首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 93 毫秒
1.
在高校的教务管理中,排课问题是复杂又关键的环节,科目数量众多,教学资源有限等等因素都制约着排课的复杂程度和结果.排课本质就是将课程、班级在合适的时间段安排到合适的教学位置,是一个NP问题的求解.随着规模的不断扩大,问题求解难度呈指数形式增加,当规模达到一定程度的时候就很难在短的时间内求出最优解.鉴于此,本文提出了遗传-蚁群混合算法,将两种算法混合使用,依靠遗传算法生成信息素分布,利用蚁群算法求最优解.实验结果表明,混合算法提高了排课的效率和课表的合理度.  相似文献   

2.
为了改善排课的收敛性与效率,提出了一种基于多种群遗传算法的排课方法.在算法中根据杂种优势理论的原理,让多个种群同时进化,改变了传统的遗传算法在单个种群中演化繁衍.多种群之间既竞争又合作,共同寻找全局最优解,提高了算法的收敛速度.该算法摒弃了完全随机搜索的做法,依据适应度函数中各项权重比例的多寡为导向,定向随机生成染色体中的基因,从而提高了算法的效率.最后,通过两组实验数据表明了该算法的收敛性与高效率.  相似文献   

3.
针对基本动态合同网中存在的问题,利用遗传算法与蚁群算法融合的思想结合蚁群分工特性提出DCNP*协议.该算法利用遗传算法得到初始解,再将其转化为蚁群算法的初始信息素并利用具有分工蚁群算法中刺激度与阈值关系进行最优解求取.通过分析,该模型在动态合同网特别是在大规模的动态合同网中,能够有效地提高求解效率,并减少通信时间.  相似文献   

4.
基于遗传算法与蚁群算法动态融合的网格任务调度   总被引:1,自引:0,他引:1  
深入分析遗传算法和蚁群算法的机理,并结合网格任务调度的研究,提出基于遗传算法和蚁群算法动态融合的网格任务调度策略.该策略通过不同迭代次数中种群相似度的差值实现两种算法的动态融合.仿真实验表明该策略是可行的,并且具有高效性.  相似文献   

5.
基于蚁群遗传算法的网格资源调度研究   总被引:6,自引:1,他引:5  
传统的资源调度算法在网格环境下存在一定缺陷,如不能很好地平衡资源节点的负载,不能很好满足用户服务质量需求等.为了提高网络质量,应用遗传算法全局快速收敛的优点,将遗传算法融入到蚁群算法的每一次迭代中,使之具有很强的全局搜索能力,以加快算法的收敛速度,提出了在价格机制驱动下,应用蚁群遗传算法进行网格资源调度的算法.仿真实验结果表明,在价格机制驱动下,应用蚁群遗传算法进行网格资源调度可以减少系统总执行时间和任务完成时间,系统负载均衡度好,提高了资源调度效率,在网格环境下,算法具有稳定性和高效性.  相似文献   

6.
遗传算法和蚁群算法被广泛应用于路径规划,但遗传算法收敛速度慢,蚁群算法易陷入局部最优,在求解旅行商问题上都有一定的缺陷。本文采用遗传与蚁群混合算法,充分利用遗传算法的快速全局搜索能力和蚁群算法的智能性,用蚁群算法迭代每只蚂蚁走过的路径序列作为遗传算法的初始种群,克服随机选择的盲目性,从而提高算法的性能。仿真计算结果表明,该算法可以找到最优解或近似最优解,并提高了求解效率。  相似文献   

7.
随着高校的不断扩招和合并,由于教学资源的有限,合理的安排教学计划已经成为一个日益严峻的问题. 排课以及教室的合理利用已经成为教学计划管理的一项重要工作. 本文通过对遗传算法和高校排课需求的研究,从教室调度,冲突检测和时间规划三个方面进行深入分析,并且对对应算法的流程进行了详细的描述和设计. 通过遗传算法里面的选择、交叉、变异等具体方法对初始种群不断进化,并最终获取最优化的课表. 最后本文通过Visual C++实现该排课系统,验证了算法的可行性.  相似文献   

