基于空间模型和遗传算法的高校排课系统

如何实现具有人性化设计、能满足多约束条件的高效排课系统是高校教务工作的难点问题. 针对某高校排课问题, 提出基于空间模型的高校排课算法. 首先对比分析现行各排课算法的优劣性, 然后结合该校实际排课需要, 构建排课问题空间模型和约束模型以降低排课问题复杂度, 并在此基础上, 对遗传算法进行优化, 设计了基于遗传算法的排课算法, 提出了排课问题的解决方案. 实验结果表明, 该排课系统较好的解决了该校的排课问题, 为其他类似问题的解决提供了可借鉴经验.     

基于约束满足和遗传算法的排课算法

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。     

遗传算法在排课系统中的应用

根据学校排课的实际情况,建立了一个基于遗传算法的问题模型,可以合理地解决排课过程中的各种冲突,实现资源与时间的优化。就遗传算法在排课中应用与设计实现进行了阐述。     

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。     

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。     

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.     

求解多校区排课问题的基因对交叉遗传算法

国内很多高校或中学都建设了新校区,形成了多校区同时运行的格局。为了更好地解决多校区排课时的冲突问题,通过改进编码、交叉、变异算子,改进适应度函数设计,使遗传算法更好地适用于多校区的排课环境。提出的算法采用了二维资源片十进制编码方式,既方便初始种群产生和检测冲突,又减小时间复杂度。通过采用基于基因对交叉和资源变异算子,保证了每次的交叉、变异都有实际意义,以减小交叉、变异后产生硬性冲突的概率,提高进化效率,缩短进化时间。以某高校为例,使用C#和Matlab7.0等工具,通过编码、初始种群的生成、适应度函数设计与计算和遗传进化,实现了对多校区排课系统进行优化。实验结果表明,改进后的遗传算法提高了在排课应用中的可行性,更能适用于多校区排课。     

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。     

基于遗传算法的排课问题研究

排课问题是一个有约束、多目标的组合优化问题,同时也是一个NP-hard问题。因此,该文选用将遗传算法引入排课问题中,首先对排课问题进行了描述,在此基础上提出了一种基于遗传算法的排课算法,并对其进行了仿真实验,最后较快的找到了问题的最优解或次优解。     

基于免疫遗传算法的排课方法的研究

在排课问题中引入免疫遗传算法,即基于免疫算法和遗传算法的优化算法,该算法具有可防止未成熟收敛和保证种群的多样性等优点。使用此算法搜索最优解时,可防止陷入局部寻优情况的出现。针对排课问题的复杂性,给出了排课问题的数学模型并提出基于免疫遗传算法的解决方案。结果表明,该算法能比较有效地解决排课问题。     

混合算法在大学课程表问题中的应用研究

大学课程袁问题是时间表问题之一,也是一个多因素的优化决策问题.文章提出的混合算法,基于动态规划的思想,对大学课程表问题进行分阶段求解,分别采用遗传算法分配时间,采用最佳适应算法分配场地.实验结果表明,这种方法既保证了课表的质量,又有利于工程上实现和扩展.     

分治算法在大规模学校排课中的应用

课程表编排是一个涉及班级、教师、时间、课程、教室等多种因素的组合规划问题。大规模学校由于班级多．课程种类多,排课过程中出现的冲突也非常突出,提出“分治算法”在排课的中应用,解决冲突问题,有效地调配教学资源,提高课程表的编排质量,提高师生对课程表编排的满意度。     

UTP中一种分阶段求解算法

大学课程表问题UTP是一个应用广泛的、典型的组合优化和不确定性调度问题,并且已经被证明是NP完全问题。本文提出了一种分阶段解决大学课程表问题的算法,将课程表问题划分为时间安排和空间安排两个阶段,分别采用智能算法和最佳适应算法逐段求解,并最终求得全局较优解。通过设计实验对算法进行分析,结果表明这种分阶段决策算法在保证课表质量的同时能够有效减小遗传算法在求解UTP问题中的复杂度,提高程序的运行速度。     

基于遗传算法的多校区排课系统的研究和实现

对遗传算法进行初步研究,并针对多校区排课问题,提出基于遗传算法的课表编排算法。该算法根据课表编排的三种约束条件:基本硬约束、硬约束和软约束,确定课表编排过程中的一些关键因素,并给出排课过程中产生冲突的解决方案。通过对多校区教学现状的分析,实现基于遗传算法的课表编排原型系统,并将该系统应用于实际排课过程,经理论和实践表明该系统具有良好的自适应性,且效率较高。     

A genetic algorithm for a university weekly courses timetabling problem

The timetabling problem is concerned with the allocation, subject to constraints, of given resources to objects in space and time in such way as to satisfy as nearly as possible a set of desirable objectives. This problem is known to be NP–complete and as such only combinatorial optimization methods can guarantee an optimal timetable. In this paper we propose a sector–based genetic algorithm for solving a university weekly courses timetabling problem. Preliminary experimental results indicate that the algorithm is promising.     

考试系统中的ETT自动生成算法分析与设计

在考试系统中,ETT（Examination Timetable）的制定需要考虑考场资源与教师资源的数量是否能满足实际需求,同时需考虑如何检测和消除考试安排中的冲突问题以及合理分配资源。文章研究和分析了ETT的自动生成算法,以用于批量考试课程的考试安排。     

采用增强学习算法的排课模型

时间表问题是典型的组合优化和不确定性调度问题。课表问题是时间表问题的一种形式,分析了排课问题的数学模型，并研究了用增强学习(Reinforcement Leaming)算法中的Q学习(Q-Leaming)算法和神经网络技术结合解决大学课表编排问题，给出了一个基于该算法的排课模型，并对其排课效果进行了分析和探讨。     

一种在.NET下实现的全新日课表编排算法

该文来自吉林省教育厅十一五科技规划项目《高等医药院校教学资源综合信息管理与绩效评估系统》(项目编号:吉教科合字2006第123号)。在项目研发过程中,针对医学院校使用日课表的特点,设计了一种全新的课表编排算法,该算法主要研究在课表编排过程中如何解决各种教学资源如教师、教学场地的合理有效利用问题,避免教师、班级在上课时间、地点上的冲突,实现了高效、准确、科学的日课表编排。算法具有一定的科学性及领域先进性。     

基于遗传算法的排课问题分层研究

分析了目前高校排课存在的问题,研究如何利用遗传算法解决排课问题以及冲突,并设计应该考虑的各种约束条件。把传统的排课问题分为时间排课和教室排课两个方面来研究,在时间排课方面又分为单目标排课和多目标排课两个步骤来考虑。通过计算机化管理的排课问题,能够有效地提高工作效率。     

用基于随机权重方法的遗传算法求解大学课程表问题

在分析大学课程表问题的基础上,提出了用基于随机权重和方法的遗传算法求解大学课程表问题,并对整个算法进行设计与实现.系统的实验结果表明,改进的遗传算法能够较好地处理大学课程表问题.