检索结果-内蒙古大学图书馆

电脑与信息技术 2008年第2期16卷 25-27,50页

作者：黄锟陈志刚中南大学信息科学与工程学院湖南长沙410083

大学课程表问题是时间表问题之一,也是一个多因素的优化决策问题。文章提出的混合算法,基于动态规划的思想,对大学课程表问题进行分阶段求解,分别采用遗传算法分配时间,采用最佳适应算法分配场地。实验结果表明,这种方法既保证了课表的... 详细信息

大学课程表问题是时间表问题之一,也是一个多因素的优化决策问题。文章提出的混合算法,基于动态规划的思想,对大学课程表问题进行分阶段求解,分别采用遗传算法分配时间,采用最佳适应算法分配场地。实验结果表明,这种方法既保证了课表的质量,又有利于工程上实现和扩展。

关键词：课程表问题动态规划遗传算法排课

来源：评论

学校读者我要写书评

暂无评论

案例注入式遗传算法在大学课程表问题中的应用

引用

浙江师范大学学报（自然科学版） 2007年第2期30卷 196-200页

作者：陈军屠雄刚绍兴文理学院上虞分院浙江上虞312300 浙江师范大学数理与信息工程学院浙江金华321004

遗传算法在解决大学课程表问题过程中往往采用随机方式来初始化种群,这就造成了运算量变大和复杂度增加等情况,从而影响了算法的性能.提出了一种改进的遗传算法——案例注入式遗传算法,该算法利用基于案例的推理对遗传算法进行初始化,... 详细信息

遗传算法在解决大学课程表问题过程中往往采用随机方式来初始化种群,这就造成了运算量变大和复杂度增加等情况,从而影响了算法的性能.提出了一种改进的遗传算法——案例注入式遗传算法,该算法利用基于案例的推理对遗传算法进行初始化,以此加快算法的收敛速度.

关键词：遗传算法基于案例的推理课程表问题多目标优化自动排课系统

来源：评论

学校读者我要写书评

暂无评论

大学课程表问题的模型与算法

引用

鞍山科技大学学报 2005年第1期28卷 26-29页

作者：熊焱王莉李大卫张庆灵鞍山科技大学理学院辽宁鞍山114044 东北大学理学院辽宁沈阳1110006

课程表问题(Timetablingproblem,简称TTP)是时间表问题之一,也是NP难问题。根据大学授课形式的特点建立了大学课程表问题的数学模型,并给出了求解该问题的遗传算法。为了提高解的质量和加快收敛速度,当相同时间段内班级重复出现时,给出... 详细信息

课程表问题(Timetablingproblem,简称TTP)是时间表问题之一,也是NP难问题。根据大学授课形式的特点建立了大学课程表问题的数学模型,并给出了求解该问题的遗传算法。为了提高解的质量和加快收敛速度,当相同时间段内班级重复出现时,给出了寻找可能的新位置的方法,并将其嵌入遗传算法,实验结果表明该方法是可行和有效的。

关键词：课程表问题模型遗传算法 NP难问题

来源：评论

学校读者我要写书评

暂无评论

求解课程表问题的启发式算法综述

引用

计算机光盘软件与应用 2013年第20期16卷 228-229页

作者：曾小雄湖南三一汽车起重机有限公司长沙410000

课程表问题具有约束较多,关系复杂等特点,是一种特殊的调度问题,在算法复杂度上是NP完全的。该问题具有广泛的应用价值。本文主要对求解该问题的启发式算发的内容和研究进展进行了探讨。

关键词：课程表问题启发式算法

来源：评论

学校读者我要写书评

暂无评论

用遗传算法求解课程表问题

引用

鞍山钢铁学院学报 2002年第6期25卷 415-418页

作者：熊焱李大卫张庆灵鞍山科技大学理学院辽宁鞍山114044 东北大学理学院辽宁沈阳110006

课程表问题是NP完全类问题.近些年来人们尝试着用进化算法求此问题.本文根据大学编排课表的特点设计了一种全新的编码和适应值函数,并应用遗传算法求解.试验说明了该方法的可行性和有效性.

关键词：课程表问题进化计算遗传算法编码交叉算子

来源：评论

学校读者我要写书评

暂无评论

蚁群算法在课程表问题中的应用

引用

华南金融电脑 2007年第6期15卷 91-93页

作者：张忠南通航运职业技术学院

蚁群算法在求解复杂问题,特别是离散优化问题方面具有较强的优越性。本文提出了基于蚁群优化的蚂蚁排课算法。通过实验,证明了该算法的有效性,经过优化,课程表编排的合理性得到了提高。

关键词：蚁群算法课程表问题时间表问题

来源：评论

学校读者我要写书评

暂无评论

蚁群优化在时间表问题中的研究与应用

蚁群优化在时间表问题中的研究与应用

引用

作者：邓敏东北大学

学位级别：硕士

时间表问题(Timetabling Problem,TTP)是一类典型的组合优化(Combinatorial Optimization)和不确定性调度问题。随着人工智能等技术的发展,人们对自动化解决时间表问题产生了迫切的需要。蚁群优化(Ant Colony Optimization,ACO)是群智... 详细信息

