基于遗传算法的排课设计

阐述了遗传算法在课表生成过程中的应用。介绍了针对排课问题,遗传算法所涉及的编码方案,采用了布尔矩阵形式来实现、适应度函数的确定,主要涉及节次优度和周次组合优度这2个参数、和遗传操作的3种操作方法的实现过程。     

大学排课问题中的遗传算法设计

排课问题实际上是时间表优化的问题,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.本文针对大学排课问题,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,并讨论了处理冲突的算法.     

遗传算法在高校排课中的应用

分析了排课问题的数学模型,提出了一种遗传算法.该算法采用矩阵编码方案,建立罚函数满足课表问题中的多重约束条件.结果表明,该算法能比较有效的解决排课问题.     

排课问题的一种二维编码的遗传算法

本文针对排课问题提出了一种包含教师、班级、课程、教室、上课时间段等信息的二维染色体编码方法,根据排课问题的约束条件构造出相应的适应度函数,利用遗传算法的迭代思想求解排课问题,并验证了所得课表的可行性和合理性.     

基于改进遗传算法排课系统应用研究

针对复杂的排课问题,结合高校实际排课需求,本文将排课问题抽象成一个计算机可以求解的多约束多目标组合优化问题。建立排课问题数学模型,引入遗传算法,提出一种改进的算法方案来求解排课问题。同时,设计了染色体编码和适应度函数,采用自适应参数调整的交叉概率和变异概率,讨论了遗传算法在排课系统中的应用,并采用Matlab工具进行仿真实验。仿真结果表明,改进遗传算法平均适应度值高于传统遗传算法平均适应度值,收敛性好,提高了全局搜索能力,与传统的遗传算法相比,能更有效的解决高校排课问题。该研究可以较好地解决排课问题。     

基于遗传算法的排课系统的研究

根据独立院校的特点,分析了目前流行的几种排课算法存在的问题,从遗传算法的基本理论入手,研究如何利用遗传算法,解决排课系统中的资源冲突、课表优化问题．实验证明,遗传算法能简化程序的复杂度和减少生成最佳课表的时间,能在理想时间内找到最优解．     

遗传算法在高校排课系统中的应用研究

随着高校招生规模的不断扩大,高校教务排课的任务日益繁重．本文针对排课系统中遇到的实际问题进行分析,建立用于高校排课问题求解的数学模型．在此基础上应用遗传算法完成了问题的求解．实践表明,该方法简单、有效,能为高校教务信息化建设提供有益和必要的支持．     

基于遗传算法的排课问题研究

以黄河水利职业技术学院教务排课为对象,利用遗传算法自适应、随机搜索和高度并行的特殊功能,近似求解排课这种带有约束的多目标优化组合问题。对排课问题的实质、遗传算法的编码方案、交叉方案和冲突检测等操作进行了研究。     

排课问题的一种遗传算法适应度求解方法

排课问题的多个优化目标间可能是冲突的,如何有效优化求解的多个目标,是排课问题的关键。适应度计算方法影响遗传算法的采样空间和执行效率,研究适应度的求解方法有助于解决多目标优化问题。利用多目标决策协调模型进行排课问题的改进适应度求解方法的研究,以优化遗传算法的采样空间,加快算法的收敛。把该方法应用到排课问题中,实验结果表明对目前仍没有较好解决方法的组合优化问题,可以得到比较容易的解决。     

智能排课优化算法研究

为解决高校排课优化问题,建立了以教学效果好评度最大化为优化目标的排课数学模型.针对传统遗传算法的不足,给出了一种混合遗传算法,该算法不仅能够对传统遗传算法的交叉率、变异率进行自适应改进,还能够实现冲突检测与消除功能.测试结果表明,该算法比传统的遗传算法、贪婪算法和蚁群算法耗时短,而且教学效果好评度最高,这说明该算法能有效缩短排课时间,提高排课质量和效率,实现高校排课智能化.     

求解Job Shop调度问题的自适应遗传算法设计

针对标准遗传算法中交叉概率Pc和变异概率Pm固定不变带来的局限性,以及M.Sr-invivas自适应遗传算法的缺点,提出了根据适应值集中程度,自适应地变化整个种群的Pc和Pm的一种改进的自适应遗传算法,文中系统地介绍了算法的改进及算法的流程,并将算法应用于求解JSP问题,最后用一个典型的测试例子,对本文设计的算法的求解效果进行了测试,并对测试结果进行了分析.     

混合流水车间的遗传算法调度策略(英文)

应用遗传算法对混合流水车间的总作业时间最小的调度问题进行了研究。混合流水车间是一类特殊的流水车间环境,但其每一级可以有多个机床。所提出的算法基于表调度原理,首先给出在第一级工件的排列顺序,并在其后的各级采用先入先出（FIFO）方式。试验表明,所提出的遗传算法调度策略优先于原有的启发式及随机搜索方法。     

遗传算法在制造网格资源调度中的应用

在网络化制造环境下为解决制造网格中的资源调度问题,提出了基于遗传算法的网格资源调度算法。结合用户对多目标优化问题的要求,设计了基于遗传算法的制造网格资源调度算法。该算法将多目标优化问题转化为单目标优化问题,并以数字制造业中零件加工过程的资源优化调度为算例,验证了算法的有效性。     

应用遗传算法进行给水管网优化设计

建立了遗传算法市政给水管网优化模型,阐述了应用遗传算法进行给水管网优化设计的原理、特点,并对某小区管网改建工程进行优化求解,介绍了遗传算法模型的设计参数选取情况．     

基于遗传算法的车间作业调度

研究了遗传算法在车间作业调度问题中的应用,以遗传算法作为优化工具,给出了车间作业调度算法。最后给出了计算机仿真结果,并与启发式算法求得的结果作了比较,证明了该算法解的有效性和优越性。     

基于蚁群算法的高校排课系统设计

随着高等教育迅速发展,各高校培养模式多元化。同时,课程也在拓宽,在校师生人数快速增长,但是高校的教室、公共机房、专业实训室等硬件条件却无法及时增设,以上因素导致排课难度越来越大,传统的排课模式无法满足现实需求。利用寻找优化路径的蚁群算法,遵循软件工程原则开发设计的排课系统,不仅提高排课效率,而且使学校有限的资源得到合理的配置。     

解决Job Shop调度问题的遗传算法的实现

针对作业车间调度问题的具体特点,给出了利用遗传算法求解Job Shop调度问题的主要构造过程和步骤,并对编码、解码、适应度计算、选择、交叉、变异等遗传操作进行了详细设计.最后用一个6×6的测试例子,对本研究设计的GA算法的求解效果进行了测试,并对测试结果进行了分析.     

遗传算法在超媒体系统中的应用

在超媒体系统中,不同类型的信息节点通过超链连接起来。将这些节点聚类是减少用户访问节点时信息开销的有效方法。本文将讨论遗传算法在建立基于超文本的用户路径之上的聚类算法中的应用。     

基于遗传算法的多配送中心运输调度研究

多配送中心的车辆调度问题是一个较难的组合优化问题,也是一类典型的NP—hard问题。遗传算法作为一种有效的优化算法得到了广泛的应用。为了解决了物流多配送中心的运输问题,文章运用新的交叉变异方法提出了一种改进的遗传算法。该算法保持了良好的种群多样性,具有更高的性能。