改进遗传算法在排课问题中的应用研究

深入分析了排课问题的内在实质,抽象出求解排课问题的数学模型。在此基础上详细地阐述了如何将遗传算法运用到排课问题中,同时针对传统的遗传算法进行适当的改进。对比试验证明改进的算法能够提高智能排课的效率。     

遗传算法在排课问题中的应用

遗传算法作为一种启发式搜索方法已经被越来越多地应用到了各个领域,本文主要描述了如何将遗传算法运用到排课问题中,从而实现智能和自动的排课功能。本文首先从具体的排课问题入手,分析各种约束条件,抽象出数学模型,接着论述了如何将遗传算法运用到排课问题中,同时针对传统的遗传算法进行适当的改进,以便能够提高算法的效率,获得全局近似最优解。     

高校智能排课系统算法的研究与实现

研究高校智能排课优化问题,由于在资源的有限的条件下满足教学的有序性,使高校自动排课成为一个多约束、多目标优化问题.传统排课方法排课效率低、成功率低,导致课程之间冲突率高,无法满足现代高校教务管理要求.为了提高排课效率和排课成功率,提出一种自适应遗传算法的智能排课系统.首先根据教师、学生、教室、课程和课程时间段要求建立一个多约束条件的高校排课数学模型,采用随机可行排课法操作产生可行排课方案,然后利用遗传算法在可行方案中寻找最优排课方案.仿真结果表明,相对于传统排课方法,自适应遗传算法不仅提高了排课效率,而且提高排课的成功率,有效降低课程之间冲突率,并能够解决高校排课难题.     

基于遗传算法的智能排课模型

随着高校的不断扩招,如何用有限的资源来保持教学的有序性,使高校智能排课成为一个多约束、多目标优化问题。传统的智能排课算法效率低,并且不能很好的解决课程冲突的问题,无法满足现代高校教务管理的要求。该文对排课问题进行分析,在对可能的约束条件进行归纳的基础上,建立了比较通用的排课模型;然后根据模型,设计了相应的改进遗传算法,常识在满足所有硬约束条件和尽可能多的软约束条件的情况下实现多校区智能排课。实验结果表明,利用算法进行不同场景下的排课性能测试,测试结果表明了算法的实际可行性。     

基于改进型遗传算法求解高校排课问题

随着信息技术的不断发展和教育改革的不断深入,通过信息技术实现教学管理的智能化已经成为可能。排课作为教学管理的核心内容之一,它是衡量教学管理水平的重要指标,它是教学管理智能化的重要体现。本文的研究是通过学校的教学计划分析并建立排课的数学模型,对传统的遗传算法进行改进,设计出一种改进的自适应的遗传算法求解排课问题,改进的自适应遗传算法相对于传统的遗传算法在排课效率上有很大提高。     

基于改进的免疫遗传算法的高校排课系统的设计

基于高校排课需求,通过改进传统的免疫遗传算法,使用MySQL数据库和C++编程技术开发一套智能排课系统。此系统能够对高校课程数据进行整合,从而实现一键智能排课功能,自2020年1月上线运行以来效果良好。此系统所实现的基于高校课程的智能排课功能可满足国内大部分高校的排课需求,在降低排课错误率的同时,提升高校的信息化水平。     

基于约束满足和遗传算法的排课算法

针对高校排课过程中存在诸多资源约束因素的问题,提出一种将遗传算法与约束满足算法相结合的排课算法,由约束满足算法确定排课任务的优先次序,遗传算法解决单个排课任务时间片分配的优化问题。算法中单个排课任务的局部最优解具有全局最优性。实验结果表明,该算法能够改进算法性能,提高排课效率。     

基于遗传禁忌算法结合解决排课问题

排课问题是一典型NP-Hard问题，通常可以使用遗传算法进行解决，把遗传算法与局部搜索方法禁忌算法有机结合起来，是改进遗传算法性能的一个卓有成效的方法。使用遗传禁忌算法解决排课问题，并且通过改变个体适应度的计算方法，避免了排课中课表的两极分化现象。通过实验，该方法可以取得较好的排课结果。     

一种基于遗传算法的排课方法研究

排课问题是一个多约束、多目标的组合优化问题,并且已经被证明是一个NP完全问题。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。实验结果表明该算法能够有效的解决本校的教务智能排课问题。     

采用三维自适应遗传算法的高校排课问题研究

根据教师、学生、课程、教室和时间要求建立多约束数学模型,并结合遗传算法特点,对其各个步骤进行了改进,提出了基于三维自适应遗传算法的排课方法。实验结果表明,与传统排课方法相比,基于三维自适应遗传算法的排课方法能有效降低课程之间的冲突率,提高排课效率和成功率。     

施工项目调度问题的一种智能优化算法

研究了施工项目进度调度问题,提出了一种基于启发式规则和遗传算法的综合智能优化算法,并在施工项目调度问题的描述、带资源约束的施工项目调度问题的分解方法、遗传算法的编码、交叉、变异方法和解码方法等方面进行了研究。不同规模的数值计算结果表明,该算法在解决复杂工程施工项目调度问题上具有良好的性能,并能较好地适用于带时序、资源约束的施工项目调度问题。     

