浅谈模拟退火算法在自动排课系统中的应用

开发一套排课系统,关键技术是采用何种算法,算法的好坏决定排课的速度、成功率及合理性。本文从模拟退火算法的原理、基本思想入手,介绍了模拟退火算法在排课系统中的应用及具体实现,分析并比较了模拟退火算法和常用算法的利弊。     

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。     

自动排课系统算法的分析与设计

分析了自动排课系统的优势和存在的问题,并对自动排课系统算法进行了探讨。     

计算机自动排课系统

论述了排课系统中用到的模型与技术关键,并介绍了该系统的模块结构功能及系统特点。     

模拟退火算法在排课问题中的应用

针对课表问题的具体特点,使用以课程作为排课算法的研究主体的思路,设计了一个模拟退火算法,解决了给定时间问题和不定时间问题的课程表的优化编排问题,并对生成的课表提出更具体的优化目标,通过设计合适的优化函数来实现这些目标,取得了较好的运行效果.     

课程管理系统中自动排课算法的分析与设计

在设计课程管理系统时,针对我校自动排课时所遇到的几个问题,应用了循环、判断、数组等多种方法,设计了自动排课的数据结构与算法,基于此数据结构与算法的自动排课系统,解决了我校实际排课中的问题,取得了良好的效果.     

自动排课系统迭代算法设计与实现

在全面分析了高校教务管理系统的功能和数据流程的基础上,详细论述了排课系统的数据库设计,根据实际开课信息和教室资源,通过循环迭代确定满足开课要求的教室并安排具体的课时,实现了自动排课的功能要求。     

智能排课算法综述

首先介绍了排课问题, 分析了基于遗传算法、蚁群算法、模拟退火算法和免疫算法等智能排课算法的基本原理及其算法特点, 并对智能排课算法的未来发展做了展望.     

智能排课算法综述

介绍了排课问题,分析了基于遗传算法、蚁群算法、模拟退火算法和免疫算法等智能排课算法的基本原理及其算法特点,并对智能排课算法的未来发展做了展望。     

使用模拟退火算法解课表问题

给出一种使用模拟退火算法（ＳＳＡ）来解课表问题的方案，详细地讨论了方案涉及的各种问题，包括目标函数和初解的确定，邻域和新解的产生方法，初始“温度”的确定和“温度”更新的方式，内循环次数及算法终止条件的确定等，章的最后给出了该方案的一个实例和若干性质分析。     

高校自动排课的程序实现

排课是高校教学管理中最重要、最繁重的工作之一.对于高校纷繁复杂的课程和专业，一直没有很好的解决方法.本文借鉴相关排课理论，在分析一些排课软件的基础上，提出一种基于禁忌搜索算法的排课程序实现.该程序主要是解决教师、班级在上课时间、地点上的冲突问题，同时兼顾提高各种教学资源的利用效率.     

柔性作业车间调度优化的改进模拟退火算法

针对柔性作业车间调度问题,提出一种改进模拟退火算法来进行求解。该算法引入粒子群算法中的基于位置取整和基于轮盘赌两种个体编码方法,并采用3种不同的局部搜索方法来构造个体的邻域结构。算例计算表明,改进模拟退火算法在求解柔性作业车间调度问题时,比粒子群算法、混合粒子群算法以及模拟退火算法具有更好的求解性能,其中采用轮盘赌编码时,算法的求解性能要优于采用位置取整时的求解性能,且基于互换的局部搜索方法要优于其他两种局部搜索方法,能更有效地改善算法的求解性能。     

基于遗传模拟退火算法的自动化制造单元周期调度

鉴于有时间窗约束的单机器人单度自动化制造单元周期调度问题的可行解极少且难以找到最优解,提出一种带有不可行解修复机制的遗传模拟退火算法,以提高解的搜索效率。采用基于跨周期决策的先后次序约束修复、联动修复等机制,对不可行解进行修复,提升其逼近可行解的概率;结合遗传算法的多点初始和模拟退火的靶向搜索能力,强力筛查可能存在的可行解;根据模拟退火的降温速度,利用Metropolis准则以逐渐变小的概率接受交叉和变异后产生的劣解,促进种群跳出局部最优。实验证明所提出的算法在保证解的质量的前提下,计算时间更短,求解效率更高,可较好地满足自动化制造单元的周期调度要求。     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段.针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法(GA)和模拟退火算法(SA)的基础上,提出了更加有效的算法即模拟退火遗传算法.使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的.     

模拟退火法用于电压稳定分析

为了提高用于电压稳定分析的非线性最优化方法的效率,提出了将模拟退火法和单纯形法相结合求解非线性最优化问题的新算法,避免了在全局最优点附近的大量低效搜索,提高了模拟退火法的计算效率。应用这种新算法求解静态电压稳定极限,用５节点系统进行验证得到了满意的结果。求解静态电压稳定极限问题可以等效为含有非线性等式约束和不等式约束的非线性最优化问题,采用内点法将不等式约束问题转化为等式约束问题,再通过引入罚函数转化为无约束最优化问题,然后应用本算法进行计算,结果表明新算法是有效的。     

模拟退火算法在贷款组合优化决策中的应用

针对贷数组合优化决策模型的求解问题，以模拟退火算法为基础，利用设置记忆器和在算法后链接一个局部搜索过程的方法，对原有算法进行了改进。该算法可在求解大规模组合优化问题的迭代过程中实现快速调整，以兼顾解的质量和运行时间，快速找到最优解，克服了原有算法的随机性。数值计算结果表明，该算法具有很强的适用性。     

基于改进模拟退火算法求解TSP问题

对传统模拟退火算法的原理和不足进行分析,针对TSP问题的特点提出了改进的模拟退火算法.就传统模拟退火算法生成新解的随机性太强、参数设置不当不能搜索到全局最优解、容易丢失当前最优解等问题提出了新的初始解选择方案、新解生成机制和当前解的改良及增加记忆功能等方法.实验结果表明,新算法传统的模拟退火算法具有更快的收敛速度和更高的稳定性.     

基于模拟退火算法的卡尔曼滤波在室内定位中的应用研究

卡尔曼滤波算法是用来解决定位中滤波的问题的一个重要内容,但由于预测和测量值之间的误差比较大,算法并没有达到最优,因为在室内定位中温湿度(高斯白噪声)对其有影响,以及非平面中的位置信息影响人员物品的位置定位精确度。针对卡尔曼滤波算法的这一问题,引进模拟退火算法。结合模拟退火算法的降温思想,采用迭代选取最优解,以此为基础,得到的最优解用于卡尔曼的初始值;将得到的最优距离作为对象,并以此建立邻域,最后再用线性插值法得到坐标。仿真实验表明,此种方法有效提高了室内定位精确度,减小降低了各种因素的干扰。