用演化算法求解高校排课的问题

根据排课问题的有效性约束,建立了基于实际情况的数学模型,提出课元、资源等概念模型。采用演化算法来解决排课问题,根据教师集、班级集、课程集、教室集、时间集、课元集、资源集等概念定义了约束集,再设计了相应的编码和评价方法,采用轮盘选择、单点交叉、随机变异、μ+λ淘汰等策略进行计算。实验结果表明,用演化算法解决排课问题是可行的。     

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.     

基于约束满足和遗传算法的排课算法

针对高校排课过程中存在诸多资源约束因素的问题,提出一种将遗传算法与约束满足算法相结合的排课算法,由约束满足算法确定排课任务的优先次序,遗传算法解决单个排课任务时间片分配的优化问题。算法中单个排课任务的局部最优解具有全局最优性。实验结果表明,该算法能够改进算法性能,提高排课效率。     

差分进化布谷鸟算法在实验室排课中的应用

随着高校实验课程比例越来越高,针对传统实验室排课手段效率低、出现冲突的可能性高等缺点,提出了一种基于改进布谷鸟算法的智能排课模型。首先,定义了课元表示教师在什么班级上什么课程,把排课问题转化为课元确定教室-时间对,提出了一个多目标、多约束的排课数学模型。其次将数学模型的求解转化为对二部图进行完美匹配操作获取初始解。然后,利用差分进化方法改进了布谷鸟算法,实现布谷鸟算法在实验室排课中的应用。最后,通过对仿真实验的结果分析来验证算法可行性与有效性。     

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。     

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。     

基于遗传算法的实训室多重优先排课方法研究

排课是学校教学管理中非常重要的工作。排课问题是一个有约束、多目标的优化组合问题,并且已经被证明是一个NP完全问题。高职院校与一般中小学校相比,课程的编排需考虑的因素更多,极为复杂。以广东农工商职业技术学院计算机系实训室排课系统的算法作为研究对象,根据我院的一校多区等实际情况和计算机实训课程的特点进行排课算法的研究,采用多重优先法则与遗传算法相结合的方法有效解决了排课问题,不但排课效率高,而且容易得到优质课表。     

一个解决高校排课问题的演化算法

针对当前高校存在的排课效率低下问题,有必要采用一种有效的算法结合计算机实现自动排课。文中在比较各种不同算法的基础上,提出了一种使用局部杂交算子的演化算法。该算法采用矩阵编码方案,通过惩罚函数满足排课表问题的多重约束条件。模拟实验证明,该算法可有效地解决高校排课问题。     

一个解决高校排课问题的演化算法

针对当前高校存在的排课效率低下问题,有必要采用一种有效的算法结合计算机实现自动排课.文中在比较各种不同算法的基础上,提出了一种使用局部杂交算子的演化算法.该算法采用矩阵编码方案,通过惩罚函数满足排课表问题的多重约束条件.模拟实验证明,该算法可有效地解决高校排课问题.     

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.     

差分型复杂过程全局进化方法

复杂过程全局进化算法是一种具有类似分散搜索的通用框架结构,能够高效完成全局搜索的新型进化算法。在该算法的基础上,提出了差分型复杂过程全局进化算法。差分型算法采用拉丁超立方体抽样生成多样性种群,并应用“最小欧几里德距离的最大值法”产生参考集Refset2,以保证参考集的多样性。采用差分变异和交叉策略替代原算法的线性合并,兼顾算法的收敛速度和种群的多样性。应用Nelder-Mead直接搜索法进行局部搜索,防止搜索过程在局部最优点附近反复。仿真结果表明差分型复杂过程全局进化算法,具有较高的搜索效率。     

Meta itemset: a new concise representation of frequent itemset

The sheer size of all frequent itemsets is one challenging problem in data mining research. Based on both closed itemset and maximal itemset, meta itemset which is a new concise representation of frequent itemset is proposed. It is proved that both closed itemset and maximal itemset are special cases of meta itemset. The set of all closed itemsets and the set of all maximal itemsets form the upper bound and the lower bound of the set of all meta itemsets. Then, property and pruning strategies of meta itemset are discussed. Finally, an efficient algorithm for mining meta itemset is proposed. Experimental results show that the proposed algorithm is effective and efficient.     

