位目前的最优课程安排，重复上述择优操作，直至达到预定要求，将获取的目前最优课程安排定位所述教学目标最优课程安排信息，所述最优课程安排信息为基于各类学生的体能承受情况与相应的教学目标，确定的可得到最大教学质量效果的课程安排。
33.进一步而言，如图2所示，所述根据所述教学对象信息对教学对象进行体育素质分析，获得教学对象体育素质信息集，本技术步骤s200还包括：
34.步骤s210：根据所述教学对象信息确定教学对象身份，基于所述教学对象身份进行教学对象历史记录数据提取，获得历史课程记录、身体检查记录；
35.步骤s220：根据所述历史课程记录进行教学对象体育成绩、课程表现特征提取，获得教学对象体育课程特征；
36.步骤s230：根据所述身体检查记录按照预设体育相关指标特征分析，获得体育教学相关指标；
37.步骤s240：利用所述教学对象体育课程特征、所述体育教学相关指标及历史课程记录、身体检查记录，建立所述教学对象体育素质信息集。
38.具体而言，通过获取所述教学对象信息，对教学对象的身份进行确认，在此基础上，对所述教学对象的历史课程记录、身体检查记录进行参数信息的提取，获得所述教学对象的历史记录数据，所述教学对象的历史记录数据指过去一定时间段内所述教学对象的课程记录与身体检查记录，基于所述历史课程记录，对所述教学对象的体育成绩、课程表现进行特征提取，对曾参加的多个体育项目进行信息分类汇总，例如，某学生对于篮球课的相关课程记录，针对运球、投球等的具体表现，分析动作的标准程度与进球率，依据打分标准进行打分，确定所述教学对象的各个体育项目的相应成绩与该课程相关表现的优劣情况，进
而确定所述教学对象的体育课程特征，所述体育课程特征指能表述所述教学对象相关课程表现程度的分析打分基准。
39.进一步而言，基于获取的所述身体检查记录，根据预设体育相关指标特征进行分析，所述预设体育相关指标特征指预设的多个体育项目的对应评定特征标准，以此为基准，对所述教学对象进行评定分析，确定相应身体状况下相应的教学目标，以获取所述教学对象的所述教学指标，基于所述教学对象的所述体育课程特征、所述体育教学相关指标、所述历史课程记录与所述身体检查记录，对相关特征指标进行整合汇总，获得所述教学对象体育素质信息集，所述教学对象体育素质信息集与所述教学对象一一对应，基于获取的所述体育素质信息集，可进一步进行针对性教学分析，确定相应的教学方式与教学标准。
40.进一步而言，如图3所示，构建体育教学效果与所述教学项目体能消耗率、所述教学课程安排目标关系、教学对象体育素质信息的目标函数关系，本技术步骤s600还包括：
41.步骤s610：根据所述教学项目体能消耗率与所述教学对象体育素质信息，进行教学对象体能匹配分析，获得各教学对象的体能匹配关系；
42.步骤s620：基于所述各教学对象的体能匹配关系，对教学对象按照匹配量进行分类，获得教学对象分组，所述教学对象分组包括各教学项目分组信息；
43.步骤s630：根据各教学项目分组信息，分别对各教学项目与所述教学课程安排目标关系进行体育教学效果关系分析，确定各教学项目的教学目标效果关系；
44.步骤s640：基于所述各教学对象的体能匹配关系、所述各教学项目的教学目标效果关系，构建所述目标函数关系，其中，所述目标函数关系＝各教学对象的体能匹配关系+各教学项目的教学目标效果关系。
45.具体而言，依据获取的所示各教学项目的体能消耗率与所述教学对象体育素质信息，对所述教学对象进行体能匹配分析，由于各个教学对象的所述体育素质信息之间的差异性，相应的对于完成所述教学项目所消耗的体能也会存在参差，对各教学对象的体能匹配关系进行确定，依据所述各教学对象的体能匹配关系，按照相应的匹配量对所述教学对象进行分类，针对分类的不同组的教学对象，其相应的教学强度会有所区别，确定对应的教学对象分组，基于不同的教学对象分组，对应的教学项目同时进行分组划分，并且两者之间一一对应，基于所述各教学对象分组信息，针对所述各教学项目与所述教学课程安排目标关系进行体育教学效果关系分析，进一步分析不同教学项目分组所对应的教学效果，依据获取的所述各教学对象的体能匹配关系与所述各教学项目的教学目标效果关系进行所述目标函数关系的建立，所述教学目标函数关系指表述教学对象体能素质与相匹配的教学目标之间所达成的教学效果，所述目标函数关系＝各教学对象的体能匹配关系+各教学项目的教学目标效果关系，依据所构建的所述目标函数关系，可以此为基准为所述教学目标进行课程安排。