时间表问题(Timetabling Problem,TTP)是一类典型的组合优化(Combinatorial Optimization)和不确定性调度问题。随着人工智能等技术的发展,人们对自动化解决时间表问题产生了迫切的需要。蚁群优化(Ant Colony Optimization,ACO)是群智能算法中相当活跃的一种优化算法,具有良好的全局搜索能力,在优化问题中有着广泛的应用。本文首次将蚁群优化推广到解决时间表问题中,以蚁群优化和概率统计理论为基础,提出了基于蚁群优化的时间表算法,并对蚁群优化及算法中所涉及的个体启发信息策略、自适应选择策略、最大最小信息素策略和信息素平滑处理机制等关键问题作了系统、深入和较为全面的研究：首先,从理论上介绍了ACO的生物原理及算法模型,并提出了ACO算法的若干改进策略,如：信息素更新机制,分组策略等；然后,以课程表问题为例,对时间表问题进行数学描述,提出了时间表问题的二分图模型；接着,从理论上论述了如何用ACO算法来解决时间表问题,提出了基于蚁群优化的时间表算法；最后,将基于蚁群优化的时间表算法应用到课程表问题中,并对算法进行了分析,得到了较高质量的课程表。研究与应用结果表明,本文提出的基于蚁群优化的时间表算法是可行的,它拓宽了时间表算法的解决方案；以概率统计理论和蚁群优化理论为基础,对其中所涉及的信息素策略和选择机制等问题的研究也是有效的,推广了ACO的应用。

关键词：组合优化蚁群优化时间表问题课程表问题二分图

来源：评论

学校读者我要写书评

暂无评论

基于改进遗传模拟退火算法的排课问题研究

基于改进遗传模拟退火算法的排课问题研究

引用

作者：张秀平天津师范大学

学位级别：硕士

排课在高校教务管理工作中既是中心环节,又是复杂难解问题。排课问题的有效解决有助于加快教务管理工作的信息化进程,克服传统手工排课的弊端,更好地改善我国现阶段教育资源相对紧缺而学生人数相对较多的现实冲突。排课问题是一个具有... 详细信息

排课在高校教务管理工作中既是中心环节,又是复杂难解问题。排课问题的有效解决有助于加快教务管理工作的信息化进程,克服传统手工排课的弊端,更好地改善我国现阶段教育资源相对紧缺而学生人数相对较多的现实冲突。排课问题是一个具有多约束限制的多目标组合优化问题,研究如何将有限时问资源分配给多个开课事件,并且已经被证明是一个NP完全问题。针对如何有效地解决该问题,本文开展的工作主要包括以下几方面：首先,在充分了解课程表制定原则的基础上,对排课问题做大量的需求分析,研究排课问题的约束条件和复杂因素,建立排课问题的多目标优化数学模型。其次,对解决排课问题的常用算法进行分析,在对GA(遗传算法)和SA(模拟退火算法)研究的基础上,对基于GA的排课问题进行分析,针对其不足加以改进。本文的改进思路为一方面对GA的遗传算子加以改进,融入自适应和最优个体保留策略的思想；另一方面则在GA中引入SA算法,将GA的并行性、全局搜索能力与SA的概率突跳性、局部寻优能力有机结合。再次,结合排课问题具体数学模型,设计排课编码方案,以Visual C++6.0为主要开发工具,实现基于改进遗传算法的排课系统。最后,对本文改进的算法在实际排课问题中的应用进行实例测试,并采用对比实验对改进后的算法性能进行分析,实验结果表明算法效率得到很大提高。

关键词：课程表问题遗传算法模拟退火算法自适应

来源：评论

学校读者我要写书评

暂无评论

高校排课问题的模型与算法研究及软件实现

高校排课问题的模型与算法研究及软件实现

引用

作者：方明北京师范大学

学位级别：硕士

课程表问题又称时间表问题，是各级各类学校根据教学任务安排上课教室和时间时面临的一个重要的多因素的优化决策问题。合理、高效的课程表编排对学校，特别是对高等学校的教学管理有着重要的意义。\n 目前高校课程表问题可以分为两... 详细信息

