改进的D_时刻表算法在大学课程表问题中的应用

课程表的自动生成是大学课程表编排中最复杂的一个环节,是一个典型的时间规划问题。针对这一问题。本文设计了一种全新的使用改进的D_时刻表的设计方法,提出一套大学课程表白动生成方法。该方法是以文献[5]中介绍的有效解决时间规划问题的D_时刻表算法为基础,并通过试验说明了该方法具有一定的可行性和有效性。     

改进后的D_时刻表算法及其在实际中的应用

为了处理现实生活中事件发生除了先后关系以外还客观存在的时间宽度问题，文中实现了一种可以实际操作的方法。该方法是以文献[1]中的求解D_时刻表的方法为基础，分析找到了其不足的地方并加以改进。文中利用改进后的算法对该校校园运动会项目进行安排，结果表明该方法取得了较好的效果，从而实现了对该类问题的一种新的解决方法，使得解决该类问题成为现实。     

D_时刻表算法实现运动会竞赛日程表的自动生成

竞赛日程表的生成是运动会编排中最复杂的一个环节．是一个典型的时间规划问题。而现阶段，国内高等院校使用的运动会管理系统，大多无法实现竞赛日程表的自动生成，仍处于手工编排。针对这一空缺，运用文献[1]中介绍的有效解决时间规划问题的D-时刻表算法，提出一套运动会竞赛日程表的自动生成方法，并用实例说明其可行性。     

D_时刻表算法实现运动会竞赛日程表的自动生成

竞赛日程表的生成是运动会编排中最复杂的一个环节,是一个典型的时间规划问题。而现阶段,国内高等院校使用的运动会管理系统,大多无法实现竞赛日程表的自动生成,仍处于手工编排。针对这一空缺,运用文献[1]中介绍的有效解决时间规划问题的D-时刻表算法,提出一套运动会竞赛日程表的自动生成方法,并用实例说明其可行性。     

求解课程表问题的启发式算法综述

课程表问题具有约束较多,关系复杂等特点,是一种特殊的调度问题,在算法复杂度上是NP完全的。该问题具有广泛的应用价值。本文主要对求解该问题的启发式算发的内容和研究进展进行了探讨。     

改进后的D-时刻表算法及其在实际中的应用

为了处理现实生活中事件发生除了先后关系以外还客观存在的时间宽度问题,文中实现了一种可以实际操作的方法.该方法是以文献[1]中的求解D+时刻表的方法为基础,分析找到了其不足的地方并加以改进.文中利用改进后的算法对该校校园运动会项目进行安排,结果表明该方法取得了较好的效果,从而实现了对该类问题的一种新的解决方法,使得解决该类问题成为现实.     

课程表编排问题的算法研究

研究课程表编排问题的约束条件及相关算法,提出一种混合编排算法。此算法可根据教室、教师、时间和班级的约束关系,根据所设定的优先级顺序完成排课,尽量避免冲突并调整冲突,能够更好地应对多样化的排课需求。     

混合算法在大学课程表问题中的应用研究

大学课程袁问题是时间表问题之一,也是一个多因素的优化决策问题.文章提出的混合算法,基于动态规划的思想,对大学课程表问题进行分阶段求解,分别采用遗传算法分配时间,采用最佳适应算法分配场地.实验结果表明,这种方法既保证了课表的质量,又有利于工程上实现和扩展.     

使用遗传算法改进R_时刻表算法

给出了对于多成分R_时间表的解决办法。利用集合的性质把它看成是几个单成分时间关系约束的并集,采用算法I将多成分分解成单成分。使用遗传算法把问题的多成分的时间关系作为染色体的基因位,问题的所有的多成分的时间关系就构成了算法的染色体,以求解关系矩阵中求到的相容子集的个数作为染色体的适应度。算法的终止条件是根据关系矩阵求得的相容子集数等于事件的个数,利用算法II使用遗传算法求解多成分时间规划问题。对实际的问题进行了讨论,使用该算法在有穷次迭代后可得到可行解。     

D—时刻表的求解算法

在文[1]中,我们提出了时间关系约束的关系矩阵表示法,本文是文[1]的继续.在给定的时间关系以及时间宽度的约束条件下,求同时满足这两个约束条件的时刻表,称为D-时刻表.文中讨论了D-时刻表、最优D-时刻表的求解方法以及它的计算复杂性.     