46.进一步而言，基于所述目标函数关系，利用遗传算法确定教学目标最优课程安排信息，本技术步骤s700还包括：
47.步骤1对所述教学目标、教学课程安排、教学对象体育素质信息集中各数据进行染色体编码，基于所述染色体编码构造初始化染色体，获得初始群体染色体；
48.步骤2通过评估函数对所述初始群体染色体进行适应值评价，根据适应值确定最优染色体并保存为第一染色体；
49.步骤3采用预设选择算法对所述初始群体染色体进行选择操作，生成规模与初始群体染色体相同的新种群；
50.步骤4按照概率设定要求从所述新种群中选择染色体进行交配，获得交配染色体对所述新种群进行更新；
51.步骤5对更新后的所述新种群通过评估函数进行适应值评价，确定最大适应值与所述第一染色体的适应值进行比较，当超出第一染色体的适应值时进行最优染色体替换；
52.步骤6重复执行步骤3-5，直到满足预设终止条件为止，将最终确定的最优染色体确定的教学课程安排作为所述教学目标最优课程安排信息。
53.具体而言，基于获取的所述教学目标、教学课程安排与教学对象体育素质信息集，对其进行映射，类比染色体对其进行编码处理，通过进行类比匹配，相对应的所述教学目标、教学课程安排、教学对象体育素质信息集中的一条信息链可被称为一条染色体，信息链上相应的元素信息为其中的基因，对获取的染色体编码集合进行整合处理，作为所述初始群体染色体，进一步对所述初始群体染色体及逆行适应值评价，依据适应度函数对其优劣性进行打分评估，所述适应度函数指对生成的所有染色体打分，进而对这些染色体的适应度进行评判的函数，依据获取的适应值评价结果确定适应值最大的染色体为最优染色体，将其定为所述第一染色体并进行保存，基于预设选择算法对所述初始群体染色体进行选择操作，基于适应值大小进行区域切分，即适应值越大相应的区域占比就越大，对染色体群进行相应的划分，生成规模与初始群体染色体相同的新种群，基于概率设定从新种群中选择染色体进行交配，由于适应值高的染色体区域占比较大，被选中进行交配的概率较高，所述染色体交配指两条染色体作为父染色体进行交叉进化，获取两条相应的子染色体，通过进行染色体迭代，进行染色体种群的更新。
54.基于更新后的染色体种群，基于适应度评估函数对其进行适应度的评估，确定相应的适应度评估结果，获取其中适应度最大的染色体，与获取的所述第一染色体进行比较，若该染色体的适应度大于所述第一染色体，进行最优染色体的替换，将该染色体作为所述第一染色体进行替换，重复上述操作，直至达到预设终止条件，所述预设终止条件指所述第一染色体达到预期适应度，则终止上述择优操作，确定的所述最优染色体则为教学目标的最优课程安排，将其作为最终的课程安排进行教学。
55.进一步而言，采用预设选择算法对所述初始群体染色体进行选择操作，生成规模与初始群体染色体相同的新种群，本技术步骤3还包括：
56.步骤3-1：采用轮盘赌选择算法，计算初始群体的适应度总和；
57.步骤3-2：分别计算每个染色体适应值同群体适应值总合的占比；
58.步骤3-3：基于每个染色体适应值同群体适应值总合的占比，确定所述新种群。
59.具体而言，对获取的所述初始群体染色体进行选择操作，基于轮盘赌选择算法，基于获取的多条染色体的适应值，对所述初始染色体群的适应度总和进行计算，进一步对每个染色体的适应值与体染色体适应值的占比进行计算，确定每个染色体适应值基于所述染色体种群的适应值总和的占比大小，进一步进行所述新种群的确定，基于相应的适应值占比大小确定相应的被选择概率，以进行轮盘区域的划分，在此基础上进行被进行交配的父染色体的选择确定，为进行染色体的交叉进化提供了基础条件。
