采用三维自适应遗传算法的高校排课问题研究

根据教师、学生、课程、教室和时间要求建立多约束数学模型,并结合遗传算法特点,对其各个步骤进行了改进,提出了基于三维自适应遗传算法的排课方法。实验结果表明,与传统排课方法相比,基于三维自适应遗传算法的排课方法能有效降低课程之间的冲突率,提高排课效率和成功率。     

基于遗传算法的智能排课模型

随着高校的不断扩招,如何用有限的资源来保持教学的有序性,使高校智能排课成为一个多约束、多目标优化问题。传统的智能排课算法效率低,并且不能很好的解决课程冲突的问题,无法满足现代高校教务管理的要求。该文对排课问题进行分析,在对可能的约束条件进行归纳的基础上,建立了比较通用的排课模型;然后根据模型,设计了相应的改进遗传算法,常识在满足所有硬约束条件和尽可能多的软约束条件的情况下实现多校区智能排课。实验结果表明,利用算法进行不同场景下的排课性能测试,测试结果表明了算法的实际可行性。     

面向中学走班制排课的优化遗传算法

针对新课改走班制教学多约束条件下新的排课问题, 本文提出一种新的优化遗传算法策略, 并构建出了一套已在某中学试运行的走班制排课系统, 新系统集成了学生选课模块、学生成绩模块、学生评测模块. 对比传统遗传算法, 本文首次提出的冲突染色体优化策略, 在遗传算法中新增冲突染色体算子, 在实验中排课效率提升了19.2%. 在自适应变异率优化条件下, 再通过加入冲突染色体, 利用其可以剪掉算法迭代过程中产生的无用解的特性, 实现既保证了解的搜索空间又加速算法收敛的效果. 在本文的研究和实验中, 还就走班制教学下学生自主选科及分班模式对排课影响进行了验证, 实验显示按照“选课组合”策略对学生进行分班, 再与教师、教室、时间等教育资源组合排课时, 效率得到更多的提升.     

基于新型免疫遗传算法的高校排课仿真研究

研究高校排课问题,关系到高校教学质量的提高和教学资源的充分利用,随着高校教学的深入改革和高校的扩招,优化排课的高效解决就变得更加迫切。通过深入分析高校排课问题,建立了排课问题的数学优化模型,构建了它的基本求解过程。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案,包括:新的二进制编码方案、初始种群生成方案、适应度函数设计方案、免疫策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明新型算法能满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

基于群体优势遗传算法的高校排课问题研究

深入分析了高校排课问题,建立了高校排课问题的数学优化模型,构建了基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案：新的二进制编码方案、初始种群生成方案、适应度函数设计方案、群体优势策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

自动组卷的建模和仿真研究

研究优化自动组卷问题,自动组卷要求快速获得满足用户的组卷,是一个NP难题,传统组卷组算法存在耗时长、效率低等缺陷,组卷成功率低.为了提高组卷成功率,提出一种遗传算法的智能组卷模型.首先按照试卷难度、区分度、考试总分、考试时间和题型要求建立多目标、多约束数学模型,然后采用遗传算法对数学模型进行求解,得到最优组卷方案.仿真结果表明,相对于其它自动组卷算法,改进遗传算法提高了组卷速度和效率,组卷成功率也相应有所提高,获得组卷质量更优,有效地解决优化自动组卷方法问题.     

基于三维免疫遗传算法的高校排课问题研究

深入分析了高校排课问题,建立了其数学优化模型,构建了它的基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案,包括:三维编码方案、初始种群生成方案、适应度函数设计方案、免疫策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

高校排课系统优化算法的研究与实现

为了提高继续教育学院排课系统的效率,提出了粒子群算法与改进的遗传算法相结合来实现排课方案的综合算法。该算法可以减小排课的冲突率、提高排课的成功率及缩短排课系统的运行时间。经过测试验证该算法的平均准确率达到99．8％,实验结果证明该算法能够快速准确的完成排课方案且易于在排课系统中实现大大减轻了教务管理人员的工作量。     

基于改进的免疫遗传算法的高校排课系统的设计

基于高校排课需求,通过改进传统的免疫遗传算法,使用MySQL数据库和C++编程技术开发一套智能排课系统。此系统能够对高校课程数据进行整合,从而实现一键智能排课功能,自2020年1月上线运行以来效果良好。此系统所实现的基于高校课程的智能排课功能可满足国内大部分高校的排课需求,在降低排课错误率的同时,提升高校的信息化水平。     

采用十进制最佳个体置换遗传算法求解高校排课问题

本文分析了高校排课问题,建立了其数学优化模型,构建了它的基本求解框架。针对高校排课问题的特点,引入遗传算法,设计了多种改进方案,包括十进制编码方案、初始种群生成方案、适应度函数设计方案、最佳个体置换策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明,该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

采用新型编码GA的高校排课问题仿真研究

深入分析了高校排课问题,建立了它的数学优化模型,构建了该问题的基本求解框架。针对高校排课问题的特点,引入遗传算法来进行仿真研究,设计了多种改进方案,包括：三维编码方案、初始种群生成方案、适应度函数设计方案、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件,能有效地解决高校排课问题。     