多层级设施选址-路径规划问题建模及算法

基于有向图对物流网络多层级设施选址-路径规划问题,建立混合整数规划数学模型,提出量子进化算法与遗传算法协同的双智能算法集成求解方案.量子进化算法解决设施选址和设施分配,遗传算法进行路径规划,并提出可达配送区域的搜索策略和路径长度为权重的设施分配优化策略以提高算法效率.实例测试表明,所提出的数学模型和组合智能算法是可行而有效的,可为多层级设施选址-路径规划问题提供理论与方法指导.     

基于本体的工作流元模型研究

提出使用本体来描述工作流元模型,通过综合目前在工作流元模型方面的研究成果,提炼出工作流元模型的概念,建立可扩展、可理解、可维护的工作流元模型本体,实现在模型层次上的扩展,同时建立工作流的本体知识库,为以后的工作流模型的分析建模、模型的自动验证、以及工作流管理系统之间的互操作奠定坚实的基础。     

基于文献信息网络语义特征的相似性搜索

文献信息网络是典型的异构信息网络,基于其进行相似性搜索是图挖掘领域的一个研究热点。然而,现有的方法主要采用元路径或元结构的方式,并未考虑节点自身的语义特征,从而导致搜索结果出现偏差。对此,基于文献信息网络提出了一种基于向量的语义特征提取方法,并设计实现了基于向量的节点相似性计算方法VSim;此外,结合元路径设计了基于语义特征的相似性搜索算法VPSim;为提高算法的执行效率,针对文献网络数据的特点,设计了剪枝策略。通过在真实数据上的实验,验证了VSim对搜索语义特征相似实体的适用性,以及VPSim算法的有效性、高执行效率和高可扩展性。     

异质信息网络中基于元路径的社团发现算法研究

实际的网络化数据往往包含多种类型的对象和关系,采用异质信息网络可以更好地对其建模,因此异质信息网络分析逐渐成为数据挖掘的研究热点。虽然同质信息网络中的社团发现已经被深入研究,但是异质信息网络中的社团发现还很少被研究。该文研究异质信息网络中的社团发现问题,提出了一个新的社团发现算法框架HCD(heterogeneous community detection)。该框架由两部分组成: 基于单条元路径的社团发现算法HCD_sgl和融合多条元路径的社团发现算法HCD_all。HCD_sgl首先确定在给定元路径下所有节点的初始标签,再利用改进的标签传递算法进行最终的社团发现;HCD_all是在HCD_sgl的基础上将基于多条元路径的社团发现结果进行融合。通过在真实数据集和人工数据集上的实验验证了HCD算法的有效性。     

基于元搜索引擎的结果合成方法

随着Internet的高速发展,网络已经成为人们获取信息的主要途径。建立在搜索引擎基础上的元搜索引擎则充分利用了专业搜索引擎的性能和特点,通过调用多个专业引擎为用户提供全面而准确的查询结果。本文主要研究了元搜索引擎的结果合成算法,对聚类分析技术进行了详细介绍,根据聚类的需求构建了关键词相关度矩阵。     

基于深度强化学习种群优化的演化式分拣调度算法

机械制造中的产线分拣作业具有问题与数据的双重复杂性,为了对分拣操作进行优化以提高生产效率,设计了一套分拣作业的数据表示方法与一种基于种群优化的演化式算法,同时整理并公开了一个真实的工业数据集。数据表示方法通过借鉴词袋模型对原始作业数据进行抽象表示;演化式算法使用深度强化学习初始化遗传算法中的种群,同时引入了精英保留策略以提高算法的优化能力。最后,将提出的算法与其他算法在真实的工业数据集与旅行商问题数据集上进行了对比。结果表明,该算法能找到更优的分拣顺序与访问路径,验证了算法的有效性。     

基于CWM的元数据管理策略

对三种经典的元数据管理策略进行了分析和比较,总结了基于CWM的元数据管理策略的优势,对该策略给出了改进的元数据管理体系结构,解决了各软件产品或工具间的元数据的便捷交换问题,做到元数据存储、管理和交换的协调统一,重点讨论了其核心部分（元仓库）的设计与实现。