一种智能化排课算法的设计

针对遗传算法容易陷入早熟收敛,无法自适应具有NP难度的多种约束条件下的排课问题,提出了一种基于量子进化算法的智能化排课算法。对排课的冲突要素和约束条件进行定义,构建了排课模型。引入量子进化算法,基于班级、时间元集合的向量矩阵构造了量子染色体,基于软约束条件的最优解设计了适应度函数,基于量子进化算法的计算框架设计了排课算法。实验表明文中算法具有智能性,能够根据开课任务自动生成排课方案,而且排课的质量和效率都优于文中的对比算法。     

一种基于高校排课问题的新型量子遗传进化算法

量子遗传进化算法是量子计算和遗传算法相结合的产物,量子比特是两个量子态的叠加态,在此,详细介绍了量子遗传进化算法。尝试使用量子遗传进化算法来解决高校排课问题,并进行了实验。实验结果表明,该算法获得了比较好的结果。     

遗传算法在排课系统中的应用

遗传算法是一种借鉴于生物界自然选择和进化机制发展起来的高度并行、自适应的随机搜索算法,是一种非常有效的解决NP完全的组合问题的方法。排课问题是一个有约束的、多目标的组合优化问题,并且已经被证明为一个NP完全问题。本文将结合职业学校的实际排课情况,利用遗传算法对排课问题进行求解。     

基于优先级贪婪算法的排课系统的研究与实现

目前有许多研究排课算法的专业书籍、论文,其涉及的解决方案有基于图的树遍历算法、基于概率的随机算法、基于基因理论的遗传算法等.运用计算机进行自动排课既是高校教务管理的迫切需要,同时也有重要的理论意义,但由于排课问题复杂多变,几十年来还没有定型的最优实现方案.运用优先级的贪婪算法,设计并实现了一种基于优先级的贪婪算法的排课系统.     

一种改进蚁群算法在排课中的应用研究

为了合理安排课表、有效地利用教学资源、提高教学质量。根据排课问题的约束条件．将排课问题转化为二分图匹配问题,从而提出一种优化的蚁群算法解决排课问题。实践结果表明,这种优化的蚁群算法提高了排课质量和效率。     

蚁群遗传算法在高校智能排课系统中的应用

大学课程表问题（UTP）是阻碍各个学校的教学资源多目标组合优化问题。它的解决不仅有助于对运筹学中多目标优化类问题的研究,而且对解决我国现阶段教育中教学资源相对稀少、而学生又相对较多的现状尤其具有现实意义。采用蚁群算法和遗传算法混合建立高校智能排课系统,可以有效地减少搜索空间,使种群在遗传过程按规则分区,在区间中喷洒信息素,染色适应度与种群区间交互,形成正反馈系统,驱动整个算法得到排课较优解。     

量子进化膜算法及其背包问题应用

量子进化膜算法是基于量子进化算法和膜计算所提出的一种分布式优化算法。将量子进化膜算法应用于0-1背包问题,讨论了基本膜个数的变化对背包问题求解的影响,找到最适合的基本膜个数,并分别与三种不同的量子进化算法进行对比实验,通过多组实例数据进行测试,结果表明该算法具有更高的求解性能。     

基于TGC的高校排课算法

为了解决高校排课问题,提出了三倍体编码方案,解决了传统遗传算法所存在的问题.通过分层的方法将五维组合模型分解为三次二维组合模型,缩减问题规模;同时利用交替进化的方法对目标染色体循环优化.实验结果表明该方案实现了组合优化,提高了求解效率.     

基于改进蚁群算法的机房排课系统设计与实现

针对机房排课中存在利用率不高的问题,将蚁群算法应用到机房排课问题中,建立了机房排课问题的数学模型,研究蚁群算法对机房排课问题的具体解法.实践结果表明,这种改进的蚁群算法提高了排课质量和效率.     

贪心算法在机房排课中的应用

通过分析机房排课的概况,提出机房排课中存在机房利用率不高的问题,分析机房排课中采用贪心算法的优势,建立了机房排课问题的数学模型,研究了贪心算法对机房排课问题的具体解法,有效提高了机房利用率.     

基于图模型与遗传算法相结合的排课问题研究

排课问题是典型的NP问题,文中以顶点着色为基础,通过引入动态边,扩展了现有的排课问题图模型.初始化中采用了特殊适应和最先适应策略,同时定义了团集的概念,将其作为交叉变异算子的操作对象.通过实验结果分析,针对平均适应值、教室利用率以及冲突次数等评价指标,文中提出的初始化和遗传操作方法均能取得较好的结果.     

Multi-level rate-constrained successive elimination algorithm tailored to suboptimal motion estimation in HEVC

In the context of motion estimation for video coding, successive elimination algorithms (SEAs) significantly reduce the number of candidates evaluated during motion estimation without altering the resulting optimal motion vector. Nevertheless, SEA is often only used in conjunction with exhaustive search algorithms (e.g., full search). In this paper, we combine the multi-level successive elimination algorithm (ML-SEA) and the rate-constrained successive elimination algorithm (RCSEA) and show that they can be advantageously applied to suboptimal search algorithms. We demonstrate that the savings brought about by the new multi-level RCSEA (ML-RCSEA) outweigh the pre-computational costs of this approach for the Test Zonal (TZ) Search algorithm found in the HM reference encoder. We propose a novel multi-level composition pattern for performing RCSEA on an asymmetric partitioning. We introduce a double-check mechanism for RCSEA, and show that on average, it avoids computing 71% of motion vector (MV) costs. We also apply the proposed ML-RCSEA to bi-predictive refinement search and leverage a cost-based search ordering to remove 56% of error metric computations, on average. When compared to the HM reference encoder, our experiments show that the proposed solution reduces the TZ Search time by approximately 45%, contributing to an average encoding time reduction of about 7%, without increasing the Bjøntegaard delta rate (BD-Rate).     

