基于遗传算法的大学排课系统的研究与应用
这是一篇关于遗传算法,排课问题,种群多样性的论文, 主要内容为2020年,在新冠肺炎疫情的影响下,全国各地的大学生开学后不能正常返校上课,在这样的情况下,各地大学推出以线上教学的模式来进行上课,其中首要任务是进行线上网课的课程安排。本论文是在这个背景下提出来的,所要研究的内容是排课问题的解决和排课系统的设计与实现。本文利用全局概率搜索的遗传算法来解决课表编排的问题,用Java语言结合SSM(Spring、Spring MVC和My Batis)框架开发出排课应用系统,具体的研究内容如下:(1)研究分析了排课问题。提出了排课问题的约束要求与目标,随后设计出了影响排课问题的各个因素,接着在此基础上根据提出的排课约束要求建立了排课问题的约束模型和目标模型。(2)研究了遗传算法流程与要素。分析了基本遗传算法的一些基本要素和特点,在此基础上提出了算法的改进,混合了模拟退火算法,针对基本遗传算法在种群失去了多样性之后,收敛速度会变慢,这样会降低排课问题解的搜索效率,本文采用种群抽样个体比较海明距离的方法来对种群进行多样性的评价,当种群的多样性差时对种群中的变异个体增加变异点的操作,以此来增加种群的多样性。在其他的方面,种群的初始化根据排课问题的一些先验知识进行生成;选择操作结合精英主义即最优个体保留策略;交叉操作采用多父代均匀交叉。通过和基本遗传算法进行对比仿真测试,测试结果证明改进后的遗传算法搜索效率高于基本遗传算法。(3)分析并设计实现了排课系统。分析了排课工作的流程确定了系统的流程,接着分析了用户和功能需求,将排课系统划分为为管理员和教务管理员使用的排课子系统和老师和学生使用的查询子系统。通过排课工作流程和用户功能需求设计出相应排课模块、排课信息管理模块和查询模块,结合疫情间互联网线上上课的特点,设计出线上信息模块,最后设计数据库开发编写了排课系统。通过测试,排课系统能够正常运行和使用并能很好完成排课工作,有一定的应用价值。
基于遗传算法的大学排课系统的研究与应用
这是一篇关于遗传算法,排课问题,种群多样性的论文, 主要内容为2020年,在新冠肺炎疫情的影响下,全国各地的大学生开学后不能正常返校上课,在这样的情况下,各地大学推出以线上教学的模式来进行上课,其中首要任务是进行线上网课的课程安排。本论文是在这个背景下提出来的,所要研究的内容是排课问题的解决和排课系统的设计与实现。本文利用全局概率搜索的遗传算法来解决课表编排的问题,用Java语言结合SSM(Spring、Spring MVC和My Batis)框架开发出排课应用系统,具体的研究内容如下:(1)研究分析了排课问题。提出了排课问题的约束要求与目标,随后设计出了影响排课问题的各个因素,接着在此基础上根据提出的排课约束要求建立了排课问题的约束模型和目标模型。(2)研究了遗传算法流程与要素。分析了基本遗传算法的一些基本要素和特点,在此基础上提出了算法的改进,混合了模拟退火算法,针对基本遗传算法在种群失去了多样性之后,收敛速度会变慢,这样会降低排课问题解的搜索效率,本文采用种群抽样个体比较海明距离的方法来对种群进行多样性的评价,当种群的多样性差时对种群中的变异个体增加变异点的操作,以此来增加种群的多样性。在其他的方面,种群的初始化根据排课问题的一些先验知识进行生成;选择操作结合精英主义即最优个体保留策略;交叉操作采用多父代均匀交叉。通过和基本遗传算法进行对比仿真测试,测试结果证明改进后的遗传算法搜索效率高于基本遗传算法。(3)分析并设计实现了排课系统。分析了排课工作的流程确定了系统的流程,接着分析了用户和功能需求,将排课系统划分为为管理员和教务管理员使用的排课子系统和老师和学生使用的查询子系统。通过排课工作流程和用户功能需求设计出相应排课模块、排课信息管理模块和查询模块,结合疫情间互联网线上上课的特点,设计出线上信息模块,最后设计数据库开发编写了排课系统。通过测试,排课系统能够正常运行和使用并能很好完成排课工作,有一定的应用价值。
