基于本体映射和规则推理的排课模型研究

对排课问题进行了描述,给出了解决排课问题的多种排课方法,并且对这些排课方法进行了分析和比较。在排课模型中运用本体知识创建了OWL排课本体,运用本体映射方法达到数据的同步,运用SWRL语法对本体进行约束,运用规则推理引擎JESS进行推理,结合排课算法给出了整体的排课模型架构。     

基于遗传算法的多校区排课系统的研究和实现

对遗传算法进行初步研究,并针对多校区排课问题,提出基于遗传算法的课表编排算法。该算法根据课表编排的三种约束条件:基本硬约束、硬约束和软约束,确定课表编排过程中的一些关键因素,并给出排课过程中产生冲突的解决方案。通过对多校区教学现状的分析,实现基于遗传算法的课表编排原型系统,并将该系统应用于实际排课过程,经理论和实践表明该系统具有良好的自适应性,且效率较高。     

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。     

基于空间模型和遗传算法的高校排课系统

如何实现具有人性化设计、能满足多约束条件的高效排课系统是高校教务工作的难点问题. 针对某高校排课问题, 提出基于空间模型的高校排课算法. 首先对比分析现行各排课算法的优劣性, 然后结合该校实际排课需要, 构建排课问题空间模型和约束模型以降低排课问题复杂度, 并在此基础上, 对遗传算法进行优化, 设计了基于遗传算法的排课算法, 提出了排课问题的解决方案. 实验结果表明, 该排课系统较好的解决了该校的排课问题, 为其他类似问题的解决提供了可借鉴经验.     

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。     

WBITS中基于神经规则的知识表示与管理

针对当前智能教学系统存在的不足,设计了一个基于WEB的智能教学系统模型。详细介绍了该系统中引入的基于神经规则的知识表示方法并简要说明了推理过程。最后,详细给出了知识获取与知识更新算法,解决了智能教学系统中知识库维护难的问题。     

基于蚁群算法的高校排课问题的研究

随着高校学生规模的不断扩大,排课难度系数也随之加大,致使手动排课方式的劣势逐步显现。为提高教务排课的高效性,优化排课系统模式,解决在排课过程中教室、教师、班级、课程和时间的冲突及组合优化的问题,阐述了利用二分图模型实现资源优化分配,提出了基于蚁群算法的智能排课研究。研究结果证明,系统智能排课功能的实现,提高了排课效率,排出科学合理的人性化课表,满足了广大师生的需求。     

基于Aglet平台的智能排课系统的研究与实现

本文针对高校排课问题构建了一种基于多Agent系统的智能排课系统,给出了排课系统的结构模型及算法流程,提出了一种评估系统的效用函数,并采用IBMAglet平台对系统进行了实现。测试结果表明,系统运行稳定,能很好地兼顾教师的满意度。     

报表生成智能代理的知识表达与推理

本文首先介绍了用于智能报表系统的知识概念;随后探讨了报表生成智能代理的集成知识表达方法;提出了报表框架匹配的评价函数和相应的推理算法;并给出了基于多代理的原型系统。     

基于资源受限的非线性约束多目标排课模型及算法

通过对排课资源和约束规则的分析与描述,提出并建立了一个基于资源受限的非线性约束多目标的排课模型.在该模型中,运用鸽子巢原理对问题是否有解加以判断,利用分治策略将问题分解,用主合取范式寻找所有可选方案,利用析取范式求得排课结果.在排课算法的设计中,综合应用了最小离差平方和法和间隔法.实验及应用证明该排课算法灵活高效,具有较强的冲突解决能力,并能在时空方面确保课表分布的均匀性.     

机器学习在智能车间调度系统中的应用

基于规则和仿真的车间调度系统与专家系统的结合,使智能调度系统得到了广泛的应用。但是知识的缺乏制约了应用效果。经过开发一个具有机器学习能力的车间调度系统证明:机器学习是解决知识贫乏的一个有效途径,且在众多的机器学习算法中,Quinlian的ID3算法成为适用于智能调度系统的机器学习算法。     

基于两级CBR 的钢铁企业动态调度系统研究

提出了具有较高稳定性的两级案例推理方法，研究如何采用框架结构表达钢铁生产动态调度的案例．引入决策树的思想实现案例聚类，运用最邻近法实现案例检索．借鉴面向对象的思想调整案例，采用模糊集理论实现案例评价，并探讨了案例维护的基本方式．开发了原型系统，运行结果在速度、有效性和稳定性方面均符合现场基本要求．     

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Agent的专家系统推理模型

针对传统专家系统推理模型结构在知识获取方面适应性差的现状,从系统科学的视角,运用复杂适应系统理论,对传统专家系统的结构及运行机制进行了改进.引入Agent来模拟人脑中的神经元,用来承载专家系统中相互作用的知识,然后,基于Multi-Agent之间的相互作用来构建复杂适应的专家系统推理模型.从而,将专家系统中的知识获取机制、知识库、推理机三者统一于由Multi-Agent进行相互作用的复杂适应系统之中.通过设计体育赛事申办决策专家系统的原型,进行了专家系统推理模型的验证.原型运行结果表明:基于Multi-Agent的专家系统推理模型结构能够有效地提高专家系统知识获取的适应性.这为研究更加接近人脑智能的专家系统提供了崭新的研究思路.     

