应用遗传算法求解排课问题

给出了排课问题的描述和五元组定义.针对排课问题的关键因素,根据遗传算法的特点,设计了排课问题的编码方式,对求解的目标进行了优化,满足了实际应用.     

基于遗传算法求解排课问题的研究

排课问题实际上是时间表问题,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,利用遗传算法求解排课问题,其搜索过程带有自组织的智能性和并行性,且操作简单,可以更少地依赖于实际问题的情况,实现课表的优化。     

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。     

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。     

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。     

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。     

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。     

基于遗传算法的高校网上排课系统的研究

排课一直是各大高校比较繁杂的一项工作,在诸多排课算法中,研究了遗传算法在高校网上排课问题中的应用.     

基于遗传算法的高校多媒体教室排课问题探索

遗传算法是当前计算机领域的热门课题,将这一热门课题引入到教育技术学领域中来加以研究应用。排课问题本身是一个资源分配问题,随着多媒体教室的功能日益增加,需要引入一种将教室设备作为影响授课因素之一的排课算法。分析了多媒体教室排课算法的数学模型、约束条件以及算法设计。     

类遗传算法在高校排课系统中的应用

将排课问题转换成对课程项分配教室和时间的问题,采用类似遗传算法的思想,随机产生不存在硬冲突的排课方案作为染色体,以每个课程项的排课方案作为染色体的基因,通过排课软冲突构造适应度函数,计算染色体的适应度,再对染色体进行选择、变异,直到染色体的适应度达到给定值。     

基于改进遗传算法的资源优化配置研究

当前在解决资源优化配置问题时往往使用贪婪算法、遗传算法等.但贪婪算法只能选择一个最优度量标准,所以只能获得度量意义下的最优解而不是该问题的最优解,而如果直接使用遗传算法又存在搜索空间过大、耗时过长的问题.提出了一种新的算法.先基于贪婪算法获得问题的初始解空间,然后对初始解空间进行冲突检测与消解,最后运用改进的遗传算法进行优化获得最优方案.测试算例表明大大缩小了遗传算法的搜索空间,在保证获得最优解的条件下加快了收敛速度并有效防止了种群的退化.提出的算法在突发事务的处理方面具有一定的意义.     

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。     

基于改进遗传算法的网格任务调度研究

网格任务调度是一个NP完全问题,它关注大规模的资源和任务调度,要求采用具有高效性的调度算法.提出了一种基于改进遗传算法的网格任务调度算法,在算法初始化种群产生时引入min-min算法和max-min算法,从而提高初始化种群的质量;算法迭代过程中采用了一种新的局部收敛判断以及改进的变异操作来防止局部收敛.仿真结果表明,该改进算法能更有效地解决网格任务调度问题.     

基于改进遗传算法的网格资源调度策略算法研究

提出了一种基于改进遗传算法的任务调度策略算法,该算法并将子任务按照层次深度排序,兼顾网格资源的运算能力。通过DAG图荻取层次关系,解决种群中的非法染色体问题。在种群进化的时候采用多种群、强父代染色体进化重组的方案。通过仿真实验表明,该算法具有一定的全局搜索能力和局部搜索能力,通过仿真对比可以表明该算法在搜索能力和搜索速度上优于普通的遗传算法。     

基于遗传算法的排课系统研究

排课问题（TTP）是一个有约束的、多目标的、难解的组合优化问题,并且已经被证明是一个NP完全问题。利用遗传算法进行问题求解,给出染色体编码方案和适应度函数,设计并实现了排课系统。实验结果表明,其过程的目标值跟踪显示,算法稳健趋优,所得结果令人满意。     

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。     

基于改进遗传算法的工作流调度研究

在资源受限工作流系统中,任务的执行顺序和资源分配对工作流执行时间有很大影响.文中就此问题提出了一种新的方法,把工作流调度分为计划和执行两个阶段,先运用改进的遗传算法对工作流系统中的任务执行顺序和资源分配做好全局优化,然后再按照计划执行,达到执行时间最短的目的.实验结果表明,与动态工作流调度方法以及标准遗传算法比较,在相同工作流中,当存在并发执行的任务时,基于改进后的遗传算法的调度方法能够做到全局资源分配最优,使得整个工作流系统在执行时间方面最短.     

基于改进遗传算法的资源限制建设工程多项目调度

随着建设工程企业规模的不断扩大,工程建设多项目管理成为企业发展的重要难题之一,对组织实现可持续发展有着重要的支撑作用。本文在资源限制单项目调度问题的基础上提出建设工程多项目调度问题,构建RCMPSP决策框架和数学模型,并在传统遗传算法的基础上对算法杂交和变异概率进行优化,设计针对该问题的改进遗传算法,通过案例对该算法的有效性进行验证,为建设工程企业进行RCMPSP问题决策提供依据。     

基于改进遗传进化算法的复杂作业流程调度

为了提高车间或者工业生产速度和质量,需要对生产中复杂作业流程调度进行研究。当前算法利用调度静态求解法和动态优化法实现复杂作业流程的调度。该算法没有相关策略的制定,也没有高效的理论作为支撑,导致该算法存在调度效率低,资源的利用率和环境适应能力较差等问题。为此,提出基于改进遗传进化算法的复杂作业流程调度。该算法先对复杂作业流程调度问题进行描述,针对调度问题描述,利用改进遗传进化算法对车间作业调度问题进行解决,将问题描述中的数学规划模型建立在规定的定义上。然后构建合适的编码实现改进遗传进化算法正常运行,过程中按一定要求对JSSP染色体进行编码,选择初始种群,并对适应度函数进行计算,引入交叉算子和变异算子扩大寻优范围。最后利用无延迟作业计划解决死锁状况,并通过调度过程流程图和作业调度整体结构流程图实现调度。实验结果表明,本文所提算法充分利用了现有资源实现了复杂作业流程的高效调度,同时也具有比较好的适应能力和灵活性。     

基于改进遗传算法立体车库存取调度优化

研究了巷道堆垛式立体车库的结构及运行原理,其具有自动化程度高、搬运器运行无空行程、存取方便快捷等优点,但也有自身的不足之处.针对巷道堆垛类立体车库的车辆出入口相对较少造成的用户的平均等待时间较长、堆垛机的工作负荷较大等缺点,从调度策略的角度进行分析,利用改进遗传算法对立体车库进行调度策略的优化,建立了以总存取时间为目标函数的数学模型,采用混合编码,改良的OX交叉算子对车库存取序列进行优化,以使总的存取车时间最少,即用户的平均等待时间最少.经过仿真实验的验证该算法得到了较好的收敛,并得到较小的存取车总时间,获得了预期的车辆存取序列,在与其他调度优化方法比较时得出结论,该种优化方法所得结果较为实用.