用基于随机权重方法的遗传算法求解大学课程表问题

在分析大学课程表问题的基础上,提出了用基于随机权重和方法的遗传算法求解大学课程表问题,并对整个算法进行设计与实现.系统的实验结果表明,改进的遗传算法能够较好地处理大学课程表问题.     

用量子遗传算法求解大学排课问题

作为典型的NP完全问题,大学排课问题在教务管理系统中非常重要。该文通过对大学排课问题的数学模型的分析,运用量子遗传算法进行求解。实验结果表明,利用量子遗传算法求解大学排课问题要优于使用遗传算法。     

面向大学课程时间表的并行多视图搜索算法

针对大学课程时间表问题,提出一种基于改进迭代局部搜索的并行多视图搜索算法进行求解。依据课程时间表问题特性设计包含八种基础邻域的多邻域集,并根据提升速度比制定基邻域选择概率设置规则。在迭代局部搜索过程中,运用多视图学习策略对多个局部搜索步骤进行视图共享,及时调整搜索方向以提升搜索效率。通过并行计算思想对算法优化,提升多视图搜索的收敛速度。实验结果表明,提出的算法求解精度更佳,且具有优异的扩展性和并行效率。     

基于GA的飞行员模拟机排班问题求解

飞行员模拟机复训问题是一个多目标、多资源约束的排班问题,具有较高的复杂度,传统遗传算法无法有效求解该问题。为此,提出一种新的遗传算法,利用基因适应度对交叉、选择操作进行改进,以提高种群的多样性和进化性能。在仿真数据和真实数据上的实验结果表明,该算法有效提高了解的精度,加快了种群的收敛速度。     

遗传算法在排课问题上的应用研究

研究了科学排课所需遵循的原则和编排课程表所涉及的因素、问题,总结出在排课中出现的各种时间资源、空间资源、教师资源的冲突。根据排课的特点,以优化时间和空间两种资源为目标,采用鲁棒性较好的遗传算法,并进行了详细的算法设计。针对遗传算法的搜索效率较低问题,结合实验深入研究了各种优化算法的优缺点,经实验表明,该算法的设计对于解决排课问题具有优势。     

排课表问题中的分组优化决策算法

针对大学排课表这个多因素优化决策问题,介绍一种分组优化决策算法,它是系统Ｕｎｉｖｅｒｓｉｔｙ Ｔｉｍｅｔａｂｌｅ Ｐｌａｎｎｉｎｇ Ｓｙｓｔａｍ（ＵＴＰＳ）使用的方法。实践表明该算法是行之有效的,在计算机实现课表的自动编排过程中,本算法直到了核心作用。     

基于免疫克隆算法的课表编排方案

将高校课表编排问题转化为带约束的多目标优化问题,基于混合编码,应用免疫克隆算法对随机课表编排方案进行优化。通过基于相似性矢量矩的选择方法抑制抗体浓度,保证种群多样性,避免免疫克隆算法陷入早熟收敛。仿真结果表明,该方案在课程合理性、总体满意度和运行时间方面均能取得较好的效果。     

基于遗传算法的排课问题分层研究

分析了目前高校排课存在的问题,研究如何利用遗传算法解决排课问题以及冲突,并设计应该考虑的各种约束条件。把传统的排课问题分为时间排课和教室排课两个方面来研究,在时间排课方面又分为单目标排课和多目标排课两个步骤来考虑。通过计算机化管理的排课问题,能够有效地提高工作效率。     

一种基于完全独立集的排课算法

班级、教师、课程、教室、时间是课表的基本要素,通过把排课转化为求图的完全独立集,解决了时间冲突问题和合班课问题;根据教室资源限制,对独立集的个数和大小进行控制,解决了教室完全匹配问题和一门课程的不同教室安排问题.为实现排课软件提供了一个面向实际的算法.