一种教室优先的补考排考算法

针对补考排考工作量随着补考人数的增多而急剧增加,手工排考已经难以适应形势发展的情况,设计了一种教室优先的补考排考算法．该算法通过不停查找课程表,顺序填满每一时段的教室,直到所有补考学生安排完毕．通过EXCEL表及宏实现了该算法,并用实例说明,采用该算法可避免课程冲突,并且提高排考效率．     

高等院校学分制教学排考问题算法设计

针对学分制教学中存在的因学生选课随机性所导致的排考困难问题，设计了一种基于启发式的两阶段算法．第一阶段解决考试课程安排冲突问题；第二阶段解决考场分配、时间均匀分布及连考问题．实际应用于高校大规模排考的结果表明，本算法不会产生维数爆炸，计算效率高，可广泛用来解决学分制下的高等院校排考、排课和其他类似问题．     

互补件排样优化算法的研究

对下料件排样问题进行了深入分析,提出一种互补件排样优化算法.以该算法为核心的排样系统能够根据下料件的图形信息,自动快速地确定排样参数,具有计算速度快、板材利用率高的优点.     

矩形排样的一种算法

针对当前矩形排料的问题，分析了当前矩形排料的一些算法，结合计算机自动排样速度快和人工排样灵活的特点，提出了一种新的人机排样的算法，构造了相应的模型，并开发了自动排样和人工排样相结合的交互式排样软件。与自动排样比较，排样的利用率由87．73％提高到94．17％。     

基于小生境遗传模拟退火算法的不规则件优化排样

针对二维不规则图形零件在排样区域上的最优排列问题,将排样和制造工艺联系起来,先将多边形各边向外扩充,为零件预留加工余量;然后采用遗传模拟退火算法与小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度,再用基于"最低水平线与填充算法相结合"策略的启发式排样算法实现二维不规则件自动排样,得到了满意的优化排样结果。     

基于可行域的矩形智能排样系统设计

基于可行域求解矩形排样算法,采用VC++6.0作为编程工具,进行了矩形智能排样系统的设计开发,以完成具有NP-hard的矩形排样问题的自动优化求解。实例证明该系统能够对各种不同形式和规模的矩形排样问题进行快速的求解,并输出最终排样方案,对工程实际中的排样问题有积极的指导作用。     

基于遗传算法的二维不规则形排样研究

二维不规则零件的排样问题,在理论上属于NP完全问题,有着较高的计算复杂度,求解很困难,但是在工业上有着广泛的应用,迫切需要解决此类问题.笔者结合启发式算法思想,将二维不规则图形排样问题建模成一个变异的旅行商问题,采用遗传算法求解.并在经典BL排样算法基础上进行改进,提出了一种基于多路径搜索的图形排样算法,在此排样算法基础上,应用遗传算法优化计算,成功的解决了不规则图形的排样问题.     

矩形件排样优化贪婪算法及系统开发

针对矩形件排样优化问题,分析了传统近似算法的主要缺陷,在此基础上,提出一种新的排样算法——贪婪算法.该算法的主要思想是在每次排样过程中,都用面积最大的矩形件对板材进行填充.同时,开发了一个矩形件排样优化系统.实际排样结果表明,贪婪算法能够获得比近似算法更有效的排样结果.     

地下电力工程机械自动排缆装置改进设计

阐述了地下电力工程机械自动排缆装置的重要性;在分析传统的排缆装置存在的问题及其原因的基础上,提出了地下电力工程机械自动排缆装置的改进设计方案,合理地选择了主要零部件材料,并进行了设计和制造.经工程应用表明,改进设计后的自动排缆装置,完全可以实现地下工程机械拖曳电缆的自动有序排列,且使用寿命明显延长,满足工程实际需要,达到了预期的效果.     

基于神经网络的不规则件排样技术

提出一种利用人工神经网络求解不规则件排样问题的方法。对于二维不规则零件在排样区域上的优化排列,采用自组织特征映射模型(SOM)和Hopfield人工神经网络相结合的方法,寻找排样件在排样时的最优位置及各自的旋转角度,实现了二维不规则件自动排样,得到满意的优化排样结果,实例证明了该算法的有效性和实用性。