基于遗传-蚁群混合算法的排课系统

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.     

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。     

基于遗传禁忌算法的Ontology划分

为解决企业实际应用中需要部分使用本体（Ontology）的问题,提出一种基于遗传禁忌算法的Ontology自动划分方法。按Ontology划分的要求,将概念被划分进的子Ontology编号组成的数字串作为一条染色体,设计遗传禁忌算法的适应度函数,给出Ontology划分算法的具体步骤。对比实验结果表明,该方法的划分平衡度和准确性优于其他方法。     

基于基因算法解析排课问题

高等院校由于课程的多样性及教学资源的紧缺,加剧了课务编排的难度,排课问题是一个NP完全问题,算法的计算机时间是呈指数增长的。基因算法借鉴生物界自然选择和自然遗传机制,使用群体搜索技术,尤其是用于处理传统搜索方法难以解决的复杂和非线性问题,为此,使用基因算法从整体解的质量上来分析,力图从全局来分析问题、解决问题。     

一个解决高校排课问题的演化算法

针对当前高校存在的排课效率低下问题,有必要采用一种有效的算法结合计算机实现自动排课。文中在比较各种不同算法的基础上,提出了一种使用局部杂交算子的演化算法。该算法采用矩阵编码方案,通过惩罚函数满足排课表问题的多重约束条件。模拟实验证明,该算法可有效地解决高校排课问题。     

一个解决高校排课问题的演化算法

针对当前高校存在的排课效率低下问题,有必要采用一种有效的算法结合计算机实现自动排课.文中在比较各种不同算法的基础上,提出了一种使用局部杂交算子的演化算法.该算法采用矩阵编码方案,通过惩罚函数满足排课表问题的多重约束条件.模拟实验证明,该算法可有效地解决高校排课问题.     

排课模型中的算法分析与设计

排课模型用到了遗传算法和禁忌搜索算法。为了提高遗传算法的局部搜索能力,根据遗传算法和禁忌搜索算法自身的特点,通过分析两者的优势和不足,给出一种将两者混合使用的排课算法。     

基于遗传禁忌搜索的分类器选择集成方法

为提高入侵检测的精度,提出一种使用遗传禁忌搜索的分类器选择集成方法。该方法采用Bagging算法构建初始分类器集合,根据遗传禁忌搜索算法选择分类器子集,以该子集建立多分类器系统进行入侵检测。实验结果表明,与Bagging算法相比,该方法能有效提高检测精度、降低误报率。     

应用遗传算法求解排课问题

给出了排课问题的描述和五元组定义.针对排课问题的关键因素,根据遗传算法的特点,设计了排课问题的编码方式,对求解的目标进行了优化,满足了实际应用.     

基于遗传和禁忌搜索算法求解车间调度优化问题

针对柔性生产环境下的车间调度问题,在考虑遗传算法早熟收敛问题和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传和禁忌搜索的混合动态优化调度算法,并用实例对该算法进行了仿真研究。结果表明,此算法有很好收敛精度,是可行的,并且能够在扰动发生后提供新的调度计划,与传统的调度算法相比较,体现了明显的优越性。     

基于遗传算法和禁忌搜索的混合优化策略

将禁忌搜索和遗传算法相结合,给出了一种求解优化问题的混合策略--禁忌遗传优化算法.该算法一方面为禁忌搜索找到了较好的初始点,减少了调用禁忌搜索的次数,另一方面也可以克服遗传算法爬山能力差的缺点,从而加快了收敛速度,提高了解的质量.通过实例验证了该优化算法的有效性和可靠性,并将其用于网络拥塞控制的研究中,为进一步实施网络拥塞控制提供了一种有效的途径.     

