基于模拟退火的排课算法

模拟退火算法应用在排课问题中，主要适用于具有均匀排课要求的排课问题，得到排课最优解。随机产生的可行解自然具有均匀性，而适当选取算法的控制参数，能加快获得问题的整体最优解或近似最优解的收敛速度。     

几种智能算法在排课问题中的比较

排课问题是个NP完全问题,没有最优解,只有满意解。将智能算法应用于排课问题的求解取得了有效的研究成果。主要对遗传算法、模拟退火算法和蚁群算法求解排课问题做了比较分析,阐述了各算法的基本原理及算法特点,分析了各个算法用在排课问题上的优缺点。     

高职院校教学管理系统中的排课算法的实现

本文分析了高职院校的排课系统问题,给出了排课问题的数学模型,研究如何利用遗传算法,解决排课系统中的资源冲突,课表的多目标优化问题。实验证明,遗传算法能简化程序的复杂度和生成最佳课表的时间,其收敛速度和寻优能力,能在理想时间内找到最优解。     

基于遗传算法的优化排课系统

分析了目前高校排课系统存在的问题,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生成最佳课表的时间,其收敛速度和寻优能力,能在理想时间内找到最优解。     

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。     

基于改进粒子群算法排课问题研究

排课问题属于背包问题中具有重要实用价值的一类优化组合难题,描写了如何利用粒子群算法解决排课中的多种冲突.但由于粒子群算法有收敛速度慢且易收敛于局部最优的缺点,针对排课问题中最优解的分布特点,对粒子群算法进行了改进.改进后的算法与传统算法相比有着较高的收敛速度和计算精度,可以在解空间内高效地寻找到全局最优解.     

基于遗传算法的高校自动排课系统的研究

遗传算法是一种通过模拟自然进化过程搜索最优解的方法,应用也非常广泛;在自动排课系统中运用遗传算法可以实现教学资源的合理分配,避免发生各种冲突。     

基于贪心法的排课算法

一直以来,最优解的排课算法的时间复杂度大多是排课规模的指数阶。文章把贪心法应用于排课算法中,得到排课最优解的多项式算法。     

用改进的遗传算法实现网络计划优化

遗传算法的网络计划优化属于离散的非单调、欺骗性问题，较难得到全局最优解．而采用改进的遗传算法，并运用数据库，通过对大量实际运算结果的统计分析表明：改进后遗传算法，能显著提高全局最优解的成功率．研究中发现，该类问题适应度的动态缩放技术具有最好的效果，并就该类问题提出了合适的参数取值．     

基于改进遗传算法的农产品物流配送模型研究

农产品物流配送过程中时间和成本最小化是一个关键的问题。研究在分析农产品特点和用户需求的前提下构建农产品物流配送路径模型，并利用改进遗传算法对该模型进行求解。实验表明遗传算法和改进遗传算法的最优解分别为16087.9元和15129.6元，最优配送路径分别有9条和10条。改进遗传算法的最优目标函数值为最具有优势。改进遗传算法在求解农产品物流配送模型中具有合理性和有效性，能获取最佳路径和最优目标值。     

基于模拟退火算法的输电网中长期规划研究

模拟退火算法是一种解决组合优化问题的有效方法,其最终优化结果不依赖于初始解的选择,理论上可避免算法过早收敛于局部最小点,从而保证找到全局最优解或全局近似最优解．本文将模拟退火算法用于输电网中长期规划问题的研究,详细介绍了算法实现过程中各种参数的选择方法并给出了具体算例．试算结果表明利用该算法得到的优化结果是令人满意的．     

一类约束最小二乘估计的神经网络算法

提出一种求解最小二乘问题的新算法,该算法通过特定函数的饱和工作方式,保证最小二乘问题对约束条件的满足,同时实现方差最小化,克服罚函数法难以得到精确解的缺陷。给出了双边约束最小二乘问题存在最优解的充分必要条件,同时证明最优解的唯一性。该算法容易用连续型神经网络实现,网络中神经元状态轨迹收敛到最小二乘问题最优解相对应的平衡点。该算法具有指数收敛速率。     