采用三维小生境遗传算法求解高校排课问题

深入分析了高校排课问题,包括排课目标、主要影响因素、约束条件、求解目标,建立了其数学优化模型,构建了其基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了三维编码方案、初始种群生成方案、适应度函数设计方案、小生境策略、自适应交叉概率和自适应变异概率等多种改进方案。仿真结果表明该算法在一定程度上满足了高校排课问题的多重约束条件,能够有效地解决高校排课问题。     

基于最佳个体置换策略的高校排课问题求解

简析高校排课问题,建立相应的数学优化模型,构建基本求解框架。根据该问题的特点,引入遗传算法加以解决,设计多种改进方案,主要包括：新的二进制编码方案,初始种群生成方案,适应度函数设计方案,最佳个体置换策略,自适应交叉概率和自适应变异概率设计方案。仿真实验结果表明,该算法能满足高校排课问题的多重约束条件,更有效地解决高校排课问题。     

基于蚁群算法的高校排课问题的研究

随着高校学生规模的不断扩大,排课难度系数也随之加大,致使手动排课方式的劣势逐步显现。为提高教务排课的高效性,优化排课系统模式,解决在排课过程中教室、教师、班级、课程和时间的冲突及组合优化的问题,阐述了利用二分图模型实现资源优化分配,提出了基于蚁群算法的智能排课研究。研究结果证明,系统智能排课功能的实现,提高了排课效率,排出科学合理的人性化课表,满足了广大师生的需求。     

基于小生境遗传算法的排课问题研究

建立排课问题的数学优化模型,构建其基本求解框架,引入遗传算法并设计多种改进方案,包括新的二进制编码方案、初始种群生成方案、适应度函数设计方案、小生境策略、自适应交叉概率和自适应变异概率设计方案.仿真结果表明,该算法能够满足排课问题的多重约束条件,更有效地解决排课问题.     

蚁群算法在自动组卷建模中的应用研究

在自动组卷优化控制的研究中,自动组卷是一个多约束条件下的多目标参数优化问题,各个目标之间互相牵制,采用传统算法求解相当的困难,导致组卷效率和成功率都比较低.结合自动组卷的多目标组合优化特点,提出一种蚁群算法的自动组卷模型.模型首先根据试卷要求建立试卷质量评价体系,然后根据题型、总分、考试时间等要求建立多约束条件、多目标的数学模型,然后用蚁群算法对数学模型进行求解,输出最优组卷方案.仿真结果表明,蚁群算法充分利用了蚁群算法群体智能特点,提高了组卷效率和成功率,很好满足自动组卷的效能要求.     

差分进化布谷鸟算法在实验室排课中的应用

随着高校实验课程比例越来越高,针对传统实验室排课手段效率低、出现冲突的可能性高等缺点,提出了一种基于改进布谷鸟算法的智能排课模型。首先,定义了课元表示教师在什么班级上什么课程,把排课问题转化为课元确定教室-时间对,提出了一个多目标、多约束的排课数学模型。其次将数学模型的求解转化为对二部图进行完美匹配操作获取初始解。然后,利用差分进化方法改进了布谷鸟算法,实现布谷鸟算法在实验室排课中的应用。最后,通过对仿真实验的结果分析来验证算法可行性与有效性。     

人工智能在自动组卷建模中应用研究

关于研究组卷的可信度和效度问题,组卷方法耗时长、效率低,组卷成功率低.为了提高自动组卷成功率,提出自动组卷算法,通过建立多约束目标优化模型,用蚁群算法自动组卷方法.首先按照试卷要求建立一个多约束的数学模型,然后用蚁群算法快速和智能搜索能力对数学模型进行求解,得到最优组卷方案.仿真结果表明,相对于传统组卷算法,提高了组卷效率,组卷成功率也相应提高,很好的满足当前网络在线考试系统的实时性较高组卷效率.     

遗传算法在智能排课中的应用研究

随着高校招生人数的增加,各高校都面临着教室资源不足的问题,一份安排合理的课程表显得尤为重要。利用运算速度快、处理能力强的计算机进行智能排课势在必行。课表的确定是一个有约束的、非线性的、多目标组合优化问题。基于种群搜索的遗传算法,对于处理传统搜索方法难以解决的复杂和非线性优化、有约束的优化问题,具有很好的效果。研究的是利用遗传算法解决复杂的智能排课问题。     

基于遗传算法的高校智能排课系统

新形势高校的发展,高校教务管理中的排课问题显得更为复杂。排课问题是一个典型的组合优化和不确定性调度问题,也是一个完全问题。该文根据高校实际情况,从遗传算法的基本理论着手,研究如何利用遗传算法解决高校排课中的资源冲突、课表优化等问题,并引用了哈希表和时间粒度的概念,对传统遗传算法染色体的编码模式进行了有益修正,增强了模式的灵活性。实验证明．遗传算法能够简化程序的复杂度和减少生成最佳课表的时间。达到了较高的师生满意度。