8.
首先对排课问题进行调研分析,建立数学模型;然后针对传统遗传算法的不足,提出自适应遗传算法,该算法采用三维编码方案,并在交叉概率和变异概率、适应度函数、初始种群的生成等方面都进行了设计和优化;最后对算法进行对比测试;得出自适应遗传算法能更好地提高排课的质量和效率。  相似文献   

9.
将智能仓储中的自主移动群机器人订单任务分配,建模成群机器人协同调度的多目标优化问题,将成员机器人完成拣货任务的路径代价和时间代价作为优化目标.设计了蚁群-遗传算法融合框架并在其中求解.该框架中,蚁群算法作为副算法,用于初始种群优化;遗传算法改进后作为主算法.具体地,在遗传算法轮盘赌选择算子后引入精英保留策略,并在遗传操作中加入逆转算子.针对不同数量的订单任务,使用不同规模的群机器人系统进行了任务分配仿真实验.结果表明,在本文所提的融合框架中求解,较分别使用蚁群算法或遗传算法单独求解,性能上具有明显优势,能够发挥蚁群算法鲁棒性好和遗传算法全局搜索能力强的特点,提高智能仓储系统的整体运行效率.  相似文献   

10.
基于约束满足和遗传算法的排课算法   总被引:2,自引:0,他引:2       下载免费PDF全文
许秀林  胡克瑾 《计算机工程》2010,36(14):281-284
针对高校排课过程中存在诸多资源约束因素的问题,提出一种将遗传算法与约束满足算法相结合的排课算法,由约束满足算法确定排课任务的优先次序,遗传算法解决单个排课任务时间片分配的优化问题。算法中单个排课任务的局部最优解具有全局最优性。实验结果表明,该算法能够改进算法性能,提高排课效率。  相似文献   

11.
王卫亚  王凤琳 《计算机应用》2007,27(10):2395-2397
采用遗传算法和蚁群算法相结合的融合算法,继承了遗传算法和蚁群算法的优点,在求精解效率上优于遗传算法,在时间效率上优于蚁群算法,能很好地实现多约束条件的最优路径计算,测试证明融合算法优化性能和时间性能都取得了很好的效果。  相似文献   

12.
论文提出了一种将蚁群算法与遗传算法融合的新算法。采用蚁群算法进行寻径生成初始群体,利用遗传算法对路径进行优化。仿真结果表明此算法是可行的、有效的。  相似文献   

13.
蚁群算法和遗传算法的融合是目前的研究热点之一,因此研究不同的遗传蚁群融合算法对算法的选择及其改进具有积极的意义.研究了遗传算法的编码方式、交叉方式及变异操作和蚁群算法的原理,且着重研究了遗传蚁群混合算法、蚁群遗传混合算法、同遗传算法整合的蚁群算法等三种融合算法,并应用这三种算法在求解航迹规划问题上进行了仿真研究,对所得的最优解从精度和快速性对其进行了分析和比较,可以得出遗传蚁群算法快速性最好但精度稍差,同遗传算法整合的蚁群算法精度最好但比较费时,蚁群遗传算法的精度和快速性介于前两种算法之间.  相似文献   

14.
改进的种群分类蚁群算法及其应用   总被引:1,自引:1,他引:0  
提出了一种改进的种群分类蚁群算法,该算法在种群分类的基础上,引入了蚂蚁的知觉感觉特性等。该算法能明显的防止蚁群算法可能出现早熟的问题,从而解决了传统蚁群算法加速收敛与早熟、停滞现象的矛盾。为了说明该算法的性能,将该算法应用到聚类分析算法中,设计了算法的模型以及算法步骤,并通过仿真实验证明了本算法的可行性和有效性。  相似文献   

15.
基于改进型蚁群算法的最优路径问题求解   总被引:1,自引:0,他引:1       下载免费PDF全文
如何高效的向用户提供最优路径是蚁群算法大规模应用于导航系统的关键问题,针对现有最优路径问题研究中蚁群算法收敛速度慢及容易发生停滞的缺点,利用A*算法的启发式信息改进蚁群算法的路径选择策略,加快算法收敛速度.同时引入遗传算法的双种群策略和蚁群系统信息素更新策略,增加全局搜索能力,避免算法出现停滞现象.仿真实验结果表明,该改进算法具有较好的稳定性和全局优化性,且收敛速度较快.  相似文献   