课程表问题又称时间表问题，是各级各类学校根据教学任务安排上课教室和时间时面临的一个重要的多因素的优化决策问题。合理、高效的课程表编排对学校，特别是对高等学校的教学管理有着重要的意义。\n 目前高校课程表问题可以分为两类：定时间问题和不定时间问题。现有的研究一般局限于解决定时间问题，而对不定时间问题研究甚少。本文将模拟退火算法应用于课程表问题，对这两种不同的排课模式分别提出了数学优化模型和相应算法。针对排课问题的实际情况和具体要求考虑了多个优化目标，包括排课率、课程离散度、教室利用率及课间更换教室的距离等。这些目标在优化模型的整体目标函数中的关键程度通过不同权重得到体现，其权重采用层次分析法确定。针对定时间问题，本文还给出了一种快速、高效而又实用的算法——搜索算法。\n 本文提出的排课算法首先从课程出发寻找合适的上课时间和地点，生成初始可行解，再对初始解进行优化，优化算法采用针对课程表问题的模拟退火算法。对于不定时间问题，对初始解的优化分两个阶段进行。第一阶段对课程的上课时间表进行优化，主要考虑排课率、课程离散度、教室利用率，从而得到一个上课时间相对合理的课程表；第二阶段在保持上课时间不变的前提下，对上课地点进行优化，从而减少学生和老师在相邻课间更换教室的距离。而对于定时间问题，对初始解的优化仅有一个只考虑教室利用率与更换教室的距离这两个优化目标的求解阶段。\n 本文的数据来源于北京大学2004-2006年间三个学期的三批课程数据。数据规模在2000门左右。通过对排课结果的分析，可以看出本文提出的排课问题的模拟退火算法及针对定时间问题的搜索算法都能够很好地解决不同要求下的课程表问题，在本文的实例中模拟退火算法的排课率对不定时间问题几乎达100％，对定时间问题可达99.7％以上，搜索算法的排课率也可以达到99.4％，改进后的搜索算法可达到99.

关键词：教学管理课程表问题模拟退火算法定时间问题

来源：评论

学校读者我要写书评

暂无评论

粒子群算法在离散优化问题中的研究

粒子群算法在离散优化问题中的研究

引用

作者：熊磊广西师范大学

学位级别：硕士

最优化是一个重要的数学分支,也是一门应用相当广泛的年轻学科,最优化的目的是对于给出的一个实际问题,从众多备选方案中选择出最优方案。最优化问题是人们在科学研究、工程技术和经济管理等诸多领域中经常碰到的问题,其目的是找到使目... 详细信息

最优化是一个重要的数学分支,也是一门应用相当广泛的年轻学科,最优化的目的是对于给出的一个实际问题,从众多备选方案中选择出最优方案。最优化问题是人们在科学研究、工程技术和经济管理等诸多领域中经常碰到的问题,其目的是找到使目标函数达到最小或最大的条件。例如,工程设计中怎样选择设计参数,使得设计方案既满足设计要求又能降低成本;资源分配中,怎样有效分配有限的资源,使得分配方案既能满足各方面的基本要求,又能获得好的经济效益。在人类活动的各个领域中都有最优化问题的身影。优化方法涉及的应用领域很广,问题种类与性质繁多,根据不同的原则可以给出不同的分类。根据决策变量的取值类型,可分为函数优化问题与组合优化问题(又称离散优化问题)。离散优化问题是一类重要的优化问题,随着计算机科学、管理科学和现代化生产技术等的日益发展,这类问题与日俱增,越来越受到运筹学、应用数学、计算机科学及管理科学等诸多学科的高度重视。很长时间以来,人们试图寻找解决各种组合问题的有效算法。长期的努力在此问题上取得了一定的成效,但NP问题仍然是21世纪一个最具挑战性的科学难题,是在理论信息学中计算复杂度理论领域里至今没有解决的问题。现代优化方法如人工神经网络、禁忌搜索、模拟退火、遗传算法和蚁群算法等在解决问题时展现出强大潜能,它们可在合理的时间内逼近复杂对象问题的最优解。这些算法涉及神经科学、人工智能、统计力学、生物进化等概念,很多都是以一定的自然、社会现象作为基础构造的算法,其中遗传算法和蚁群算法等称为智能优化算法。近年来,另外一种新的优化算法-粒子群优化算法(PSO)逐渐成为学者关注的研究方向之一。粒子群优化算法由***和***于1995年提出,它是受到鸟群的社会行为的启发而形成的一种基于种群的随机优化技术。粒子群优化算法属于进化算法,具有进化计算的基本特征。它的主要特点是简单、收敛速度较快,且所需领域知识少。尽管粒子群优化算法发展近十年,但无论是理论还是实践都尚未成熟。本文在综述了PSO算法及其发展过程的基础上,通过对现有文献的研究和分析提出了粒子间信息交流的策略和具有动态分工策略的改进粒子群算法。粒子间信息交流的策略通过粒子之间直接的信息共享,能够提高粒子本身的搜索能力,使粒子能够发现一定范围的最优解,从而尽快找到最优解。在进化算法的研究当中,算法的探测和开发能力单靠一种算法往往无法得到有效利用与平衡,从而影响了算法的求解精度和效率。因此,在PSO算法搜索过程中融合其他优化

关键词：离散优化问题粒子群算法动态分工粒子间信息交流旅行商问题课程表问题

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：