基于多种群遗传算法的排课方法

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.     

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。     

基于遗传算法的排课系统

排课问题是一直是业界NP完全问题,牵涉到多约束,多条件,多目标等问题,遗传算法一直是当今解决排课问题的优先选择算法。把班级,课程,教师,教室等因素进行染色体编码,利用遗传算法的选择、交叉,变异等特性进行对排课因子进行选择筛选,得到的最优解,基本能满足当代大学排课的基本需求,在实际运行中有一定的实用价值。     

基于遗传算法的排课系统

随着高校的发展.在教务管理系统中使用的排课模型也变得越来越复杂,亟需一种适用于开发、重用及设计的方法.针对这种情况.给出了排课问题的教学模型,提出基于遗传算法解决方案.结果表明,该算法能比较有效地解决排课问题.     

一种基于遗传算法的排课方法研究

排课问题是一个多约束、多目标的组合优化问题,并且已经被证明是一个NP完全问题。本文基于本校教学管理过程的实际情况,利用遗传算法对排课问题建立数学模型,设计了适应度函数,通过选择、交叉和变异等过程,进化得到最优解。实验结果表明该算法能够有效的解决本校的教务智能排课问题。     

基于遗传算法的排课系统

排课系统在教务管理系统中是比常见的一个模块,但在多约束条件情况下,要排出一张高质量的课表并不容易。通过使用遗传算法,对初始课表进行优化,并用Matlab进行编程,试验结果表明,遗传算法对课表的优化有着比较显著的作用。     

基于遗传算法的排课系统

针对排课问题采用了鲁棒性较强的遗传算法,详细阐述了染色体编码、选择、交叉、变异操作和控制算法.     

基于遗传算法的实训室多重优先排课方法研究

排课是学校教学管理中非常重要的工作。排课问题是一个有约束、多目标的优化组合问题,并且已经被证明是一个NP完全问题。高职院校与一般中小学校相比,课程的编排需考虑的因素更多,极为复杂。以广东农工商职业技术学院计算机系实训室排课系统的算法作为研究对象,根据我院的一校多区等实际情况和计算机实训课程的特点进行排课算法的研究,采用多重优先法则与遗传算法相结合的方法有效解决了排课问题,不但排课效率高,而且容易得到优质课表。     

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。     

基于遗传算法的排课系统研究

排课问题是一个有约束的、多目标的、难解的组合优化问题．利用遗传算法建立排课数据模型,定义一个包含教师编号、班级编号、课程嫡号、上课时间等染色体编码方案和适应度函敷,通过选择、交叉、变异等过程不断进化,得到近优解,使现有教学资源进行科学合理的安排。在实践中具有一定的应用价值。     

基于遗传算法的排课系统研究

排课问题（TTP）是一个有约束的、多目标的、难解的组合优化问题,并且已经被证明是一个NP完全问题。利用遗传算法进行问题求解,给出染色体编码方案和适应度函数,设计并实现了排课系统。实验结果表明,其过程的目标值跟踪显示,算法稳健趋优,所得结果令人满意。     

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。     

基于遗传算法的高校排课系统研究

提出并实现了一种高校自动排课算法,利用遗传算法建立数据模型,定义一个包含教师编号、班级编号、课程编号、教室编号、上课时间段的染色体编码方案和适应度函数,通过初始化种群、选择、交叉、变异等过程不断进化,最后得到最优解。利用该算法对某高校的真实数据进行实验,结果显示无一例教室、教师、班级冲突,算法具有合理性和可行性。     

基于改进遗传算法的排课问题研究

针对遗传算法在解决排课问题中易陷入局部最优解的缺陷,提出一种改进的遗传算法。在传统遗传算法基础之上,融合模拟退火思想,使交叉得到的子代以一定概率进入下一代,并对传统的基于概率的计算方法进行改进, 编排出优质的课表。实验结果表明改进算法不仅加快了前期进化速度,而且解决了遗传算法后期易陷入局部最优解的缺陷。     

基于改进遗传算法的智能排课研究

本文深入地分析了排课问题的软约束条件和硬约束条件,抽象出求解智能排课问题的数学模型。深入分析遗传算法,针对传统的遗传算法,对初始种群进行均匀化、适应度函数、变异算子等方面改进。通过对比实验证明改进的算法完全适用于智能排课问题,而且具有较高的效率,为排课问题的发展提供了新的思路。     

基于遗传算法求解排课问题的研究

排课问题实际上是时间表问题,由于其超大的求解规模和众多的约束条件,是运筹学领域和计算机领域一直致力寻求解决但没有得到解决的NP难解问题,本文讨论了遗传算法设计中的编码方案以及遗传算子的实现方法,利用遗传算法求解排课问题,其搜索过程带有自组织的智能性和并行性,且操作简单,可以更少地依赖于实际问题的情况,实现课表的优化。     

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。     

基于遗传算法排课问题模型的研究

排课是教学过程中的重要任务之一,优质的课程表可以提高教师、学生的上课效率。基于此,笔者通过建立硬、软约束模型,设计适应度函数,以及选择、交叉和变异等操作,最后得到最优排课方案。实验结果表明,遗传算法提高了排课算法的运算效率,能够得到更多的最优排课方案。     

基于遗传算法的高职院校排课系统

结合职业教育自身的特点和基于遗传算法,详细说明了排课问题的制约因素以及约束条件,分析了排课问题的求解难点和目标,并提出了排课问题求解的总体思路。     

基于蚁群遗传算法的高校排课系统

传统的手工排课的方法在效率和合理度上存在较大的缺陷.而利用单纯的遗传算法和蚁群算法则存在着计算时间过长和易导致早熟收敛等缺点.为了解决问题,将蚁群算法与遗传算法相结合,结果发现使用蚁群遗传算法,可以有效地减少搜索空间,使种群在遗传过程按规则分区,在区间中喷洒信息素,染色适应度与种群区间交互,形成正反馈系统,驱动整个算法得到排课较优解.测试结果表明.蚁群遗传算法较大提高了高校排课系统中的效率和合理度.