60.进一步而言，按照概率设定要求从所述新种群中选择染色体进行交配，获得交配
染色体对所述新种群进行更新，本技术步骤4还包括：
61.步骤4-1：基于概率设定要求对所述新种群进行筛选，确定参加交配染色体信息；
62.步骤4-2：对所述参加交配染色体信息进行随机配对交配，生成子代染色体，利用子代染色体对所述新种群进行染色体更新，其中，对应未参加交配染色体直接复制至所述新种群中。
63.具体而言，基于建立的染色体适应值轮盘，基于适应值占比进行相应的轮盘面积的确定，即适应值越大被选中进行交配的概率越大，基于概率设定对所述新种群进行筛选，确定即将进行交配的父染色体信息，基于所述参加交配染色体信息，通过进行随机交配，以进行染色体基因的交叉进化，生成新的子染色体，其中，两条父染色体可生成两条子染色体，不会对染色体群的数量进行改变，基于子染色体对所述染色体种群进行染色体的替换更新，对于未参加交配的染色体不用进行替换，直接列入所述新种群中，通过进行染色体群的交叉优化，对染色体的适应值进行更新提高。
64.进一步而言，对获取的多个教学目标课程安排，对其进行多个相关影响指标的交换对比，进一步进行结果评估，进一步对评估结果进行对比分析，判断评估结果较之前是否有所改善，若评估结果优于之前，对之前的教学目标课程安排进行替换，重复上述操作，直至达到预期的教学目标，使得教学质量最大化，将其作为最终的教学课程安排。
65.进一步而言，本技术步骤6还包括：所述预设终止条件为达到预设最大进化代次或达到预设最优规定误差要求，其中，所述预设最大进化代次为通过历史体育课程设定迭代数据确定，所述预设最优规定误差要求为根据所述教学目标确定。
66.具体而言，预设终止条件，所述预设终止条件指终止上述优化更新操作的条件，基于历史体育课程进行最大进化迭代次数的设定，以历史体育课程为基准进行待优化程度的剖析，确定需进行优化迭代的最大次数作为所述预设最大进化代次，进一步而言，确定课程教学结果与理想化的误差情况，将一定程度内的误差作为可接受误差进行设定，将确定的可接受误差作为所述预设最优规定误差要求进行存储，将获取的所述预设最大进化代次或所述预设最优规定误差要求作为所述预设终止条件进行存储，使得到达所述预设终止条件时停止进行优化更新。
67.实施例二
68.基于与前述实施例中一种提高体育教学效果的方法相同的发明构思，如图4所示，本技术提供了一种提高体育教学效果的系统，所述系统包括：
69.信息获取模块a，所述信息获取模块a用于获得教学对象信息；
70.素质分析模块b，所述素质分析模块b用于根据所述教学对象信息对教学对象进行体育素质分析，获得教学对象体育素质信息集；
71.教学内容获取模块c，所述教学内容获取模块c用于获得教学内容信息，所述教学内容信息包括教学目标、教学课程安排；
72.特征分析模块d，所述特征分析模块d用于基于所述教学课程安排，对各课程阶段对应的教学内容进行特征分析，确定教学安排特征信息集，所述教学安排特征信息集包括教学项目体能消耗率；
73.关系确定模块e，所述关系确定模块e用于根据所述教学目标、所述教学课程安排，确定教学课程安排目标关系；
74.函数关系构建模块f，所述函数关系构建模块f用于构建体育教学效果与所述教学项目体能消耗率、所述教学课程安排目标关系、所述教学对象体育素质信息的目标函数关系；
75.信息确定模块g，所述信息确定模块g用于基于所述目标函数关系，利用遗传算法确定教学目标最优课程安排信息。
76.进一步而言，所述系统还包括：
77.身份确定模块，所述身份确定模块用于根据所述教学对象信息确定教学对象身份，基于所述教学对象身份进行教学对象历史记录数据提取，获得历史课程记录、身体检查记录；
78.特征获得模块，所述特征获得模块用于根据所述历史课程记录进行教学对象体育成绩、课程表现特征提取，获得教学对象体育课程特征；