物流动态车辆调度问题的混合禁忌搜索算法

在分析动态车辆调度问题的基础上,建立了基于时间轴的动态模型;接着针对该问题在实际中的应用,设计了基于并行节约法和禁忌搜索的混合算法以对动态车辆调度问题进行求解;最后给出算法实现和算例模拟,验证了该算法的有效性。     

遗传禁忌算法在备份调度中的应用研究

为了合理的调度备份任务,使得处理时间最长的备份处理机的处理时间最小化,综合分析国内外有关备份调度的算法基础之上,针对遗传算法和禁忌搜索算法两者优势与不足,将它们的优势结合在一起,提出了基于遗传禁忌搜索的备份调度算法.仿真实验结果表明,混合的算法与单一遗传算法相比,其搜索效率比单一的遗传算法有了很大程度的提高.     

基于禁忌搜索的多处理器任务调度算法

为合理利用多处理器资源,对任务调度算法进行研究,针对现有任务调度算法在任务规模较大的情况下全局寻优能力方面的不足,提出基于禁忌搜索的多处理器任务调度算法。对任务图不设任何约束条件,利用基于任务复制的TDS算法产生高质量的初始调度以降低算法复杂度,利用禁忌搜索算法全局寻优得到最优调度。实验结果表明,该算法可以有效降低任务调度长度,减少所需处理器数目。     

基于禁忌搜索的启发式任务路径规划算法

基于启发式搜索和禁忌搜索技术,提出一种用于解决有限资源、不同重要性要求的任务路径规划问题的有效算法,通过对不同重要程度的任务进行分层调度,得到较为满意的决策结果.该算法具有搜索空间小、求解速度快的优点.仿真结果验证了算法的有效性.     

基于单亲遗传禁忌搜索算法的手术排程问题研究

针对规模较大的手术排程问题,分别以所有病人完成手术过程的最长时间和平均时间最小化为目标,构建了手术排程问题的数学模型。在分析解的最优化条件基础上,设计了一种将单亲遗传算法与禁忌搜索算法相结合的混合优化算法。按照个体的优劣及算法迭代情况设计了一种自适应选择机制,使个体自适应地选择执行变异操作或禁忌搜索算法。最后,仿真实验结果表明了所提算法的有效性和自适应选择机制的可行性。     

A modified genetic algorithm with fuzzy roulette wheel selection for job-shop scheduling problems

The job-shop scheduling problem is one of the most difficult production planning problems. Since it is in the NP-hard class, a recent trend in solving the job-shop scheduling problem is shifting towards the use of heuristic and metaheuristic algorithms. This paper proposes a novel metaheuristic algorithm, which is a modification of the genetic algorithm. This proposed algorithm introduces two new concepts to the standard genetic algorithm: (1) fuzzy roulette wheel selection and (2) the mutation operation with tabu list. The proposed algorithm has been evaluated and compared with several state-of-the-art algorithms in the literature. The experimental results on 53 JSSPs show that the proposed algorithm is very effective in solving the combinatorial optimization problems. It outperforms all state-of-the-art algorithms on all benchmark problems in terms of the ability to achieve the optimal solution and the computational time.     

融合小生境遗传禁忌的多目标网格调度研究

针对在动态、复杂的网格系统中,资源的失效非常频繁,影响网格计算的服务质量和效率的问题,提出了基于融合小生境的遗传禁忌的多目标网格任务调度算法,将任务生存性和任务完成时间(Makespan)结合起来,给出一个可调节的多目标集成效用函数,实现了基于融合小生境的遗传禁忌的多目标启发式调度算法。模拟实验结果表明,该算法能够有效地平衡任务生存性和Makespan两个目标,更适合开放复杂的网格计算环境。     

应用禁忌搜索算法的动态自适应网格调度

提出基于禁忌搜索算法的动态网格调度算法,设计不同邻域结构,优化作业完成时间。兼顾网格动态特性,调度过程中采用分批调度,根据调度过程中上一次的部分调度信息动态调整下一次部分调度方案,自适应地修改算法参数。最后通过GridSim仿真环境和其他算法进行比较,获得较好结果。