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。     

基于约束满足的高校排课问题研究

高校排课问题的研究目的是高效率地获取合理的排课方案．给出了一种基于约束满足的高校排课问题模型，提出了高质量排课方案的优化途径．采用最小剩余值启发与前向检验相结合的改进回溯算法实现的计算机智能排课系统，运行效果良好．     

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．     

排课问题的一种遗传算法适应度求解方法

排课问题的多个优化目标间可能是冲突的,如何有效优化求解的多个目标,是排课问题的关键。适应度计算方法影响遗传算法的采样空间和执行效率,研究适应度的求解方法有助于解决多目标优化问题。利用多目标决策协调模型进行排课问题的改进适应度求解方法的研究,以优化遗传算法的采样空间,加快算法的收敛。把该方法应用到排课问题中,实验结果表明对目前仍没有较好解决方法的组合优化问题,可以得到比较容易的解决。     

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.     

排课系统中的遗传算法设计

文中针对高校排课系统的现状,根据遗传算法的特点设计了一种基因编码、几个适应度函数、冲突检测方法,并设计了遗传算子,改进了杂交方式,降低了算法的复杂性,减少了算法运行时间。     

基于时间资源的大学排课问题研究

通过研究时间资源库的形成策略,分析基于时间资源的排课算法,并对该算法与其它排课算法如遗传算法、模拟退火算法等进行比较,得出在解决大学排课问题时,该算法要比用其它排课算法简单、可靠、灵活,尤其在解决排课冲突问题上.     

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.     

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。     

遗传算法在求解时间表问题中的应用研究

时间表问题（TTP）是一类特殊的资源调度问题，属于NP完全问题．排课问题是时间表问题的一个实例，属于多目标优化问题，本文给出了其数学模型．由于遗传算法具有良好的全局搜索能力，在优化问题中有着广泛的应用．本文根据排课问题的特点对普通遗传算法作了改进，设计了一种新的染色体编码方法，通过线性加权法将各目标优化函数进行整合转化成为单目标优化问题，并将此作为遗传算法的适应度函数．最后给出了一个计算实例，用MATLAB进行了仿真，算法最终收敛到稳定状态，所得的结果能够满足要求．     

Constrained Optimization Algorithm Based on Double Populations

In order to improve the distribution and convergence of constrained optimization algorithms, this paper proposes a constrained optimization algorithm based on double populations. Firstly the feasible solutions and infeasible solutions are stored separately through two populations, which can avoid direct comparison between them. The usage of efficient information carried by the infeasible solutions will enlarge exploitation scope and strength diversity of populations. At the same time, adopting the presented concept of constraints domination to update the infeasible set may keep good variety of population and give consideration to convergence. Also the improved mutation operation is employed to further raise the diversity and convergence. The suggested algorithm is compared with 3 state-of-the-art constrained optimization algorithms on standard test problems g₀₁-g₁₃. Simulation results show that the presented algorithm has certain advantages than other algorithms because it can ensure good convergence accuracy while it has good robustness.     

基于DNA编码的多重约束目标的智能组合优化

在组卷策略中,多重约束目标的智能组合优化问题一直是人们研究的热点．大多数的优化算法都是基于传统的遗传算法,这些算法的适应度不高,并且交叉算子和变异算子对适应度的影响很大．针对这些缺陷,本文提出了一种新的优化算法DNA_YH算法,该算法将DNA编码引入到多重约束目标的组合优化问题中,并完成了DNA编码、初始化种群、个体适应度计算和遗传操作的优化过程．经过实验证明DNA_YH算法的最优适应度高于其他相关算法,并且交叉算子和变异算子对适应度的影响都很小,得到了较好的优化效果．     

LTE上行资源比例公平调度算法研究

3GPP采用SC-FDMA(Single-carrier FDMA)作为长期演进(Long-Term Evolution,LTE)上行多址接入技术,SC-FDMA要求在同一时隙内分配给任一用户的所有资源块(Resource Block,RB)必须是连续的,因此LTE下行中常用的比例公平(Proportional Fair,PF)算法不能直接用到SC-FDMA中。为在LTE上行链路中使用PF算法,必须对已有算法进行改进,以满足这种连续RB分配限制。本文论述并分析了LTE上行链路中几种PF算法,针对这几种算法的优缺点提出了一种PF算法,并与之前论述的算法进行比较分析。通过仿真,从系统吞吐量和公平性两方面完成算法的性能比较,并验证了理论分析结果。     

基于约束Laplacian分值的半监督特征选择算法

针对Laplacian分值法进行特征选择时过分依赖样本局部结构信息的不足,提出一种改进的基于约束Laplacian分值的半监督特征选择算法。该算法利用样本之间的cannot-link成对约束关系作为全局结构信息,在进行特征选择时,不仅能尽量保持局部结构信息,而且还尽量保持了全局的cannot-link约束关系。基于Yale和PIE（Fave pose,Illamination,Expression dadbase）人脸数据库的实验表明,该算法性能显著优于Laplacian分值法,与Fisher分值法和最新的约束分值法相当,且在稳定性方面优于后者。     

基于校院两级任务的计算机排课算法研究

结合多年的排课经验，基于校、院两级教务管理模式和减小教室流动性，提出了一种简单有效的排课算法．实践证明该算法切实可行，效果较好．     

具有硬约束的混合权系数最小二乘稳定预测控制算法

针对约束为硬约束的系统分析了混合权数最小二乘预测控制(MWLSPC)算法的可行性，提出了在违反硬约束时重新计算输出设定值，以保证MwLSPC算法可行的改进的MwLSPC算法．该算法不仅能保证闭环系统的稳定性和零稳态偏差特性，而且还能满足系统对硬约束的要求．仿真结果表明了该算法的可行性和有效性．     

Video multipath transmission mechanism with load balancing in the FiWi network

Aiming at the differentiated needs of users and the problem of video service interruption caused by the local overload of the converged network,a load-balanced video transmission mechanism is proposed.First,the split multipath routing protocol is improved to obtain the path selection model according to the front-end structural characteristics of the optical fiber wireless access network;second,we calculate the path differential delay and the video transmission delay on wireless side,and set their threshold as the quality of the experience constraint.Finally,while considering the quality of user experience,a particle swarm optimization algorithm with a multi-stage penalty function is used for video distribution.Simulation results show that the proposed mechanism is better than the throughput-aware load-sensing algorithms,enhances delay-control load distribution algorithms and delay-energy-quality aware multipath algorithms,and that it can effectively balance the network load and alleviate network congestion while avoiding user loss.     

基于爬山算子和适应值共享的改进遗传算法

提出了一种基于爬山算子和适应值共享的改进遗传算法,将局部搜索算法与遗传算法有效结合,增强了遗传算法的搜索能力.爬山算子以黄金分割法为基础,依次对个体每一维进行优化.数值实验证明,改进后的新算法优于当前一些较好的遗传算法.新算法既有较快的收敛速度,又能以较大概率搜索到优化问题的全局最优解.