基于改进遗传算法排课系统应用研究

针对复杂的排课问题,结合高校实际排课需求,本文将排课问题抽象成一个计算机可以求解的多约束多目标组合优化问题。建立排课问题数学模型,引入遗传算法,提出一种改进的算法方案来求解排课问题。同时,设计了染色体编码和适应度函数,采用自适应参数调整的交叉概率和变异概率,讨论了遗传算法在排课系统中的应用,并采用Matlab工具进行仿真实验。仿真结果表明,改进遗传算法平均适应度值高于传统遗传算法平均适应度值,收敛性好,提高了全局搜索能力,与传统的遗传算法相比,能更有效的解决高校排课问题。该研究可以较好地解决排课问题。     

遗传算法在高校排课中的应用

分析了排课问题的数学模型,提出了一种遗传算法.该算法采用矩阵编码方案,建立罚函数满足课表问题中的多重约束条件.结果表明,该算法能比较有效的解决排课问题.     

智能排课优化算法研究

为解决高校排课优化问题,建立了以教学效果好评度最大化为优化目标的排课数学模型.针对传统遗传算法的不足,给出了一种混合遗传算法,该算法不仅能够对传统遗传算法的交叉率、变异率进行自适应改进,还能够实现冲突检测与消除功能.测试结果表明,该算法比传统的遗传算法、贪婪算法和蚁群算法耗时短,而且教学效果好评度最高,这说明该算法能有效缩短排课时间,提高排课质量和效率,实现高校排课智能化.     

大学排课问题中的遗传算法设计

排课问题实际上是时间表优化的问题,由于其超大的求解规模和众多的约束条件,是运筹学领域和计算机领域一直致力寻求解决但没有得到解决的NP难解问题.本文针对大学排课问题,讨论了遗传算法设计中的编码方案以及遗传算子的实现方法,并讨论了处理冲突的算法.     

基于改进回溯算法的计算机排课系统

计算机排课算法一直是一个没有被完美地解决的NP难题，国内外都在对它进行广泛的研究.基于一个中专院校的自动排课系统的实现，通过对当前各种算法的研究、对比、总结，发现当前的排课算法可以分为构造型算法和改进型算法两类，并且这两种算法有着各自的优缺点.为此吸取了遗传算法(改进型算法)和回溯法(构造型算法)的优点，在回溯法中引入了拟人策略和遗传算法中的评价、惩罚机制，经过实际应用的验证，该算法特别适合应用在实际的排课系统中.     

遗传算法研究和探讨

本文主要阐述数据挖掘的一个重要算法-遗传算法.并从遗传算法的概念、特点、基本遗传算法的流程和遗传算法操作中的五个核心要素,阐述了遗传算法在排课问题中的应用所涉及的编码形式,适应度函数的确定以及所采用的遗传操作,合理对资源进行分配,从而解决对资源的使用带来的冲突问题.     

基于遗传算法的排课系统的研究

根据独立院校的特点,分析了目前流行的几种排课算法存在的问题,从遗传算法的基本理论入手,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减少生成最佳课表的时间,能在理想时间内找到最优解．     

基于新型遗传算法编码方案的高校排课系统的实现

遗传算法在求解排课问题这类涉及多因素、多重约束问题上,效果往往较优。遗传算法用于解决排课问题,编码方案的优劣显得尤为重要,本文将基于矩阵和结构体相结合的编码方案应用到排课问题中,设计并实现了高校排课系统。并从时间复杂度和排课结果两方面验证其有效性和操作性。     

基于遗传算法的排课问题研究

以黄河水利职业技术学院教务排课为对象,利用遗传算法自适应、随机搜索和高度并行的特殊功能,近似求解排课这种带有约束的多目标优化组合问题。对排课问题的实质、遗传算法的编码方案、交叉方案和冲突检测等操作进行了研究。     

排课问题的一种二维编码的遗传算法

本文针对排课问题提出了一种包含教师、班级、课程、教室、上课时间段等信息的二维染色体编码方法,根据排课问题的约束条件构造出相应的适应度函数,利用遗传算法的迭代思想求解排课问题,并验证了所得课表的可行性和合理性.     

四向穿梭车系统的提升机调度优化

提升机作为四向穿梭车系统的瓶颈资源,其调度方案的优劣与系统作业效率密切相关。针对提升机的调度问题,提出了一种调度策略。首先,将提升机调度问题转化为含运输时间的柔性作业车间调度问题,并考虑同层任务的执行顺序约束,构建提升机调度数学模型。其次,提出了一种改进型混合遗传算法对模型进行求解,该算法以混合遗传算法为基础,针对混合遗传算法易产生不合法个体导致算法搜索能力下降的问题,提出了一种个体修正方法,以增强算法的搜索能力。最后,采用某农产品冷库的实际数据对模型及改进型混合遗传算法的可行性与有效性进行了验证。结果表明,相比于仓库中实际应用的策略,改进型混合遗传算法可使任务完成时间至少减少24.66%。     

改进遗传算法求解静态车间调度问题

传统遗传算法在求解车间调度问题过程中存在"易产生非法解"、"早熟"、"收敛过慢"等问题,使其应用受到很大的限制.基于此,提出了一种运用多色集合理论改进的遗传算法.一方面,通过引入围道布尔矩阵来建立车间调度的约束模型,将遗传求解的范围缩小在围道矩阵内进行,以此提高求解效率;另一方面,针对车间调度的双层约束问题,运用单层遗传编码方式进行表示,可以有效降低遗传操作的时间与空间复杂度.最后,通过具体实例的程序仿真验证了该算法的先进性.     

