基于遗传算法解决排课问题的探索

通过分析排课问题的约束条件,提出了一种基于遗传算法的排课方法。算法考虑了高校排课过程中存在诸多资源约束因素,算法改善了排课的收敛性和效率。     

改进遗传算法在排课问题中的应用研究

分析了遗传算法在排课问题中的应用,针对遗传算法容易早熟收敛的问题,提出了改进的混沌遗传算法,将遗传操作中的交叉和变异操作用混沌交叉和混沌变异取代,充分利用混沌算法优化搜索技术,保证种群多样性,提高算法全局寻优能力。该算法应用于实际排课中,得到的排课方案更好地满足了约束条件,排课效果良好。     

基于遗传算法的多校区排课系统分析与设计

排课问题是一个多约束、多目标的优化问题。将遗传算法应用于学分制模式下的多校区排课系统．通过对排课因素和约束条件的深入分析,制订了排课问题的优化目标,设计出适合于遗传操作的编码模型,并给出了合理的适应度值的计算方法。通过对初始种群进行选择、交叉、变异等过程不断进化,取得了优化的课表。利用真实的数据进行系统测试,并分析了各...     

遗传算法在多校区排课系统中的应用

排课是多因素决策问题,文本分析了造成多校区高校排课难的各种因素,对排课问题中的约束条件进行分析,研究了如何应用遗传算法来解决多校区排课问题,给出了一个基于该算法的排课模型。     

基于遗传算法的排课系统研究

排课问题是一个多约束、多目标的组合优化问题,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。实验结果表明本算法能够有效的解决本校的教务智能排课问题。     

免疫遗传算法在排课问题中的应用

将基于疫苗和免疫规划的免疫遗传算法应用于排课问题中,并结合贪心策略,提出一种适于解决多软约束条件的排课方案.方案中,针对软约束条件特征和教务经验提取疫苗,对遗传算法的缺点进行弥补.通过将该算法应用于具体课程编排,证实了该方法优于传统的遗传方法.     

采用三维最佳个体置换遗传算法求解高校排课问题

分析高校排课问题,建立该问题的数学优化模型,并构建模型的基本求解框架.针对高校排课问题的特点,引入遗传算法加以解决,设计多种改进方案,包括三维编码方案、初始种群生成方案、适应度函数设计方案、最佳个体置换策略、自适应交叉概率和自适应变异概率.仿真结果表明,该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问...     

基于遗传算法的时间表问题研究

时间表问题是一类特殊的调度问题,排课问题是它的一个实例。排课问题是一个多因素的优化决策问题,遗传算法被广泛应用于解决多目标优化问题。本文根据排课问题的特点,给出了排课问题的数学模型,提出了一种基于遗传算法的解决方法。     

一种新的求解约束优化问题的遗传算法

科学和工程领域中的许多问题最终可以归结为求解一个带有约束条件的函数优化问题,本文针对此类约束优化问题提出了一种新方法,它把约束优化问题转化为双目标优化问题,并利用遗传算法从多点出发寻找最优解的特性,设计新的交叉、变异和选择算子,使得算法迅速找到问题的最优解。数据实验结果表明该算法对约束优化问题的求解是有效的。     

处理带约束的多目标优化进化算法

针对当前对求解多目标优化的遗传算法中主要考虑如何处理相互冲突的多个目标间的优化,而很少考虑对约束条件的处理的问题,提出一种求解带约束的多目标优化遗传算法,利用邻域比较与存档操作遗传算法处理多个相互冲突的目标之间的优化、利用不可行度选择操作处理约束条件和选用约束主导原理指导进化过程选择操作; 面向多目标约束优化算法,列举了2个难点典型问题进行仿真计算研究,仿真结果表明该算法能较大概率地获得多目标约束优化问题的可行Pareto最优解.     

优化和约束推理的动态分布式双向导遗传算法

为了解决优化和约束推理,基于向导遗传算法(GGA)和分布式向导遗传算法(DGGA),通过引入向导概率Pguid、本地优化监测LOD和权ε共3个新参数,提出了一种D3G2A算法的改进算法.该算法采用多代理方法,不仅使搜索过程多样化,避免出现局部最优,而且代理能计算各自的遗传参数.将改进的D3G2A和GGA用于随机生成的二元CSPs,实验表明,D3G2A能有效改善适应度值和节省CPU时间开销,使算法的性能得到提高.     

