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.     

改进的回溯算法在排课问题中的应用

排课就是解决时间和空间对资源的争夺引起的冲突问题.20世纪70年代中期,美国人S,VEN等论证了课表问题是N P完全类问题,但同时也说明了课表问题有其自身固有的数学模型,即课表问题存在解,并且能找到解.直到今天,国内外对课表问题的研究活动依然很活跃.     

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。     

实用化计算机辅助排课系统的研究与实现

大学课表的编排规模大、涉及因素多,是一项复杂的工作.国内外对计算机排课问题进行了多年的研究,但实用的计算机排课系统为数不多。本文对大学学期课表的排课要求进行了全面的分析,给出了一个学期课表编排问题的较为实用的数学模型;在此基础上,讨论了一个实用的计算机辅助排课系统的设计与实现问题.     

基于新型遗传算法编码方案的高校排课系统的实现

遗传算法在求解排课问题这类涉及多因素、多重约束问题上,效果往往较优。遗传算法用于解决排课问题,编码方案的优劣显得尤为重要,本文将基于矩阵和结构体相结合的编码方案应用到排课问题中,设计并实现了高校排课系统。并从时间复杂度和排课结果两方面验证其有效性和操作性。     

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．     

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.     

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。     

高校排课系统中的模拟手工排课算法分析

随着教学改革的进行,新的教育体制对课表的编排提出了更高的要求。随着高校学生数量的增加,传统的人工排课出现了工作量巨大、排出课表极易出现错误等问题。文章简单介绍了高校排课中解决NP问题的几种近似算法,主要论述了模拟手工排课算法在高校排课系统中的应用。实践证明,对于高校来说,模拟手工排课算法可以实现排课系统的简化和正确率的提高。该算法在很大程度上降低了教师排课的错误率,也相对减少了教务管理人员的工作量。     

基于集合论的自动排课算法研究

在对课程表进行充分剖析的基础上,建立了课程表的基于集合论的数学模型,并根据该数学模型给出了排课算法,建立了排课算法的计算机实现过程,经实验证明,该模型可以有效的解决排课过程中的各种冲突,完成课表的自动、合理的编排过程.     

积极应对扩招新形势科学合理编排课程表

作为高校教务管理人员,多年来一直从事人工排课、调课工作,积累了一些经验,提出自己的看法,与同行交流,并希望对计算机排课软件的开发应用有所帮助,提高排课管理系统适应性和灵活性,从而提高教务管理水平.     

基于资源匹配的一种大学排课方法

提出了一种基于资源匹配的大学课程表排课方法，其设计思想是将课程的所需资源和教室的已有资源进行量化；并在教室资源及课程间关系的限定下，利用资源匹配的方法达到排课的目的。     

不确定条件下SMT产品生产规划的建模及GA求解

针对PCBA组装企业的SMT产品生产规划问题,给出了一种考虑预估订单和生产线故障率等不确定条件的生产任务排程方法。该方法将预估订单的批量、来料时间和交货期等用区间数表示,建立其不确定型调度模型,并采用可能度水平将该模型转换为确定型,然后用遗传算法进行求解。给出了该遗传算法的结构,并提出了“染色体按生产线分段、段内按产品加工序排列”的8进制编码、基因交叉和段长改变的变异操作等具体方法。实验结果验证了其可行性,具有较好的参考价值。     

正交多智能体算法求解管网直接优化调度模型

针对传统遗传算法存在高维空间寻优能力较差的问题,提出采用正交多智能体算法求解管网直接优化调度模型.对智能体的随机初始种群进行正交操作,得到较优初始种群,通过智能体的竞争和自学习,找到较优解.结果表明:与正交自适应遗传算法相比,正交多智能体算法具有更强全局搜索能力和更快寻优速度,并且正交多智能体算法优化方案较大提高了水泵运行效率,可节电2.96%.     

一种基于B/S模式的排课系统的设计

排课是教务管理中重中之重工作之一,因此,设计一个具有智能性、实用性和灵活性的排课系统,是一个当务之急的任务。为了解决排课的多方面制约因素,如教室、教师、班级和时间等,本文分析了当前的排课系统的背景,采用B／S网络体系结构、ASP．NET技术作为开发工具,从需求分析、总体设计、各个功能模块等方面介绍该排课系统的设计。通过自动排课和手动排课可以充分地、基本无冲突地利用教学资源,降低了排课管理工作的工作量和节省了时间,为教学管理工作带来方便。     

基于未确知有理数的工程项目缓冲区的确定

利用乐观时间制定项目进度计划,对任务链各任务持续时间的区间数进行未确知量化,利用未确知有理数的加法运算求得进度计划的未确知完成期及其对应的完工可信度和累积可信度,采用累积可信度在90%的情况下所得的工期和乐观时间估计的工期计算缓冲区时间,并以此制定关键链项目进度计划。案例分析表明,采用未确知有理数理论和乐观时间制定的关键链计划能够缓解工程项目不确定性因素的影响,与传统带有安全时间的进度计划相比节省工期,具有可行性。     

对夫妻财产约定制的立法完善

我国夫妻财产约定制度有着较长的历史。目前我国夫妻财产约定制尚有缺陷：约定时间不明确；约定形式模糊；对夫妻财产约定内容的合法性缺乏明确的限定；夫妻财产约定对外效力脆弱。这就需要我们在实践中不断地探索总结，以进一步完善夫妻财产约定制。     

基于非等间距灰色模型和Elman神经网络的轨道质量预测

轨道质量是影响行车安全的关键因素,合理预测轨道质量可以有效指导铁路工务部门进行轨道养护和维修.轨道质量指数(Track Quality Index,TQI)是综合评价单一区间段内轨道质量的参数.本文通过深入研究TQI的发展趋势,提出一种将非等间距灰色模型和遗传算法优化Elman神经网络相结合的预测方法.首先利用优化后的非等间距灰色模型GM(1,1)得到原始TQI序列的大致发展趋势,然后为了描述轨道质量发展中各因素之间复杂的函数关系,利用遗传算法优化后的Elman神经网络对初步预测结果进行残差校正,从而得到更为准确的TQI预测序列.新方法将轨道质量发展趋势中的随机波动成分纳入方法考虑范围,充分挖掘了历史数据的发展规律.利用沪昆线上行实测TQI数据对本文方法进行验证,实验结果表明:新方法对轨道质量发展中的随机波动趋势拟合效果较好;对于轨道质量预测,在利用非等间距灰色模型进行初步预测基础上,使用Elman神经网络进行残差校正,由此得到的预测结果在均方根误差、相对系数、决定系数等多个统计指标上均优于其他方法.     

求解航班时间表问题的混合遗传算法

针对基于模拟退火的混合遗传算法求解航班时间表问题的特征,利用矩阵编码形成个体,使用模拟退火算法快速形成优良初始解,并构建优良基因库以改良解精度.仿真实验表明,该算法和传统模拟退火算法及遗传算法相比,所得结果的方差降低了20.6%～24.6%,进化代数降为标准遗传算法的16.58%,运行时间缩短6.3%～14.0%,且算法直观,易于实现.