遗传算法在智能课表生成系统中的应用研究

课表的制定是高校教务管理中一项重要而且复杂的基本工作,利用计算机排课可以提高排课质量,把教务工作者从繁杂的排课工作中解脱出来。课表智能生成系统的主要内容就是采用一种合理的算法使用计算机实现课表的自动编排、基础数据的处理、课表的查询和课表的输出等多种功能。本文首先对诸多的课表问题进行比较分析,提出一种使用遗传算法求解问题的方案。并利用软件工程的方法,对课表智能生成系统进行功能进行设计,建立系统数据模型。     

遗传算法在多校区排课系统中的研究和应用

本文分析了造成多校区高校排课困难的各种因素,研究了如何应用遗传算法来解决多校区高校排课困难的问题,并对该算法进行详细设计,给出了一个基于该算法的排课模型.     

遗传算法在高职院校排课系统中的应用研究

随着全国高职院校的建设与发展招生规模正在不断扩大,学生人数增加教倍之多.在繁琐的教务工作中,编排课程表是一个重要且困难的问题.求解排课问题的算法有著名的模拟退火算法、遗传算法、贪婪算法等.分析讨论了影响编排课程表时的关键因素,排课规则及最终目标等问题,利用遗传算法设计了符合学院实际需求的排课系统.     

遗传算法在智能决策系统中的应用

讨论了遗传算法的基本思想，优点及其在智能决策系统中的应用，并以代销商问题为例提出了一种基于遗传算法的商业决策解决方案，     

遗传算法在同分异构体生成中的应用研究

研制了一种用遗传算法成有机化合物同分异构体的程序ＩＳＯＧＥＮ，提出了新的用于表示分子结构的结构编码方案，这种结构编码非常简单且具有唯一性。     

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。     

遗传算法在公交车辆智能排班系统中的应用研究

分析了公交车辆排班问题的研究方法和遗传算法的特点,提出了一种改进的遗传算法求解公交车辆排班问题.针对公交智能排班问题,构造了符合行车规律的编码方式、遗传算子和适应度函数,并实现了程序的编码工作,最后进行了模拟实验.实验表明,遗传算法应用于公交车辆排班具有很好的效果,它能够在排班优化问题的巨大搜索空间中可靠地找到近似最优解.     

浅析遗传算法在智能组卷系统中的应用

该文介绍了遗传算法的基本原理和构成要素,分析了遗传算法的特点,在遗传算法的研究基础上,找到了一个很好的策略过程应用于智能试卷,提高运行的速度,避免了标准算法容易早熟现象,具有更好的健壮性,是一种很有发展潜力的优化方法。     

浅析遗传算法在智能组卷系统中的应用

该文介绍了遗传算法的基本原理和构成要素,分析了遗传算法的特点,在遗传算法的研究基础上,找到了一个很好的策略过程应用于智能试卷,提高运行的速度,避免了标准算法容易早熟现象,具有更好的健壮性,是一种很有发展潜力的优化方法。     

遗传算法在高校学分制系统中的设计与研究

本文详细介绍了一个基于遗传算法的学分制系统的设计方案：构造了“教师编码”基因结构和课表的适应度函数：设计了排课遗传算法的核心算子。     

基于并行遗传算法的智能公交排班研究

智能公交排班问题是公交车辆智能调度的一个典型问题之一。它可以描述为：利用某种智能化算法,在有限的步骤内,找出所有满足约束条件的最优或者接近最优的排班方案。由于排班问题搜索规模巨大,传统算法在短时间内难以获得高质量可行解。文章引入并行遗传算法,对三种主流并行模型进行评价分析,并设计了求解车辆排班问题的粗粒度并行遗传算法,编制了算法实现程序。     

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.     

基于小生境遗传算法的网格任务调度

任务调度是网格研究中的NP问题。在研究现有任务调度算法的基础上,分析小生境遗传算法的优点,引入种群排序三原则,优化种群结构,提出基于改进小生境遗传算法的网格任务调度方法,并运用GridSim工具进行仿真实验验证。实验结果表明,该方法结果精度和收敛速度优于普通遗传算法,能降低资源占用率。     

基于用户满意度的网格资源调度遗传算法

传统的网格资源调度研究注重调度的性能,很少考虑调度的服务质量。针对上述问题,设计3种类型的用户满意度评估方法衡量调度的服务质量,提出一种基于用户满意度的网格资源调度遗传算法,以用户满意度作为遗传变异的依据,实现网格资源调度过程的优化。实验表明,该算法能在保证较优调度性能的同时大幅度提高调度的服务质量。     

基于元胞自动机遗传算法的云资源调度

针对传统遗传算法易陷入早熟收敛等问题,提出一种改进的元胞自动机遗传算法(CGA),并将其应用于云环境下的资源调度。分析云计算环境中处理用户群请求的庞大任务数及资源合理分配的问题,利用CGA算法寻求一组最优的资源调度方案。在CloudSim仿真平台上进行实验,结果表明,CGA算法能缩短任务完成时间,降低用户总成本,满足云环境下的资源调度要求。     

遗传算法的应用及研究分析

在介绍遗传算法的基本原理与方法的基础上,分析了遗传算法相对于其它算法的优越性和存在的问题以及遗传算法的主要应用和研究发展方向。     

多宇宙并行量子衍生遗传算法研究

将量子的多宇宙特性和遗传算法相结合,提出了多宇宙并行量子衍生遗传算法。算法中将种群分成若干个独立的子群体,称为宇宙。给出了不同宇宙数量下的并行拓朴结构,提出了宇宙内采用量子旋转门演化和量子变异,宇宙间采用移民和量子交叉的两种信息交互方式,能有效克服早熟收敛现象,使得搜索效率和搜索能力得到更进一步提高。典型函数优化实验验证了该文所提算法的有效性。     

基于遗传算法的维修任务调度优化及仿真

针对复杂维修任务调度问题,用Matlab编写的程序计算出满足约束条件的几组备选分配方案,筛选出有用方案后,用遗传算法计算各备选分配方案下的总维修跨度时间,取其中时间最短的作为最终方案并绘制甘特图。根据甘特图采用Extend软件对调度过程进行仿真,结果证明,该算法理论调度方案的总维修跨度时间和Extend仿真时间一致,能有效节省维修时间。