基于三维免疫遗传算法的高校排课问题研究

深入分析了高校排课问题,建立了其数学优化模型,构建了它的基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案,包括:三维编码方案、初始种群生成方案、适应度函数设计方案、免疫策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

基于新型免疫遗传算法的高校排课仿真研究

研究高校排课问题,关系到高校教学质量的提高和教学资源的充分利用,随着高校教学的深入改革和高校的扩招,优化排课的高效解决就变得更加迫切。通过深入分析高校排课问题,建立了排课问题的数学优化模型,构建了它的基本求解过程。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案,包括:新的二进制编码方案、初始种群生成方案、适应度函数设计方案、免疫策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明新型算法能满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

基于最佳个体置换策略的高校排课问题求解

简析高校排课问题,建立相应的数学优化模型,构建基本求解框架。根据该问题的特点,引入遗传算法加以解决,设计多种改进方案,主要包括：新的二进制编码方案,初始种群生成方案,适应度函数设计方案,最佳个体置换策略,自适应交叉概率和自适应变异概率设计方案。仿真实验结果表明,该算法能满足高校排课问题的多重约束条件,更有效地解决高校排课问题。     

基于群体优势遗传算法的高校排课问题研究

深入分析了高校排课问题,建立了高校排课问题的数学优化模型,构建了基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案：新的二进制编码方案、初始种群生成方案、适应度函数设计方案、群体优势策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

采用三维小生境遗传算法求解高校排课问题

深入分析了高校排课问题,包括排课目标、主要影响因素、约束条件、求解目标,建立了其数学优化模型,构建了其基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了三维编码方案、初始种群生成方案、适应度函数设计方案、小生境策略、自适应交叉概率和自适应变异概率等多种改进方案。仿真结果表明该算法在一定程度上满足了高校排课问题的多重约束条件,能够有效地解决高校排课问题。     

采用十进制最佳个体置换遗传算法求解高校排课问题

本文分析了高校排课问题,建立了其数学优化模型,构建了它的基本求解框架。针对高校排课问题的特点,引入遗传算法,设计了多种改进方案,包括十进制编码方案、初始种群生成方案、适应度函数设计方案、最佳个体置换策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明,该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

采用新型编码GA的高校排课问题仿真研究

深入分析了高校排课问题,建立了它的数学优化模型,构建了该问题的基本求解框架。针对高校排课问题的特点,引入遗传算法来进行仿真研究,设计了多种改进方案,包括：三维编码方案、初始种群生成方案、适应度函数设计方案、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件,能有效地解决高校排课问题。     

基于数据库关系运算的排课算法设计

高校因其需要在固定时间内开设门类众多的课程,排课问题显得尤为突出。排课不仅是通过合理的课程安排使得学生能符合规律的学习成长,也是在探寻多因素问题的求解方式和过程。基于关系运算就排课的一般问题进行分析,包括变量的规范化界定和排课问题的理论分析,提出“分层规划”的解决方案,并采用数据库的关系运算完成排课算法的设计。该算法有效地降低了排课问题的复杂度,并满足了用户的期望和各种约束。     

基于数据库关系运算的排课算法设计

高校因其需要在固定时间内开设门类众多的课程,排课问题显得尤为突出。排课不仅是通过合理的课程安排使得学生能符合规律的学习成长,也是在探寻多因素问题的求解方式和过程。基于关系运算就排课的一般问题进行分析,包括变量的规范化界定和排课问题的理论分析,提出"分层规划"的解决方案,并采用数据库的关系运算完成排课算法的设计。该算法有效地降低了排课问题的复杂度,并满足了用户的期望和各种约束。     

基于空间模型和遗传算法的高校排课系统

如何实现具有人性化设计、能满足多约束条件的高效排课系统是高校教务工作的难点问题. 针对某高校排课问题, 提出基于空间模型的高校排课算法. 首先对比分析现行各排课算法的优劣性, 然后结合该校实际排课需要, 构建排课问题空间模型和约束模型以降低排课问题复杂度, 并在此基础上, 对遗传算法进行优化, 设计了基于遗传算法的排课算法, 提出了排课问题的解决方案. 实验结果表明, 该排课系统较好的解决了该校的排课问题, 为其他类似问题的解决提供了可借鉴经验.     

UTP中一种分阶段求解算法

大学课程表问题UTP是一个应用广泛的、典型的组合优化和不确定性调度问题,并且已经被证明是NP完全问题。本文提出了一种分阶段解决大学课程表问题的算法,将课程表问题划分为时间安排和空间安排两个阶段,分别采用智能算法和最佳适应算法逐段求解,并最终求得全局较优解。通过设计实验对算法进行分析,结果表明这种分阶段决策算法在保证课表质量的同时能够有效减小遗传算法在求解UTP问题中的复杂度,提高程序的运行速度。     

基于人工免疫算法的多目标函数优化

提出了一种新型的人工免疫算法用来解决多目标函数优化问题。基于自然免疫系统固有的优良特性对算法进行了设计和分析。最后,算法对3个较复杂的多目标问题进行了优化,优化结果能很好地覆盖问题的Paret。最优面,并且把算法与某些混合遗传算法进行了对比实验,表明人工免疫算法在解决多目标优化问题上具有可观的研究前景。     

采用改进的混合遗传算法求解高校排课问题

为了解决一个存在大量合班现象的高校排课问题,建立了相应的数学模型并采用改进的混合遗传算法进行了求解。在产生初始种群的过程中进行了乱序处理,以提高初始种群中个体的多样性,避免早熟收敛现象的发生;为了防止种群的退化,引入了保留最优个体策略和竞争机制;根据问题的特点设计了与之相适应的遗传算子;为了提高种群进化的效率,交叉概率和变异概率都使用了自适应参数;为了提高算法的局部搜索能力,在交叉操作阶段采用了模拟退火算法。通过Matlab与Access混合编程,实现了对大规模数据的高效处理。实例结果表明,该算法能够有效地解决存在合班现象的高校排课问题。     

Adaptive niche quantum-inspired immune clonal algorithm

The adaptive niche quantum-inspired immune clonal algorithm (ANQICA) is proposed by combining the quantum coding, immune clone and niche mechanism together to solve the multi-modal function optimization more effectively and make the function converge to as many as possible extreme value points. The quantum coding can better explore the solution space, the niche mechanism ensures the algorithm to converge to multi-extremum and the adaptive mechanism is introduced according to the characteristics of each procedure of the algorithm to improve the effect of the algorithm. Example analysis shows that the ANQICA is better in exploration and convergence. Therefore, the ANQICA can be used to solve the problem of multi-modal function optimization effectively.     

基于免疫应答原理的多目标优化免疫算法及其应用

基于免疫应答原理，合理地构建免疫算子及引入一种新的小生境技术, 提出一种 解决多目标优化问题的免疫算法. 在此算法中，将优化问题的可行解对应抗体及Pareto最优个体对应抗原，这种抗原存于抗原群中,并应用新的聚类算法不断更新抗原群中的抗原, 进而获大量的Pareto最优解, 这些解能很好地分布在Pareto面（此指由Pareto最优解构成）上. 理论证明了该算法能获Pareto最优解. 最后，将该文的算法与文献\[3\]的算法SPEA进行仿真比较, 获该算法的有效性, 此表明免疫算法解决多目标优化问题具有广阔的前景.