模糊约束网络在机床产品协同设计冲突检测中的应用

分析了机床产品协同设计中约束的内涵和特点,并用EXPRESS-G图描绘了约束网络的结构模型.将机床产品协同设计中的约束分为硬约束和软约束,从数学上给出模糊约束和模糊约束满足问题的定义.采用遗传算法作为协同设计过程中模糊约束满足问题的求解方法,在遗传算法的运行过程中对软硬约束分别进行了不同的技巧处理,遗传算法利用硬约束通过前向检查算法随机产生几何可行初始群体来限制设计空间,并给出遗传算法的具体实现过程.提出了基于模糊约束网络的冲突检测系统的体系结构,并对原型系统进行开发.最后,以某车床传动轴的设计为例验证了约束在协同设计冲突检测中的应用.     

A fuzzy rule based genetic algorithm and its application in FMS

Most of the FMS (flexible manufacturing systems) problems belong to NP-hard (non-polynomial hard) problems. The facility layout problem and job-shop schedule problem are such examples. GA (genetic algorithm) is applied to get an optimal solution. However, traditional GAs are usually of low efficiency because of their early convergence. In order to overcome the shortcoming of the GA a fuzzy rule based GA is proposed, in which a fuzzy logical controller is introduced to adjust the value of crossover probability, mutation probability and crossover length. The HGA (hybrid genetic algorithm), which is integrated with a fuzzy logic controller, can avoid premature convergence, and improve the efficiency greatly. Finally, simulation results of the facility layout problem and job-shop schedule problem are given. The results show that the new genetic algorithm integrated with fuzzy logic controller is excellent in searching efficiency.     

具有柔性约束指派问题的一种新解法

将经典约束满意问题推广到柔性约束满意问题,并研究求解具有柔性约束规划问题的模糊满意解和Discrimin最优解的算法.最后,用实例说明了该理论方法在求解约束指派问题中的应用.     

一种基于遗传算法的TTP问题求解算法

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，定义一个四维的染色体编码方式和包含学生人数，教室座位、特殊课程、教师、班级、一门课的时间间隔等因数的适应度函数，通过切片算子，生成指数要求的基因型个体，用交叉算子和变异算子对基因型个体进行运算，再利用选择算子选择适应度函数值较高的染色体编码方案，最后对优化的染色体按指定方向切片，生成教师课表，学生课表和教室课表，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，在PⅢ866PC机上运行，耗时为2323．573s，该算法可以推广到车辆调度，会议安排、超大规模电路板设计等应用领域。     

遗传算法在排课问题中的应用

在分析造成排课困难的各种因素的基础上,将遗传算法运用到解决排课问题中.并给出了该算法的详细设计（文中采用了二进制编码和矩阵编码相结合的编码方法;给出了带有权值的适应度函数;对染色体中的时间码采用映射同/异或交叉;采用两点变异的变异方法）和排课模型;很好地解决了多约束条件下的排课问题.     

Genetic Algorithms for the Optimal Design of Electromagnetic Micro-Motors

The genetic algorithm (GA) to the design of electromagnetic micro-motor to optimize parameter design. Besides the different oversize from macro motor, the novel structure of micro motor which the rotor is set between the two stators make its design different, too. There are constraint satisfaction problems CSP) in the design. It is shown that the use GA offers a high rate of global convergence and the ability to get the optimal design of electromagnetic micro motors.     

Genetic Algorithms for the Optimal Design of Electromagnetic Micro-Motors

The genetic algorithm (GA) to the design of electromagnetic micro-motor to optimize parameter design. Besides the different oversize from macro motor, the novel structure of micro motor which the rotor is set between the two stators make its design different, too. There are constraint satisfaction problems CSP) in the design. It is shown that the use GA offers a high rate of global convergence and the ability to get the optimal design of electromagnetic micro motors.     

改进的人工鱼群混合算法在智能组卷中的应用

现有的智能组卷多采用单一算法,而每种算法都有其各自的缺点,针对此缺陷提出了结合人工鱼群算法和遗传算法的优点组成混合智能组卷算法.在智能组卷开始时,采用人工鱼群算法快速靠近组卷目标,在组卷过程中,当最优个体在连续多个迭代过程中无变化或变化极小时采用遗传算法对人工鱼个体进行跳变,提高收敛速度.通过模拟计算证明,该混合智能算法能有效地优化其中单一算法独自进行智能组卷的成效     

多群体阶段性杂交遗传算法

借鉴生物遗传学提出了一种多群体阶段性杂交遗传算法。引入相对顺序交叉算子对标准遗传算法进行了改进。为验证该算法的性能，对旅行商问题进行了求解，采用多群体和阶段性杂交的改进策略，并分别和标准遗传算法进行了比较。计算结果表明，该方法能较好地保证个体多样性，并能促进优秀基因型的杂交和遗传，在收敛和鲁棒性方面优于一般的单群体、非杂交算法。另外，将其应用于水电站优化调度也取得了较好的效果。