16.
为解决无人机(UAV,Unmanned Aerial Vehicle)在多个目标区域之间快速找到最佳遍历路径的类旅行商问题(TSP,Travelling Salesman Problem),设计一种基于蚁群算法、A*算法以及三次B样条优化的融合规划算法;尽管蚁群算法相对其他优化算法在解决TSP问题上有较为良好的表现,但其规划路径处理时间长、生成路径转折多、路径质量和安全性较差;算法首先改进传统A*算法的节点扩展方式,快速生成两两目标区之间的局部路径,然后将蚁群算法和改进A*算法融合使用进行全局路径规划,最后结合改进三次B样条对路径进行平滑处理;基于栅格地图的仿真结果证明了该算法相比传统算法具有更好的高效性和稳定性。  相似文献   

17.
基于信息素递减的蚁群算法的WTA问题求解   总被引:1,自引:0,他引:1  
袁梅  凌明祥  曾庆双 《计算机仿真》2008,25(2):23-25,226
武器目标分配(weapon target assignment,WTA)问题是一个典型的优化问题,需将武器根据迎击目标进行合理分配,使我方损失最小.结合WTA问题的特点,采用求解复杂优化问题的蚁群算法求解该问题.针对WTA问题求解规模大,精度高,实时性强的需求,在基本蚁群算法的基础上,采用基于信息素递减的改进蚁群算法.给出了求解WTA问题改进算法的详细步骤,通过仿真试验验证了算法的有效性.同时,对于大规模WTA问题,改进蚁群算法与基本蚁群算法进行了比较,结果表明改进算法求解精度更高,收敛速度更快,能适应现代军事应用的要求.  相似文献   

18.
一种遗传蚁群算法的机器人路径规划方法   总被引:7,自引:3,他引:4  
研究遗传算法和蚁群算法可作为新兴的智能优化算法,在解决多目标、非线性的组合优化问题上表现出了传统优化算法无可比拟的优越性。基于将两种智能优化算法动态融合的思想提出了一种新的遗传蚁群算法(GA-ACO)。与已有的将遗传算子引入蚁群算法的结合方式不同之处在于,GA-ACO算法第一阶段采用了遗传算法生成初始信息素分布,在第二阶段采用蚁群算法求出最优解,从而有效地结合了遗传算法的快速收敛性和蚁群算法的信息正反馈机制。仿真结果表明,在具有深度陷阱的特殊障碍物环境下,应用GA-ACO算法求解机器人路径规划问题可以得到较好的的结果。  相似文献   

19.
改进的求解TSP问题文化蚁群优化方法   总被引:1,自引:0,他引:1       下载免费PDF全文
在文化算法基础上提出了一种改进的用于求解TSP问题的蚁群优化算法。改进算法采用新的双层进化机制对文化算法的种群空间与信念空间进行了重新设计,用最大最小蚁群系统(MMAS)构建种群空间,在信念空间中对当前最优解进行改进的3-OPT交叉变换操作,由于采用了这种双层进化机制,种群空间获得了更高的进化效率。通过仿真实验结果表明,改进算法比传统的蚁群算法(ACO)、文化蚁群算法(CACS)效果更好,收敛速度更快,精确度更高。  相似文献   

20.
并行二进制蚁群算法的多峰函数优化   总被引:1,自引:0,他引:1  
针对已有蚁群算法在函数优化问题上存在的几个不足:如算法实现较难,占用过多的存储空间,需要记忆功能,不容易与其他算法结合等等,提出了二进制蚁群算法。实验证明该算法在处理单极值问题时有较好的表现,但是在处理多峰函数时存在着一定的缺陷,对此,论文对该算法进行了改进,将并行化引入算法。通过对几个函数的测试(包括多峰和单峰),结果表明该改进算法具有较好的稳定性和收敛速度,算法性能良好。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号