采用三维自适应遗传算法的高校排课问题研究

根据教师、学生、课程、教室和时间要求建立多约束数学模型,并结合遗传算法特点,对其各个步骤进行了改进,提出了基于三维自适应遗传算法的排课方法。实验结果表明,与传统排课方法相比,基于三维自适应遗传算法的排课方法能有效降低课程之间的冲突率,提高排课效率和成功率。     

采用三维小生境遗传算法求解高校排课问题

深入分析了高校排课问题,包括排课目标、主要影响因素、约束条件、求解目标,建立了其数学优化模型,构建了其基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了三维编码方案、初始种群生成方案、适应度函数设计方案、小生境策略、自适应交叉概率和自适应变异概率等多种改进方案。仿真结果表明该算法在一定程度上满足了高校排课问题的多重约束条件,能够有效地解决高校排课问题。     

基于新型免疫遗传算法的高校排课仿真研究

研究高校排课问题,关系到高校教学质量的提高和教学资源的充分利用,随着高校教学的深入改革和高校的扩招,优化排课的高效解决就变得更加迫切。通过深入分析高校排课问题,建立了排课问题的数学优化模型,构建了它的基本求解过程。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案,包括:新的二进制编码方案、初始种群生成方案、适应度函数设计方案、免疫策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明新型算法能满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

基于三维免疫遗传算法的高校排课问题研究

深入分析了高校排课问题,建立了其数学优化模型,构建了它的基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案,包括:三维编码方案、初始种群生成方案、适应度函数设计方案、免疫策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

改进遗传算法在排课问题中的应用研究

深入分析了排课问题的内在实质,抽象出求解排课问题的数学模型。在此基础上详细地阐述了如何将遗传算法运用到排课问题中,同时针对传统的遗传算法进行适当的改进。对比试验证明改进的算法能够提高智能排课的效率。     

自适应遗传算法在高校排课问题中的研究

首先对排课问题进行调研分析,建立数学模型;然后针对传统遗传算法的不足,提出自适应遗传算法,该算法采用三维编码方案,并在交叉概率和变异概率、适应度函数、初始种群的生成等方面都进行了设计和优化;最后对算法进行对比测试;得出自适应遗传算法能更好地提高排课的质量和效率。     

采用十进制最佳个体置换遗传算法求解高校排课问题

本文分析了高校排课问题,建立了其数学优化模型,构建了它的基本求解框架。针对高校排课问题的特点,引入遗传算法,设计了多种改进方案,包括十进制编码方案、初始种群生成方案、适应度函数设计方案、最佳个体置换策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明,该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

基于群体优势遗传算法的高校排课问题研究

深入分析了高校排课问题,建立了高校排课问题的数学优化模型,构建了基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案：新的二进制编码方案、初始种群生成方案、适应度函数设计方案、群体优势策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

基于三维编码的自适应遗传算法在排课系统中的应用

将遗传算法应用于排课问题的求解,改进了遗传算法的一般编码方法,综合采用三维编码和自适应的交叉、变异概率设计方法,提出了一套基于三维编码的自适应遗传算法。     

基于小生境遗传算法的排课问题研究

建立排课问题的数学优化模型,构建其基本求解框架,引入遗传算法并设计多种改进方案,包括新的二进制编码方案、初始种群生成方案、适应度函数设计方案、小生境策略、自适应交叉概率和自适应变异概率设计方案.仿真结果表明,该算法能够满足排课问题的多重约束条件,更有效地解决排课问题.     

基于双倍体遗传算法求解大学排课问题

大学排课问题（UTP）是典型的组合优化和NP完全问题。通过分层的方法,将常见的五维组合规划模型分解为两次三维组合,缩减了问题的规模。然后针对用传统遗传算法求解UTP所存在的问题,提出双倍体编码方案,并利用交替进化的方法,对多个目标逐个循环优化。实验结果表明,这种方法很好地实现了模式定理,大大提高了求解速度。     

改进型免疫优化算法求解排课问题

为了有效地求解高校排课问题,设计了基于免疫优化算法的排课方案。给出了高校排课问题的数学模型,构建了基于免疫算法的求解框架,并进行了实验验证。实验结果表明该设计的排课方案能够有效地解决高校排课问题,具有较好的应用价值。     

GA在特征选择中的应用与设计研究

从海量文本集中选择较优秀的特征子集是文本分类中的一个NP-难问题。而对于NP-问题,遗传算法往往能够有效地加以解决。为了克服传统遗传算法的“漂移”和“早敛”问题,首先引入了粗糙集并在此基础上详细设计了适应度函数、自适应交叉算子、自适应变异算子以及合理的终止条件。以此遗传算法为基础设计了一个特征选择算法。在复旦大学提供的语料库上进行了试验验证。实验结果表明此特征选择算法性能良好。