一种改进的LDPC码硬判决译码算法

LDPC码的硬判决译码通常是利用比特翻转算法(BF)以及在其基础上改进的加权比特翻转算法(WBF)来实现的,但是前者算法性能较差,而后者的复杂度较高,为了让译码算法能够兼顾其性能和复杂度,针对之前的BF以及WBF算法,提出了一种改进的LDPC码硬判决译码算法,该算法能够在前两次迭代中完成多个比特位的翻转.仿真结果表明,这种改进的算法可以在性能损失较小的条件下,大大降低算法的复杂度,从而提高译码的效率,减轻硬件的负担.     

PFA算法与RMA算法成像机理的比较

在ＳＰＯＴＬＩＧＨＴＳＡＲ的各种成像算法中,聚焦的准确性是影响ＳＡＲ成像质量的关键所在。在建立ＳＰＯＴＬＩＧＨＴＳＡＲ数据搜集及成像处理的数学模型基础上,比较了两种ＳＰＯＴＬＩＧＨＴＳＡＲ成像算法ＰＦＡ和ＲＭＡ的性能,并通过计算机仿真进行了分析和比较。     

实现ICF均匀照明的二元光学器件的混合优化设计

结合模拟退火和遗传算法各自的特点，提出了一种混合算法，用以设计阵列型惯性约束核聚变（ＩＣＦ）均匀照明系统中二元阵列单元的位相分布。混合算法充分利用了遗传算法的并行性及保留一定历史信息的特性，并用模拟退火的温度参数控制收敛性。模拟运算表明，混合算法具有较高的效率及寻优可靠性。用本算法设计的均匀照明阵列，可以得到顶部均匀性为３．２％（ｒｍｓ）、能量利用率接近９０％的焦斑     

基于萤火虫算法的衍射光学器件设计

针对采用经典的 Gerchberg-Saxton算法设计的衍射光学器件(DOE)产生的光强分布相对误差较大, 以及采用传统群智能优化算法设计的DOE光能利用率不高的不足,本文提出了利用萤火 虫算法(FA)实现衍射光学器件设计的方法,兼顾了优化效率和 优化结果。以激光匀束器的设计为例,在模拟计算中,利用FA经过5000次迭代,得到的激光匀束器的光能利用率高达92.91%,绝对误差值低至0.60%。     

通信泄漏同轴电缆参数的优化及性能研究

研究了遗传算法对通信泄漏同轴电缆进行结构参数优化的方法,分析了漏缆的耦合损耗,并将仿真结果与理论计算结果进行了对照。文中对工作频率为800MHz的周期开槽漏缆进行了优化,使其95%置信度耦合损耗达到70dB,电压驻波比达到1.1。在此基础上比较了在自由空间和靠近理想导体时漏缆的辐射场,分析了置于金属壁附近时导电壁对漏缆耦合损耗的影响。文中研究结果对泄漏同轴电缆的设计和应用有一定参考价值。     

OFDM系统中一种新的迭代信道估计算法

本文提出了OFDM系统中一种新的基于软信息迭代处理的信道估计算法。该算法将面向判决最小二乘估计算法和盲估计算法相结合,在估计器中构造了一种新的置信度量函数,根据解码和软映射重构的反馈信号置信度大小在两种估计算法中自适应选择,这样估计的信道频响可以有效提高软信息迭代接收性能,大大降低信道估计训练开销。仿真结果表明,本文提出的算法能有效跟踪信道时变,限制传统面向判决估计的错误传播,达到好的系统性能。     

基于提前分配路径的低时延片上路由器结构

该文针对片上网络提出一种基于提前分配路径的低时延片上路由器结构(PAPR).新路由器采用提前路由计算和提前分配路径来缩短路由器流水线深度.提前路由计算为虚信道提前分配提供了可靠保障,即使在虚信道路径提前分配失败的情况下,也不影响分组在网络中的传输时延.该文提出基于缓存状态的仲裁算法BSTS(Buffer Status)综合考虑当前节点缓存信息和下游节点缓存信息,不但降低了分组等待时延,而且降低了缓存空闲的概率.仿真结果表明,新路由器能明显改善网络的时延和吞吐性能,相比采用滑动迭代轮询仲裁iSLIP(iterative Round-Robin Matching with SLIP(Serial Line Interface Protocal))算法的经典虚信道路由器,网络平均端到端时延降低了24.5％,吞吐率提高了27.5％;与采用轮询迭代RRM(Round-Robin Matching)算法的经典虚信道路由器相比,平均端到端时延降低了39.2％,吞吐率提高了47.2％.路由器硬件开销和平均功耗分别增加仅为8.9％,5.9％.     

基于自适应权重和模拟退火的鲸鱼优化算法

针对鲸鱼优化算法容易陷入局部极值和收敛速度慢的问题,提出了一种结合自适应权重和模拟退火的鲸鱼优化算法.通过改进的自适应权重策略来调整算法的收敛速度,通过模拟退火增强鲸鱼优化算法的全局寻优能力.仿真实验中计算了18个测试函数,对比了粒子群算法、海豚回声定位算法和标准鲸鱼算法并进行统计分析,同时比较了单独结合自适应权重和模拟退火对鲸鱼优化的影响,结果表明,改进的算法在测试函数的极值计算中,计算精度和收敛速度方面都有了明显提升,验证了改进算法的有效性.