航空货站自动化存取系统作业调度优化

为从作业调度角度提高航空货站自动化存取系统运作效率,在分析双板作业和防冲突避让对指令序列完工时间影响的基础上,以指令序列完工时间最短为优化目标,建立了航空货站自动化存取系统调度优化模型,并设计了一种改进的蚁群算法对模型进行求解.为避免算法在搜索过程中陷入局部最优,在引入权重信息素和随机扰动策略的基础上,提出了具有变异率的状态转移参数,用于在寻优过程中决定蚂蚁的移动方向.仿真结果表明:改进的蚁群算法较基本蚁群算法和遗传算法具有更好的全局搜索能力和求解精度,所提出的调度优化方法获得的指令序列完工时间较先到先服务调度策略有至少37%的改进.     

基于遗传算法的双目标多工艺路线调度研究

建立了基于双目标多工艺加工计划的生产调度集成框架图和数学模型,给出了基于遗传算法的满足关键零件的交货期和生产周期双目标多工艺加工计划调度算法,并采用改进的遗传算法进行仿真实验。实验结果表明模型是正确的,算法是有效的。     

基于协同遗传算法的车间调度问题研究

遗传规划在实际问题中的应用是一个新的发展方向。文章根据车间调度问题的特点,对遗传规划算法进行了改进,借鉴了一种新编码策略将变长编码变成定长,减少了算法复杂度,提高了运算效率;同时设计了一种新的标记交叉算子,这种交叉算法可以有效地避免产生非法解。由于遗传规划问题的收敛性不高,文中将遗传规划和遗传算法有效地结合起来,提出一种协同遗传规划算法,实验表明,改进后的算法比传统算法能更有效地解决车间调度问题。     

求解较大规模JSSP的自适应混合遗传算法

针对一类以最小化加权拖期时间为调度目标的Job Shop调度问题（JSSP），提出一种自适应混合遗传算法。首先，在遗传算法迭代求解过程中，为降低调度问题的求解规模，基于所定义的调度特征量——资源冲突可能性，将所有操作动态划分为资源冲突可能性较高的操作和资源冲突可能性较低的操作，分别直接和间接参与染色体编码。然后，基于上述划分，遗传算法中的染色体由直接参与编码的操作序列构成的基因串、表示启发式规则的基因串（用于确定间接参与染色体编码的操作的加工优先顺序）和标志串3段基因串组成。另外，构造了一个模糊逻辑控制器用于自适应调节第一段基因串的长度，以提高算法性能。数值仿真结果表明，在求解一类较大规模的JSSP时所提算法是有效的。     

求解Job Shop调度问题的自适应遗传算法设计

针对标准遗传算法中交叉概率Pc和变异概率Pm固定不变带来的局限性,以及M.Sr-invivas自适应遗传算法的缺点,提出了根据适应值集中程度,自适应地变化整个种群的Pc和Pm的一种改进的自适应遗传算法,文中系统地介绍了算法的改进及算法的流程,并将算法应用于求解JSP问题,最后用一个典型的测试例子,对本文设计的算法的求解效果进行了测试,并对测试结果进行了分析.     

基于遗传算法的多配送中心运输调度研究

多配送中心的车辆调度问题是一个较难的组合优化问题,也是一类典型的NP—hard问题。遗传算法作为一种有效的优化算法得到了广泛的应用。为了解决了物流多配送中心的运输问题,文章运用新的交叉变异方法提出了一种改进的遗传算法。该算法保持了良好的种群多样性,具有更高的性能。     

解动态Job-shop调度问题的遗传算法

研究了动态Job-shop调度问题,并设计了一种改进的遗传算法。该算法借鉴启发式算法,使用向量进行遗传编码;遗传计算中引入种群间竞争,实现种群向更高层的平衡态进化,进而全局优化调度方案;利用调度评价函数及负荷表,对动态的生产调度进行了有效地评价。仿真实验表明了此法用于复合调度问题的优越性。     

多处理器实时系统中的非精确轮转式调度算法

目的研究基于多处理器实时系统中具有截止期和容错需求任务的非精确轮转式调度算法,使强实时系统在发生故障的情况下,任务也能在其截止期内完成,不至产生灾难性后果.方法将非精确计算模型引入到轮转式调度算法中.结果仿真实例表明,非精确轮转式调度算法具有更低的任务拒绝率,同时能更为有效地利用系统资源.结论该算法扩展了轮转式调度算法的允许调度定理,使得主/副版本任务在执行时间上可以重叠,提高了任务的可调度性,使整个系统负载均衡,并减少了系统搜索时间.