基于分布式遗传退火算法的高校排课系统研究

来源 :长春工业大学 | 被引量 : 0次 | 上传用户:love_day
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
排课问题是一个多目标、有限资源、带有不确定约束条件的组合优化问题,并且已经被证明为一个NP完全问题。 遗传算法是一种借鉴于生物界自然选择和进化机制发展起来的高度并行、自适应的随机搜索算法,是一种非常有效的解决NP完全组合问题的方法。本文将分布式遗传退火算法应用于排课问题的求解,进行了以下几个方面研究工作: 1.系统地讨论了排课问题中的影响因素、约束条件和求解目标,并给出了排课问题的数学模型描述,提出了排课问题求解方法的总体框架。 2.针对排课问题研究了染色体编码方式以及遗传操作算子的设计,并引入模拟退火算法,提出了一种基于模拟退火算法的选择算子。利用基于分布式计算的适应度算法来提高系统的性能,并改进了遗传算法一般结构,形成了一套多目标协同优化的排课算法。 3.给出了算法实现的设计框架,排课系统设计的类图和数据结构,并以此开发出一套具有启发能力的、易于快速生成可行方案的排课系统。 4.采用JAVA技术,以Eclipse为开发平台,SQL Server 2000为后台数据库,设计和实现了基于分布式遗传退火算法的自动排课系统。
其他文献
传统的视频压缩编码标准MPEG—1/2和H.26x都采用基于帧的技术,不要求对场景进行分割,它们能获得较高的压缩比,并在很多领域得到广泛的应用。随着多媒体信息的日益丰富,人们不再满足
支持向量机是目前比较流行的机器学习算法,可以较好地解决小样本、非线性和局部极小点等实际问题,并且能够高效地处理平衡数据集分类问题。然而,对于非平衡数据集,SVM产生的分类
医学数据可视化作为科学计算可视化应用最成功的领域,经过几十年的发展,已经从辅助诊断发展成为辅助治疗的重要手段,并将深入到医学的各个领域。体数据可视化(Volume Visualizat
学位
目前,嵌入式实时系统的广泛应用使得确保其正确性和可靠性成为当前的研究热点。MARTE(Modeling and Analysis of Real Time and Embedded systems)是UML在嵌入式实时系统领域的
网络通讯已经被广泛的应用到现在的日常生活和工作中。但是,由于各种原因的存在,比如:黑客、病毒、网络不通畅等多种原因,导致在网络通讯中传输的文件缺失、被恶意修改甚至是感染
随着移动智能业务的广泛开展,业务控制点的安全稳定问题日益突出,简单的本地双机或集群保护已不能胜任系统的高可用性要求,保证业务运行的连续性和可靠性迫切要求全面的容灾
随着科技进步和计算机网络技术的发展,网络时代来临了,它的到来彻底改变了人们的生活方式,越来越多的人融入到了网络,享受着网络带给人们的种种便利。但同时随着互联网规模的
等值面技术在可视化中应用广泛,许多标量场中的可视化问题都归纳为等值面的抽取和绘制,Marching Cubes方法是目前应用最为广泛的等值面抽取方法之一。自1987年Lorensen等提出该
学位