基于遗传算法的大学排课系统的研究与应用
这是一篇关于遗传算法,排课问题,种群多样性的论文, 主要内容为2020年,在新冠肺炎疫情的影响下,全国各地的大学生开学后不能正常返校上课,在这样的情况下,各地大学推出以线上教学的模式来进行上课,其中首要任务是进行线上网课的课程安排。本论文是在这个背景下提出来的,所要研究的内容是排课问题的解决和排课系统的设计与实现。本文利用全局概率搜索的遗传算法来解决课表编排的问题,用Java语言结合SSM(Spring、Spring MVC和My Batis)框架开发出排课应用系统,具体的研究内容如下:(1)研究分析了排课问题。提出了排课问题的约束要求与目标,随后设计出了影响排课问题的各个因素,接着在此基础上根据提出的排课约束要求建立了排课问题的约束模型和目标模型。(2)研究了遗传算法流程与要素。分析了基本遗传算法的一些基本要素和特点,在此基础上提出了算法的改进,混合了模拟退火算法,针对基本遗传算法在种群失去了多样性之后,收敛速度会变慢,这样会降低排课问题解的搜索效率,本文采用种群抽样个体比较海明距离的方法来对种群进行多样性的评价,当种群的多样性差时对种群中的变异个体增加变异点的操作,以此来增加种群的多样性。在其他的方面,种群的初始化根据排课问题的一些先验知识进行生成;选择操作结合精英主义即最优个体保留策略;交叉操作采用多父代均匀交叉。通过和基本遗传算法进行对比仿真测试,测试结果证明改进后的遗传算法搜索效率高于基本遗传算法。(3)分析并设计实现了排课系统。分析了排课工作的流程确定了系统的流程,接着分析了用户和功能需求,将排课系统划分为为管理员和教务管理员使用的排课子系统和老师和学生使用的查询子系统。通过排课工作流程和用户功能需求设计出相应排课模块、排课信息管理模块和查询模块,结合疫情间互联网线上上课的特点,设计出线上信息模块,最后设计数据库开发编写了排课系统。通过测试,排课系统能够正常运行和使用并能很好完成排课工作,有一定的应用价值。
基于装配约束的机械产品生产调度算法研究
这是一篇关于生产调度,遗传算法,装配约束,种群多样性,染色体图谱的论文, 主要内容为生产调度是机械产品生产中一个很重要的环节,直接关系到产品的生产周期、生产成本和企业的生存能力。优秀的生产调度方案可以使企业合理地分配各种生产资源,降低生产成本,实现准时化生产,提高市场竞争力。以往对生产调度的研究大部分集中在作业车间调度JSP(Job-shop Scheduling Problem)上,未考虑产品的装配问题。而现在的机械产品基本上都是装配型产品,生产调度时必须要考虑机械产品的装配约束,这就衍生出另一种调度问题——装配作业车间调度问题AJSP(Assembly Job-shop SchedulingProblem),而国内外针对AJSP的研究却较少。本文针对AJSP的相关算法进行研究,将机械产品的装配约束考虑在内,具有很强的实际意义。另外,装配强约束的存在使问题的建模和算子的设计都具有很大的难度,因此本文的研究也具有较大的理论价值。 本文首先通过建立数学模型详细地描述了AJSP问题,给出典型的装配结构和装配约束关系,对遗传算法(GA,Genetic Algorithm)的关键技术、进化参数等进行概述,确定本文的染色体编码方案和选择算子,并设计了几种不同类型的适应度函数。然后提出两种AJSP的遗传算法:AJSP的全空间遗传算法和AJSP的可行域遗传算法(FSSGA,Feasible Solution Space Genetic Algorithm)。