改进遗传算法求解新高考背景下的排课问题

我国提出新高考改革政策后,越来越多地区和高中开始采用走班制教学模式.相对于传统的行政班教学模式,走班制教学模式使排课问题的约束条件进一步增多,学校教育资源匮乏的现象进一步凸显.传统的排课算法不适于求解走班制教学模式下的排课问题,而纯粹的手动编排课表不仅费时费力,排出的课表还可能存在大量冲突,难以保证课表的可行性和合理性.根据走班制教学模式的特点,设计了一种获取优质可行解的方法:首先针对走班课程提出了一种自动生成教学班组合的方法;然后运用改进的遗传算法高效合理地求解排课问题.实验结果表明,该算法可获得优质的课表安排,并且已经加入到实际应用中.     

结构自适应自演化的高级机器学习方法研究与进展

针对当前机器学习面临的结构机制认知不足、学习方式自主性不强、模型推理适应性不高和学习形态封闭单一等重大挑战,本文针对如下3个关键科技问题进行阐述：(1)多任务知识迁移和模型动态自适应学习机制;(2)协同多智能体系统的分布式自组织和自演化学习机制;(3)面向结构化数据在线学习的动态建模与评价。建立面向多任务知识迁移的自适应元学习框架;提出基于层次共识的多智能体自组织协同学习与自演化机制,构建基于弹性关联拓扑的智能体分布式学习方法;搭建基于结构化、自组织和自演化学习框架的仿真验证系统。为人工智能基础理论研究提供新的理论方法和计算模式,支持媒体语义学习、实时计算和知识发现等重大应用。