量子启发式进化算法的排课问题应用

针对复杂的高校排课问题,应用量子启发式遗传进化算法(QEA)建立数学模型,提出并实现了高校自动排课算法。该算法采用传统遗传算法(GA)的基本框架,摒弃了GA中的选择、交叉、变异等遗传算子,充分利用量子比特的叠加性、并行性和纠缠性,通过量子旋转门更新遗传基因来获得下一代染色体。实验表明,该算法与传统的遗传算法相比更为高效,能更快地得到最优解。     

基于改进遗传算法排课系统应用研究

针对复杂的排课问题,结合高校实际排课需求,本文将排课问题抽象成一个计算机可以求解的多约束多目标组合优化问题。建立排课问题数学模型,引入遗传算法,提出一种改进的算法方案来求解排课问题。同时,设计了染色体编码和适应度函数,采用自适应参数调整的交叉概率和变异概率,讨论了遗传算法在排课系统中的应用,并采用Matlab工具进行仿真实验。仿真结果表明,改进遗传算法平均适应度值高于传统遗传算法平均适应度值,收敛性好,提高了全局搜索能力,与传统的遗传算法相比,能更有效的解决高校排课问题。该研究可以较好地解决排课问题。     

基于改进遗传算法的排课方法研究

列举了排课问题中的软约束条件和硬约束条件,提出了一种基于遗传算法的新排课方法.该方法合理安排了高校排课过程中的各种资源,对传统遗传算法做了改进,采用了自适应的交叉概率和变异概率,改善了排课的收敛性和效率.     

基于改进回溯算法的计算机排课系统

计算机排课算法一直是一个没有被完美地解决的NP难题，国内外都在对它进行广泛的研究.基于一个中专院校的自动排课系统的实现，通过对当前各种算法的研究、对比、总结，发现当前的排课算法可以分为构造型算法和改进型算法两类，并且这两种算法有着各自的优缺点.为此吸取了遗传算法(改进型算法)和回溯法(构造型算法)的优点，在回溯法中引入了拟人策略和遗传算法中的评价、惩罚机制，经过实际应用的验证，该算法特别适合应用在实际的排课系统中.     

基于冲突检测算法的二级排课系统

文中概述了基于冲突检测算法的二级排课系统的设计思想和背景,在分析系统整体设计架构、排课原则和系统功能模块的基础上,提出了带冲突检测排课算法CA/CD,给出了具体实现流程,并详细分析了排课进程的设置和已知班级序列求班级段两个关键技术.该系统以人为本,能够满足不同用户的需要,可促进高校教务的二级管理和信息化管理.     

高校排课系统中的模拟手工排课算法分析

随着教学改革的进行,新的教育体制对课表的编排提出了更高的要求。随着高校学生数量的增加,传统的人工排课出现了工作量巨大、排出课表极易出现错误等问题。文章简单介绍了高校排课中解决NP问题的几种近似算法,主要论述了模拟手工排课算法在高校排课系统中的应用。实践证明,对于高校来说,模拟手工排课算法可以实现排课系统的简化和正确率的提高。该算法在很大程度上降低了教师排课的错误率,也相对减少了教务管理人员的工作量。     

基于时间资源的大学排课问题研究

通过研究时间资源库的形成策略,分析基于时间资源的排课算法,并对该算法与其它排课算法如遗传算法、模拟退火算法等进行比较,得出在解决大学排课问题时,该算法要比用其它排课算法简单、可靠、灵活,尤其在解决排课冲突问题上.     

遗传算法在高校排课中的应用

分析了排课问题的数学模型,提出了一种遗传算法.该算法采用矩阵编码方案,建立罚函数满足课表问题中的多重约束条件.结果表明,该算法能比较有效的解决排课问题.     

基于量子遗传算法的蛋白质折叠结构预测

为提高蛋白质折叠结构的预测精度,提出了一种融合改进量子遗传算法及局部搜索策略的蛋白质折叠结构预测方法.该方法在传统的量子遗传算法算法基础上引入动态调整量子门旋转角步长机制以及量子变异操作,从而提高算法的优化性能.局部搜索策略按照一定规则对量子遗传算法的优化结果进行局部结构变换,这种结构变换只需通过移动较少的节点就可以实现,能够有效提高算法的优化效率.计算机仿真实验表明,该算法能够获得较优的蛋白质折叠结构预测结果.     

大学排课问题中的遗传算法设计

排课问题实际上是时间表优化的问题,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.本文针对大学排课问题,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,并讨论了处理冲突的算法.     

