基于遗传算法的排课系统

排课系统在教务管理系统中是比常见的一个模块，但在多约束条件情况下，要排出一张高质量的课表并不容易。通过使用遗传算法，对初始课表进行优化，并用Matlab进行编程，试验结果表明，遗传算法对课表的优化有着比较显著的作用。     

基于遗传算法的排课问题分析与研究

排课问题是多目标整合优化问题,即时间表问题。经过人们多年的研究,最终遗传算法在排课系统的理论研究与实践应用中都取得了很大的成就。基于此,笔者分析了基于遗传算法求解排课问题的最优解,首先分析了排课问题的基本因素,进而建立了数学建模,最后通过选择、交叉和变异等过程和仿真实验进而说明并获得最优解。     

基于遗传算法排课问题模型的研究

排课是教学过程中的重要任务之一,优质的课程表可以提高教师、学生的上课效率。基于此,笔者通过建立硬、软约束模型,设计适应度函数,以及选择、交叉和变异等操作,最后得到最优排课方案。实验结果表明,遗传算法提高了排课算法的运算效率,能够得到更多的最优排课方案。     

一种基于遗传算法的自动排课系统设计

该文提出并实现了一种高校自动排课算法,利用遗传算法建立数据模型,定义了时间片、授课单元、切片算子、不完全两点交叉和适应度函数。通过使用遗传算法,对课程进行编排和对课表进行优化;并用VC 进行编程,Matlab进行仿真,用文件输出结果;实验结果表明,遗传算法对课表的编排和优化有着比较显著的作用。     

基于遗传算法的高校排课系统研究

提出并实现了一种高校自动排课算法,利用遗传算法建立数据模型,定义一个包含教师编号、班级编号、课程编号、教室编号、上课时间段的染色体编码方案和适应度函数,通过初始化种群、选择、交叉、变异等过程不断进化,最后得到最优解。利用该算法对某高校的真实数据进行实验,结果显示无一例教室、教师、班级冲突,算法具有合理性和可行性。     

遗传算法在排课系统中的应用

根据学校排课的实际情况,建立了一个基于遗传算法的问题模型,可以合理地解决排课过程中的各种冲突,实现资源与时间的优化。就遗传算法在排课中应用与设计实现进行了阐述。     

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。     

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。     

基于免疫遗传算法的排课问题的研究

免疫遗传算法具有可防止未成熟收敛陷入局部最优和保证种群的多样性等优点。针对排课问题的复杂性,文章给出了排课问题的数学模型并提出基于免疫遗传算法的解决方案。结果表明该算法能比较有效地解决排课问题。     

基于遗传算法的高校智能排课系统

新形势高校的发展,高校教务管理中的排课问题显得更为复杂。排课问题是一个典型的组合优化和不确定性调度问题,也是一个完全问题。该文根据高校实际情况,从遗传算法的基本理论着手,研究如何利用遗传算法解决高校排课中的资源冲突、课表优化等问题,并引用了哈希表和时间粒度的概念,对传统遗传算法染色体的编码模式进行了有益修正,增强了模式的灵活性。实验证明．遗传算法能够简化程序的复杂度和减少生成最佳课表的时间。达到了较高的师生满意度。     

基于小生境遗传算法的排课问题研究

建立排课问题的数学优化模型,构建其基本求解框架,引入遗传算法并设计多种改进方案,包括新的二进制编码方案、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设计方案.仿真结果表明,该算法能够满足排课问题的多重约束条件,更有效地解决排课问题.     

运用遗传算法进行智能音乐作曲研究

采用遗传算法进行算法作曲,主要利用遗传算法的全局最优性,并且相对简单有效的特点.利用简洁的编码方式对基因进行编码,有效地表达了乐曲的主要信息,方便了适应度函数的计算和相关遗传操作的进行.针对音乐质量评估问题,提出了将相关音乐知识的规则和人机交互相结合的模式,共同对所创作音乐进行合理评价.不仅提高了评价的准确性,而且大大降低了人的工作量,产生了良好的音乐工程效果.     

遗传算法在作曲中的应用

对遗传算法在作曲中的应用进行了一定的探讨。介绍了遗传算法应用于作曲的基本过程。通过将给定的乐谱转换成相应的编码,采用遗传算法中的选择、交叉和变异算子产生新的乐曲。     

基于自适应遗传算法的多传感器多目标静态数据关联

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题,而常见的关联算法要私计算量大,要私实际动用中效果不理想。本语文提出了利用自适应遗传算法来解决在传感人、检测空域中目标个数未知情况下,单平台多传感器数据融合系统对目标进行检测时的静态数据关联问题。实验结果表明,这种算法具有很高的关联成功率,并且提高了多传感器数据融合系统的检测概率。     

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。     

基于遗传算法的高职院校排课系统

结合职业教育自身的特点和基于遗传算法,详细说明了排课问题的制约因素以及约束条件,分析了排课问题的求解难点和目标,并提出了排课问题求解的总体思路。     

一种基于遗传算法的排课方法研究

排课问题是一个多约束、多目标的组合优化问题,并且已经被证明是一个NP完全问题。本文基于本校教学管理过程的实际情况,利用遗传算法对排课问题建立数学模型,设计了适应度函数,通过选择、交叉和变异等过程,进化得到最优解。实验结果表明该算法能够有效的解决本校的教务智能排课问题。     

基于遗传算法的高校排课系统的设计与分析

高校排课属于NP完全问题。近年来,随着高校招生规模的不断扩大,很多院校班级和课程也较多,而教师和教室资源又严重短缺,很难制定出合理的课表,并且工作非常复杂,通常要花费大量的精力,且效率低下,这使得排课问题成为一个急需解决且非常棘手的问题。     

求解多目标组合优化的改进Pareto适应度遗传算法

将Pareto适应度遗传算法（PFGA）与局部搜索相结合,提出了一种用于求解多目标组合优化问题的改进算法IPFGA,该算法基于Pareto支配关系对遗传操作产生的每一个个体进行局部搜索,并采取在外部群体中引入拥挤距离的精英选择策略。实验结果表明,与PFGA相比,IPFGA有更快的收敛速度。     

基于遗传算法的车窗定位

车型识别是智能交通系统中一个重要组成部分 ,而车窗是车型识别的一个重要特征 ,因此如何更准确、更快速地定位车窗是一个关键点之一。特别是当图像的信噪比递减 ,或者由于照明、运动模糊等因素的影响 ,使得图像子区域在直方图中不一定出现明显的波峰和波谷 ,而无法检测、定位和分割出峰值不明显的图像 ,利用传统的方法往往不能得到令人满意的定位、分割效果 ,因此采用基于色度函数曲线构造的遗传算法来进行车窗的分割、定位。实验结果表明该算法抗噪能力强 ,具有很好的适应性。