79.指标获得模块，所述指标获得模块用于根据所述身体检查记录按照预设体育相关指标特征分析，获得体育教学相关指标；
80.信息集建立模块，所述信息集建立模块用于利用所述教学对象体育课程特征、所述体育教学相关指标及历史课程记录、身体检查记录，建立所述教学对象体育素质信息集。
81.进一步而言，所述系统还包括：
82.匹配关系获得模块，所述匹配关系获得模块用于根据所述教学项目体能消耗率与所述教学对象体育素质信息，进行教学对象体能匹配分析，获得各教学对象的体能匹配关系；
83.分组信息获得模块，所述分组信息获得模块用于基于所述各教学对象的体能匹配关系，对教学对象按照匹配量进行分类，获得教学对象分组，所述教学对象分组包括各教学项目分组信息；
84.效果关系确定模块，所述效果关系确定模块用于根据各教学项目分组信息，分别对各教学项目与所述教学课程安排目标关系进行体育教学效果关系分析，确定各教学项目的教学目标效果关系；
85.函数关系构建模块，所述函数关系构建模块用于基于所述各教学对象的体能匹配关系、所述各教学项目的教学目标效果关系，构建所述目标函数关系，其中，所述目标函数关系＝各教学对象的体能匹配关系+各教学项目的教学目标效果关系。
86.进一步而言，所述系统还包括：
87.染色体编码模块，所述染色体编码模块用于对所述教学目标、教学课程安排、教学对象体育素质信息集中各数据进行染色体编码，基于所述染色体编码构造初始化染色体，获得初始群体染色体；
88.染色体评价模块，所述染色体评价模块用于通过评估函数对所述初始群体染色体进行适应值评价，根据适应值确定最优染色体并保存为第一染色体；
89.种群生成模块，所述种群生成模块用于采用预设选择算法对所述初始群体染色体进行选择操作，生成规模与初始群体染色体相同的新种群；
90.染色体交配模块，所述染色体交配模块用于按照概率设定要求从所述新种群中选择染色体进行交配，获得交配染色体对所述新种群进行更新；
91.适应值比较模块，所述适应值比较模块用于对更新后的所述新种群通过评估函数
进行适应值评价，确定最大适应值与所述第一染色体的适应值进行比较，当超出第一染色体的适应值时进行最优染色体替换；
92.终止条件比较模块，所述终止条件比较模块用于重复执行步骤3-5，直到满足预设终止条件为止，将最终确定的最优染色体确定的教学课程安排作为所述教学目标最优课程安排信息。
93.进一步而言，所述系统还包括：
94.适应度计算模块，所述适应度计算模块用于采用轮盘赌选择算法，计算初始群体的适应度总和；
95.适应值占比计算模块，所述适应值占比计算模块用于分别计算每个染色体适应值同群体适应值总合的占比；
96.种群确定模块，所述种群确定模块用于基于每个染色体适应值同群体适应值总合的占比，确定所述新种群。
97.进一步而言，所述系统还包括：
98.种群筛选模块，所述种群筛选模块用于基于概率设定要求对所述新种群进行筛选，确定参加交配染色体信息；
99.染色体更新模块，所述染色体更新模块用于对所述参加交配染色体信息进行随机配对交配，生成子代染色体，利用子代染色体对所述新种群进行染色体更新，其中，对应未参加交配染色体直接复制至所述新种群中。
100.进一步而言，所述系统还包括：
101.终止条件确定模块，所述终止条件确定模块用于所述预设终止条件为达到预设最大进化代次或达到预设最优规定误差要求，其中，所述预设最大进化代次为通过历史体育课程设定迭代数据确定，所述预设最优规定误差要求为根据所述教学目标确定。
102.本说明书通过前述对一种提高体育教学效果的方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种提高体育教学效果的方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
103.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。