AJSP的全空间遗传算法的难点在于不可行染色体修复算子的设计。本文提出两种新的修复算子——自上而下调整法TDRA(Top-Down Recursively Adjustment)和基于父项链表的基因交换法GE(Genes ExchangeBased on Father Link-List)。二者和文献中的基于设计结构矩阵DSM(Design StructureMatrix)的修复算子在信息熵损、染色体图谱等方面进行详细地比较,结果显示TDRA和GE比DSM更能保持种群的多样性。随后的GA实验结果也表明GA运用TDRA和GE两种算子比运用DSM的确有更好的进化表现。然后对解空间大小进行分析,提出了解空间大小计算方法,计算结果表明AJSP的可行解空间远比全空间要小,基于此结果提出了可行域遗传算法,并设计相应的可行域遗传算子来支撑可行域遗传算法,减少了搜索空间,省去修复解码操作,从而大大提高搜索效率。另外,分别进行了大规模算例实验、文献算例对比实验和工程实例实验等验证实验。 最后,针对新算法和算子进行的一系列实验均得到了很好的实验结果。其中修复算子对比实验的实验结果证明两个新修复算子能更好地保持种群多样性,有利于GA进化寻优,GA实验结果表明全空间遗传算法在AJSP上具有很好的可行性和寻优性。算法对比实验和最后的文献算例对比实验结果都证明了可行域遗传算法在性能和质量上都优于其他算法。工程实例实验结果表明所设计的算法能较好地应用于实际情况。
基于遗传算法的大学排课系统的研究与应用
这是一篇关于遗传算法,排课问题,种群多样性的论文, 主要内容为2020年,在新冠肺炎疫情的影响下,全国各地的大学生开学后不能正常返校上课,在这样的情况下,各地大学推出以线上教学的模式来进行上课,其中首要任务是进行线上网课的课程安排。本论文是在这个背景下提出来的,所要研究的内容是排课问题的解决和排课系统的设计与实现。本文利用全局概率搜索的遗传算法来解决课表编排的问题,用Java语言结合SSM(Spring、Spring MVC和My Batis)框架开发出排课应用系统,具体的研究内容如下:(1)研究分析了排课问题。提出了排课问题的约束要求与目标,随后设计出了影响排课问题的各个因素,接着在此基础上根据提出的排课约束要求建立了排课问题的约束模型和目标模型。(2)研究了遗传算法流程与要素。分析了基本遗传算法的一些基本要素和特点,在此基础上提出了算法的改进,混合了模拟退火算法,针对基本遗传算法在种群失去了多样性之后,收敛速度会变慢,这样会降低排课问题解的搜索效率,本文采用种群抽样个体比较海明距离的方法来对种群进行多样性的评价,当种群的多样性差时对种群中的变异个体增加变异点的操作,以此来增加种群的多样性。在其他的方面,种群的初始化根据排课问题的一些先验知识进行生成;选择操作结合精英主义即最优个体保留策略;交叉操作采用多父代均匀交叉。通过和基本遗传算法进行对比仿真测试,测试结果证明改进后的遗传算法搜索效率高于基本遗传算法。(3)分析并设计实现了排课系统。分析了排课工作的流程确定了系统的流程,接着分析了用户和功能需求,将排课系统划分为为管理员和教务管理员使用的排课子系统和老师和学生使用的查询子系统。通过排课工作流程和用户功能需求设计出相应排课模块、排课信息管理模块和查询模块,结合疫情间互联网线上上课的特点,设计出线上信息模块,最后设计数据库开发编写了排课系统。通过测试,排课系统能够正常运行和使用并能很好完成排课工作,有一定的应用价值。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码货栈 ，原文地址：https://m.bishedaima.com/lunwen/53243.html