带变异特征的捕食搜索算法及其在TSP问题的实验研究

原捕食搜索算法在TSP问题上解的质量与精度上都不高,即其具有容易陷入局部最优的缺点,本文算法引入变异特征行为以使得捕食搜索算法能够跳出局部最优,最后对四个常用TSP问题进行了仿真,结果表明,新算法在解的质量与精度上比原捕食搜索算法有了明显提高。     

求解一类无约束优化的混合遗传算法

目的 求解一类无约束优化问题。方法 结合传统优化算法局部寻优能力强、收敛速度快，而遗传算法在搜索过程中不易陷入局部最优的两种算法的特点，给出了一种基于最速下降法的混合遗传算法。结果 算例表明所设计的算法是有效的。结论 算法可以提高局部搜索能力，提高解的精确度，搜索速度。     

最优家族遗传算法

从种群规模和个体空间的角度分析了影响遗传算子性能的因素，在遗传算法(GA)的基础上设计了一种搜索区域可变、群体规模可变的最优家族遗传算法(OFGA)，该算法提出了在优良解附近构造最优家族，最优解搜索将在这个微型空间中进行，在有限的时间内搜索到更优基因的家族将获得生存的权利．由于每一个家族的搜索区域大幅度减缩，伴随着种群规模的减缩，因此提高了算法的收敛速度，家族个体空间大小不变提高了解的精度．最后，给出了3个典型函数的模拟例子，通过与GA的对比结果看到，OFGA在数量级上提高了收敛速度，使最优解的精度也有很大提高，说明新的算法具有应用的潜力。     

An iterative algorithm in potential-field inversion

1　Principle and MethodAll the problems of potential- field inversioncan be concluded that of solving nonlinear functionas follows:b =f( x) ( 1 )where x =( x1,x2 ,… .xn) T,xj( j =1 ,2 ,… ,n)indicate geometricparameters and physical parame-ters of the object;b=( b1,b2 ,… ,bm) T,bi( i=1 ,2 ,… ,m) indicate potential- field measurements.Main algorithms for expression( 1 ) are leastsquare method ( include damping least squaremethod ) ,gradient method ( conjugate gradientmethod and variable met…     

An iterative algorithm in potential—field inversion

The problem of potential-field inversion can be become that of solving system of linear eqautions by using of linear processing.There are a lot of algorithms for solving any system of linear equations,and the regularized method is one of the best algorithms .But there is a shortcoming in application with the regularized method,viz.the optimum regularized parameter must be determined by experience,so it is difficulty to obtain an optimum solution.In this paper,an iterative algorithm for solving any system of linear equations is discussed,and a sufficient and necessary condition of the algorithm convergence is presented and proved.The algorithm is convergent for any starting point,and the optimum solution can be obtained,in particular,there is no need to calculate the inverse matrix in the algorithm.The typical practical example shows the iterative algorithm is simple and practicable,and the inversion effect is better than that of regularized method.     

遗传算法在水污染控制系统最优规划中的应用

针对水污染控制系统最优规划中存在的问题，提出应用遗传算法求解区域最优化模型，充分利用遗传算法全局搜索的能力，快速获得最优解。结果表明，这种算法可以克服试探法分段优化的不足，使规划结果更合理，投资费用更节省，为求解区域最优化模型提供了一种新方法。     

协作CDMA系统上行链路功率控制策略及优化算法研究

针对协作CDMA系统上行链路功率控制优化算法复杂度过高的问题,提出了一种新的分段式低复杂度的功率控制策略及优化算法,其中系统的功率控制分两个阶段,前后两阶段分别采用分布式的功率控制优化算法和基于几何规划的功率控制优化算法。理论分析和数值仿真结果表明,功率控制优化算法对信道信息要求低、运算量小、复杂度低、收敛速度快,且收敛于全局最优。