基于遗传算法的排课系统的设计

随着高校的发展，在教务管理系统中的排课问题也变得越来越复杂，亟需一种科学高效解决排课问题的方法。针对这种情况，文章给出了排课问题的数学模型，提出基于遗传算法解决方案。结果表明，该算法能比较有效的解决排课问题。该方法易于学习和应用，且不必依赖特殊的实现模式。     

遗传算法在排课系统中的应用

借鉴遗传算法自适应随机搜索特点,在课程表编排时以优化时间和空间两种资源为目标,综合考虑资源分布优化度等因素完成教室、教师和学生的安排,并在.net平台下实现该系统,验证算法在排课系统中的有效性.     

遗传算法在排课系统中的优化研究

本文对高校排课的双目标问题进行研究、分析,对排课问题按照遗传算法进行编码,定义好适应值函数后进行选择交叉,并用禁忌搜索算法进行代替变异操作,实现了遗传与禁忌搜索算法相结合的排课系统算法设计.     

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。     

遗传算法在排课系统中的应用

排课是学校教务部门组织教学的重要工作。本文以某高校的实际数据为例,在排课过程中采用遗传算法来代替人工排课,能科学、合理、快捷的完成排课,最大程度上使教师满意,学生也满意。     

面向排课系统的遗传算法改进研究

为了解决实施学分制对排课所造成的困难,改进了排课系统中使用的遗传算法。基于遗传算法的原理以及在排课系统中的应用,指出了交叉和变异概率选择的盲目性,并提出了遗传算法中染色体编码设计和含动态调整参数的交叉变异概率选择的改进措施。采用仿真实验的方式验证了改进后的遗传算法,结果表明,改进算法减少了无效的染色体和交叉变异操作,提高了收敛速度和全局搜索能力,克服了遗传算法的早熟和局部收敛的问题。     

排课的遗传算法

把遗传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，而适当选取遗传算法的迭代参数，能加快获得最优解或近似最优解的收敛速度。     

基于遗传算法的高校排课问题的探究

随着高校招生人数的不断扩大,专业和课程的设置不断增多,教师和教室的短缺,使排课工作也越来越复杂。排课具有影响因素多、约束条件复杂以及存在不可预料的情况发生等特点,传统的手动排课既花费了大量的时间和精力,而且又容易出错。因此,利用遗传算法求解排课问题．其搜索过程带有自组织的智能性和并行性,可以更少地依赖于实际问题的情况,实现课表的优化,具有一定的实用价值。     

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。     

基于启发式遗传算法的公交车智能排班研究

采用基于启发式遗传算法进行公交车辆智能排班的研究,且对遗传算法的各个算子进行了专门化处理．该方法充分利用遗传算法的智能化特征,有效地改善了公交车辆的智能排班,提高车辆运营效率,避免了单一遗传算法的早熟问题,提高了遗传算法的收敛性和优化质量．     

基于两层混合遗传算法的lT外包进度风险控制

针对IT(information technology)外包项目的两层进度风险控制优化问题,设计了两层混合遗传算法.该算法是在传统遗传算法中引入模拟退火和自适应机制,并结合优化问题的两层特点而设计的,能够克服传统遗传算法易于早熟、局部搜索能力较差的弱点.在算例分析中,首先分析了两层数学模型在IT外包项目进度风险控制中的管理意义,进而将两层混合遗传算法的仿真结果与两层粒子群优化算法和传统遗传算法的仿真结果进行比较,验证了改进算法的效率和有效性.     

一种面向教学的排课冲突检测算法

排课算法可在大规模空间上对排课元素实施自动编排.然而,目前未见报道有关针对已排好的课表实施正确性检测的通用全自动方法.为此,给出课表所需满足约束条件的形式化描述;在此基础上,分别给出3个子算法以检测3种约束条件;顺序调用这些子算法,即可得到一种面向教学实践的排课冲突检测算法.检测实验证实了新方法的有效性.     

基于改进遗传算法的三角剖分优化算法研究

以三角剖分原理和传统基因遗传算法为基础,提出了一种优化三角剖分的改进基因遗传算法．该算法采用下三角矩阵表示三角剖分问题,并设计出相应的适应度函数、改进的算子以及控制参数,以弥补传统基因遗传算法的不足,提高了执行速度和进化效率．     

基于模糊聚类的改进遗传算法

针对导致遗传算法早熟收敛的原因,提出一种基于模糊聚类的改进遗传算法(FMGA),给出了FMGA算法实施的详细步骤,并研究确定了算法控制参数的取值.最后,对FMGA进行了数值仿真,仿真结果表明,FMGA能有效避免早熟收敛,在较短时间内逼近全局最优解,运算结果较基本遗传算法的提高4个数量级,而且运算过程不存在震荡现象.     

基于遗传算法的最优模糊控制器设计

模糊控制规则集是模糊控制系统的核心部分,对控制的快速性和精度有很大影响,采用改进的ＧＡ算法优化ＢＰ网络,加快了ＢＰ网络的收敛速度,也避免了ＢＰ网络易于陷于局部极小的麻烦。用优化的ＢＰ网络生成规则集,经过优化的ＢＰ网络隐层神经元数减少,即优化了规则库,从而提高系统的精度,降低了对ＢＰ网络系统误差的精度要求。     

基于遗传算法的物资调配系统

在深入分析物资调配系统基础上,充分考虑了调配问题中所产生的各项费用,建立了一个新的完善的数学模型.在求解的算法上,引入了遗传算法进行求解,并在编码的方法上作了改进,通过算例进行求解,取得了合理的解.这表明基于遗传算法的物资调配系统的高效性和可观的经济价值.     

基于遗传算法的动态路径诱导

动态路径诱导（DRGS）是智能运输系统研究的一个重要方面，旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径在来达到诱导出行行为，减少车辆在道路上的逗留时间，进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容，它能计算出给定起讫对之间的的最优或准最优路径，路径牵引算法要考虑一全局准最优和实时性问题，而遗传算法具有全局寻优和潜在的并行性特点，将遗传算法应用于动态路径诱导系统中求解最佳路径，设计了特定的有序选择、交叉和遗传算子，并通过实例验证了算法的有效性。     

基于改进遗传算法的水库群优化调度研究

提出一种基于自适应遗传算法的水库群优化调度问题的求解方法,并对其性能进行了分析。结果表明,该方法可以随个体适应度的大小及群体的分散程度自动调整遗传控制参数,较好地克服了标准遗传算法由于采用固定遗传控制参数带来的若干问题,能够在保持群体多样性的同时,加快收敛速度,提高遗传算法的全局寻优能力,为高精度水库群优化调度提供了一个新的途径。