卫星的智能规划与调度

以对地观测卫星为例，分析卫星的结构功能和飞行任务的特点，并在此基础上建立卫星智能规划与调度系统。规划与调度系统由卫星模型和推理机组成，其中模型描述卫星结构功能和各种约束条件，推理机分析并解决这些约束条件，形成一个没有冲突的飞行计划。规划与调度系统还具有修正计划的能力，能满足任务删除、更改和新任务插入等需求。     

智能教学系统中的知识树增长模型

智能教学系统（intelligent tutoring system,ITS),作为人工智能学科的重要研究应用领域,是21世纪人类社会数字化教育的必然发展方向,迄今研究逾30年。现有一些ITS系统由于知识表示以及推理方法的领域相关特性,系统构建与系统运用、系统模块之间动态有机联系不强,进而导致学生模型弱化等问题,限制了系统在进行个别化教学过程中的智能性和推广运用。在此从系统的知识表示入手,基于SC文法的知识表示体系和知识树映射方法,提出了一个动态、实时、自适应、交互式知识树增长模型（augment knowledge-tree model,AKTM)。模型包括基于SC文法的知识点表示方法、知识树结构以及知识树映射、知识树学生模型、知识点学习循环等内容,贯穿于ITS系统4大传统模块之中,并在内容和功能上与之完全集成。通过知识点层次多维属性标注和索引,实现了知识存储、处理、调用和维护动态、一体化过程。通过知识点学习循环,实现个别化、动态、自适应智能教／学过程。同时通过模型在多媒体ITS系统中的实例化设计和运用,实现了动态教／学、领域无关、人机交互、自适应、个别化等智能特点。     

An agent-oriented approach to resolve scheduling optimization in intelligent manufacturing

Agent technology is considered as a promising approach for developing optimizing process plans in intelligent manufacturing. As a bridge between computer aided design (CAD) and computer aided manufacturing (CAM), the computer aided scheduling optimization (CASO) plays an important role in the computer integrated manufacturing (CIM) environment. In order to develop a multi-agent-based scheduling system for intelligent manufacturing, it is necessary to build various functional agents for all the resources and an agent manager to improve the scheduling agility. Identifying the shortcomings of traditional scheduling algorithm in intelligent manufacturing, the architecture of intelligent manufacturing system based on multi-agent is put forward, among which agent represents the basic processing entity. Multi-agent-based scheduling is a new intelligent scheduling method based on the theories of multi-agent system (MAS) and distributed artificial intelligence (DAI). It views intelligent manufacturing as composed of a set of intelligent agents, who are responsible for one or more activities and interacting with other related agents in planning and executing their responsibilities. In this paper, the proposed architecture consists of various autonomous agents that are capable of communicating with each other and making decisions based on their knowledge. The architecture of intelligent manufacturing, the scheduling optimization algorithm, the negotiation processes and protocols among the agents are described in detail. A prototype system is built and validated in an illustrative example, which demonstrates the feasibility of the proposed approach. The experiments prove that the implementation of multi-agent technology in intelligent manufacturing system makes the operations much more flexible, economical and energy efficient.     

多约束下的载人潜器舱内计算机辅助工效设计系统研究

为了能使载人潜器舱内工效设计人员加深对多约束条件下舱内人员的生理、心理 和环境约束条件的理解,有效地辅助设计方案的智能生成与优化。提出了基于虚拟人体模型参 数作为布局设计解空间的参数获取方法、基于遗传算法的舱内人-机界面布局设计方案计算智能 求解方法、基于知识推理的舱内色彩工效设计方案获取方法和基于粒子群算法的载人舱工效设 计方案智能优化方法,以此为基础,应用UG 二次开发和数据库技术,开发了载人潜器舱内人 机工效设计计算机辅助系统。通过设计实例的人机工效布局和色彩设计与方案优化验证了该系 统的可行性。     

基于蚁群算法的智能运输调度问题的研究

在智能运输调度问题的整体法求解思路的基础上,给出了整体法求解智能运输调度问题的数学模型。针对车辆调度问题是个多项式复杂程度的非确定性(Non-determ inisti cPolynomial,NP)难题,在整体法的基础上引入了蚁群算法,给出了整体法求解智能运输调度问题的蚁群算法,并对模型进行了实验分析。