采用混合遗传算法的敏捷卫星自主观测任务规划

为改进敏捷卫星观测大规模地面目标点时传统的遗传算法求解效率低下的问题,提高智能优化算法的求解效率,改进了传统的遗传算法,提出了禁忌退火遗传混合算法。首先,考虑到航天器在观测地面目标点的过程中所面临的时间约束、姿态轨道动力学约束等多种约束条件,建立了相应的适应度函数。所提出的适应度函数能够兼顾高观测收益与低观测能耗,反应了实际工程问题的观测需求。随后,为改进传统遗传算法的变异过程,提出了禁忌退火变异方法。这一变异方法在个体变异寻优的过程中,引入了禁忌搜索方法与Metropolis法则,提高了算法搜寻到全局最优解的概率,加快了算法的收敛速度。研究结果表明,与传统的遗传算法相比,禁忌退火遗传混合算法节省了约40%的算法运行时间,该算法的运行效率也高于退火遗传算法、禁忌遗传算法等其他种类改进的遗传算法,从而验证了禁忌退火遗传混合算法求解敏捷观测卫星任务规划问题的高效性。     

基于混合遗传算法的宽带阶梯阻抗变换器的优化设计

提出了一种将标准遗传算法和确定性方法相结合的混合遗传算法,并应用该方法对相对带煤这１００％的宽带阶梯阻抗变换器进行优化设计,克服了标准遗传算法效率太低及确定性方法易收敛于局部极小点的缺点。分别对负载阻抗为纯实数和复数的两种情况进行优化设计表明：当负载为纯电阻时,混合遗传算法的计算结果与Ｃｈｅｂｙｓｈｅｖ综合所得结果基本一致;当负载为复阻抗时,混合遗传算法所得结果优于传统的综合方法。     

基于混合智能算法的电力系统无功优化研究

研究了电力系统的无功优化功问题,给出了结合电力市场实行的无功优化目标函数。在分析了遗传算法和蚁群算法各自优缺点的基础上,将遗传算法与蚁群算法融合,利用遗传算法的交叉、变异操作产生蚁群算法新的搜索路径,以此提高混合智能算法的全局搜索能力和收敛速度,并将混合智能算法应用于实例进行仿真。仿真结果表明,该混合智能算法具有快速的收敛速度和优良的全局优化能力。     

应用于换热网络优化的混合遗传算法性能研究

换热网络综合优化属于系统热集成技术的重要研究方向。换热网络综合优化技术研究对于节约能源、保护环境和提高高耗能企业的市场竞争力具有重要意义。然而,由于换热网络综合优化模型本身属于MINLP问题,形式复杂且解空间大,经典的梯度寻优很难凑效。本文建立了以年总费用函数为优化目标的换热网络综合优化模型,提出了应用改进的混合遗传算法用于换热网络综合优化,并以基本遗传算法为对照,对混合遗传算法的用于换热网络综合的性能进行了研究。实例研究表明改进的混合遗传算法能更有效地进行换热网络综合优化。     

基于遗传算法和蚂蚁算法求解函数优化问题

针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题，提出一种基于遗传算法和蚂蚁算法的混合算法.该混合算法利用了遗传算法快速随机的全局搜索能力的优点，设计了编码与适应度函数，进行了种群生成与染色体的选择，并通过设定交叉算子和变异算子， 生成了信息素分布.该混合算法利用了蚂蚁算法正反馈以及具有分布式并行全局搜索能力的优点，通过确定吸引强度的初始值，建立了强度更新的模型，从而求得精确解.并将该算法应用于求解函数优化问题.结果表明，该混合算法与遗传算法和蚂蚁算法相比，收敛速度快，寻优性能好.     

基于改进遗传算法的有功经济负荷分配

提出将爬山算法与遗传算法相结合,从而构成了求解有功负荷分配问题的混合遗传算法,并进行实验计算。计算结果表明,用混合遗传算法求解有功负荷分配问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和爬山算法在全局搜索能力方面的不足,从而得到质量较高的解。     

基于下降搜索的混合遗传算法

针对基本遗传算法局部搜索能力不强的问题,提出一种将下降搜索与遗传算法相结合的混合遗传算法,其中下降搜索的优化方向利用每一代中最劣个体所包含的优化信息获得.数值计算表明,该混合算法可加速算法的收敛,具有良好的优化性能和函数适应能力.     

杂交遗传算法在结构振动控制优化中的应用

为了减少结构振动控制所需能量,必须对所设计结构参数进行优化设计,传统的优化方法是很难获得结果的.为此,本文首先介绍了控制系统能量的计算公式,然后在杂交遗传算法和实代码遗传算法的基础上,开发了一种能够处理实变量的改进的杂交遗传算法,对于含不等式约束的优化问题,采用了Pareto处理方式.本文方法可以处理含约束的优化目标问题,通过一个一般优化问题和本文研究的具体问题的实例分析可知本文所提出的方法是有效的.     

基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.     

基于混合自适应遗传算法HEV系统参数的优化

选择优化算法是混合动力电动汽车系统参数优化的一个重要内容.针对基本遗传算法存在着易早熟、收敛速度慢的缺陷,提出了一种混合自适应遗传算法.测试结果表明,该算法既具有良好的全局收敛性,又具有较快的收敛速度.将该算法应用到混合动力电动汽车系统参数优化问题中,取得了较为满意的优化结果和收敛效果.根据优化结果,对一辆串联式混合动力中巴的发动机/发电机组进行了优化设计.