基于遗传算法的不同约束条件车辆调度问题研究*

研究了不同约束条件下,车辆调度问题的最短行车距离。分别针对带有里程约束限制、带有时间窗口限制、带有满载和非满载约束限制的约束条件,建立了不同的车辆调度模型。针对车辆调度模型设计了自然数编码的遗传算法,并改进了遗传算法中的交叉算法,尽可能地保留了最优基因的遗传性,加速了算法的收敛性。最后进行算例分析,结果表明了模型和算法的有效性。     

多资源约束的车辆调度问题的改进遗传算法

随着世界经济的发展,物流产业中需要满足的需求越来越多,车辆管理调度是物流系统中一个重要环节。如何在多资源约束的情况下实现车辆的合理的调度是促进现代物流业繁荣和发展的关键问题,因此,通过研究物流配送中的车辆调度需求,针对传统的遗传算法阻碍了车辆调度的发展和改进,减缓物流业快速发展的缺点,提出一种改进的、有效的,对一般车辆调度问题具有一定适用性的遗传算法。通过实例论证表明该算法具有可行性和高效性。     

基于人工鱼群遗传算法的异构多核系统任务调度研究

异构多核系统的任务调度问题已经被证明是一个NP完全问题。人工鱼群算法在算法初期具有较快的收敛速度,后期收敛较慢,而遗传算法的种群初始化具有较强的鲁棒性,初始化种群的质量直接影响着遗传算法的性能。本文提出了一种将人工鱼群算法与遗传算法相结合的任务调度算法,首先分析了异构多核系统的任务调度问题的本质,使用改进的人工鱼群算法来构建遗传算法的初始化种群,并使用改进的遗传算法进行迭代进化,从而提高了算法的收敛速度。     

基于蚁群-遗传融合框架的仓储群机器人任务分配

将智能仓储中的自主移动群机器人订单任务分配,建模成群机器人协同调度的多目标优化问题,将成员机器人完成拣货任务的路径代价和时间代价作为优化目标.设计了蚁群-遗传算法融合框架并在其中求解.该框架中,蚁群算法作为副算法,用于初始种群优化;遗传算法改进后作为主算法.具体地,在遗传算法轮盘赌选择算子后引入精英保留策略,并在遗传操作中加入逆转算子.针对不同数量的订单任务,使用不同规模的群机器人系统进行了任务分配仿真实验.结果表明,在本文所提的融合框架中求解,较分别使用蚁群算法或遗传算法单独求解,性能上具有明显优势,能够发挥蚁群算法鲁棒性好和遗传算法全局搜索能力强的特点,提高智能仓储系统的整体运行效率.     

改进的SAGA算法在变电站巡检作业调度中的应用

针对多资源约束条件下变电站巡检作业调度问题,根据巡检成员的位置、当前任务、任务详情、待执行任务、巡检设备、设备历史巡检记录等因素,构建数学模型,并在此模型基础上提出一种改进的遗传算法。该算法解决了传统遗传算法陷入局部最优解的问题,且具有收敛速度快的特点。实验结果表明,SAGA算法在解决变电站巡检作业调度问题方面要优于GA算法,且具有更高的求解效率。      

带流水作业工程项目调度问题的遗传算法

介绍了带流水作业的工程项目调度问题，这是项目网络中带有流水作业子网络的项目调度问题。它不仅带有常规的时序和资源约束，还带有流水作业所带来的特殊约束。首先给出了带流水作业工程项目调度问题的描述；进而提出一种解决该问题的遗传算法。该算法引入了基于项目划分的编码方式，将个体划分为流水基因段和非流水基因段，并分别进行遗传操作。最后对提出的算法进行了数值计算验证，结果表明了算法的有效性。     

基于改进遗传退火算法的生产智能调度系统

为了满足多品种小批量生产模式的需求,设计了一套基于智能调度算法的生产调度系统。根据数据的特点和系统的需求,设计了合理的数据结构和不同的调度规则;根据实际应用的要求,改进了遗传退火算法,使算法可以进行柔性调度和优先级调度,并且算法可以满足零件装配关系约束。在.NET3.5框架下,开发了生产智能调度系统,实现了对生产任务的智能调度。     

基于混合遗传算法的订单生产调度在机车车辆行业中的应用

机车车辆行业作为典型的面向订单的机械制造企业,优化的生产调度方法能提高订单的准时交货,缩短产品的生产周期,提高企业的市场竞争力。订单生产调度问题是典型的NP-hard问题。遗传算法(Genetic Algorithms)为求具有多个约束的复杂问题提供了有效的方法。但是遗传算法的局部搜索能力比较差,在解决订单生产调度问题中存在着明显的不足。本文引入了局部搜索能力很强的禁忌搜索算法,用遗传算法和禁忌搜索算法相结合的混合遗传算法来解决机车车辆行业中面向订单生产调度问题。     

基于改进遗传算法的星地任务优化调度研究

星地任务优化调度是利用特定的星地资源合理地安排星地任务。由于星地任务众多而资源有限,而且星地任务受星地可见性以及多方面约束,星地任务调度问题十分复杂。针对星地任务的特点,建立了星地任务调度问题模型,提出了基于改进遗传算法的星地任务优化调度算法。算法采用按适应度排名轮盘赌选择、顺序交叉、随机对换变异的算法要素。针对遗传算法局部搜索能力弱的特点,提出了利用爬山算法优化新一代个体的方法,以增强遗传算法的局部搜索能力,给出了基于改进遗传算法的星地任务调度算法。