遗传算法在高校排课问题中的应用

排课问题是一个多因素的优化决策,是组合规划中的典型问题,属于NP完全类问题。根据高校课表的特点,采用遗传算法,给出染色体编码和适应度函数,提供了利用遗传算法解决排课问题的方法。     

遗传算法在高校排课问题中的应用

排课问题是一个多因素的优化决策,是组合规划中的典型问题,属于NP完全类问题.根据高校课表的特点,采用遗传算法,给出染色体编码和适应度函数,提供了利用遗传算法解决排课问题的方法.     

自适应遗传算法在求解函数优化问题中的应用

从多方面分析了遗传算法的性能影响因素,提出了一种寻找求解函数优化问题的最优交叉、变异率组合的方法,并通过实例验证了其有效性,同时提出了一种根据适应值大小自动调节交叉和变异率的自适应遗传算法。     

设施布置问题的非线性目标规划模型及其遗传算法

由于设施布置问题实际上是一个极其复杂的多约束多目标的优化问题，本将其建模为一新的非线性目标规划模型，为更快更好地求解这一模型，本采用了一种新的遗传算法。它不仅能有效处理不等面积及固定设施问题，而且有希望解决多层布置问题。     

遗传算法在求解TSP问题上的应用

论述了遗传算法在编码表示和遗传算子等方面的应用情况,指出了常用编码方法的优点和缺点,并且结合TSP的运行实例详细分析了基本遗传算法对求解结果和求解效率的影响.简单说明了混合遗传算法在求解TSP问题中的应用并对遗传算法解决TSP问题的前景提出了展望.     

一种求解函数优化问题的自适应遗传算法

为克服人们在运用遗传算法求解问题时选择参数的经验主义或盲目性,提出了一种动态调整参数并结合直观的参数关系图和统计分析以寻找解决函数优化问题的最优交叉和变异率的组合参数的方法。同时,提出了一种根据群体适应度的情况动态调整交叉和变异率的自适应遗传算法,并通过实例验证了算法的优越性能。     

遗传算法在自动组卷中的应用

自动组卷策略是利用计算机自动完成试卷生成的一种方案,整个过程的人工投入少,在很大程度上解放了教师,提高了工作效率。能否自动组出满足用户要求的试卷,与组卷使用的算法紧密相关。采用遗传算法,按照选择编码方式、产生初始种群、计算自适应函数、进行遗传操作、试卷生成的过程,可完成自动组卷操作。     

遗传算法在自动组卷中的应用

自动组卷策略是利用计算机自动完成试卷生成的一种方案,整个过程的人工投入少,在很大程度上解放了教师,提高了工作效率。能否自动组出满足用户要求的试卷,与组卷使用的算法紧密相关。采用遗传算法,按照选择编码方式、产生初始种群、计算自适应函数、进行遗传操作、试卷生成的过程,可完成自动组卷操作。     

基于遗传算法的n皇后问题求解

近代科学技术发展的显特点之一是生命科学与工程科学的相互交叉，相互渗透和相互促进。遗传算法的蓬勃发展正体现了学科发展的这一特征和趋势。本通过对n皇后问题的求解，深刻理解遗传算法的原理和对其改进的研究思路，将理论应用于实践；熟练掌握遗传算法的三种基本操作；选择，交叉，变异的基本原理；体会遗传算法的自然背景；并在实际编写程序中解决具体问题，分析理解遗传算法的可改进之处并尝试作出一些扩展。     

遗传算法在排课问题求解中的应用

排课问题是多因素优化决策问题,本文根据编排课表的特点;建立铜仁学院自动排课系统的数学模型,并设计了新的适应值函数,用遗传算法进行求解。若对本系统的适应度函数作适当修改,可适用于各类学校的排课问题。     

基于遗传退火算法的关联规则挖掘

把模拟退火算法具有全局平衡的特性引入到遗传算法中来,避免了遗传算法收敛性慢以及容易陷入早熟的特点,提出了一种基于遗传退火策略的关联规则挖掘模型。实验结果表明,与遗传算法相比,改进的算法更能有效挖掘大型数据集中的关联规则。     

遗传模拟退火算法在非线性最小二乘中的应用

对于非线性最小二乘问题,传统的算法往往是从一个初始值开始,经过迭代来逼近问题的最优解,其结果必会受到初始值的影响,而遗传模拟退火算法求解则具有很好的全局搜索能力,不受初始值的影响.研究表明,采用遗传模拟退火算法来求解非线性最小二乘问题,可取得较好的效果.     

遗传算法及其在TSP问题中的应用

遗传算法是一种模拟自然界生物进化过程的随机搜索算法;遗传算法目前已经在组合优化、机器学习和并行处理等领域得到了越来越广泛的应用;文章对遗传算法的理论与应用进行了一些研究和分析,介绍了遗传算法的理论,以及它在鸭P问题中的应用。     

基于模拟退火遗传算法的公交区域调度研究

采用模拟退火算法和遗传算法相融合,建立公交区域调度中行车计划生成的模型,创建目标函数,将模拟退火算法应用于遗传算法的交叉、变异过程中,对模型进行求解,并用实际的运营数据对模型进行了验证,结果表明,此方法是可行且有效的。     

模拟退火算法及其改进形式

对模拟退火算法及其改进形式进行了综述,讨论了各种改进形式的特点,并指出并行算法是一种比较理想的改进方法．     

Simulated Annealing Algorithm and Its Application in Irregular Polygons Packing

Two-dimensional irregular polygons packing problem is very difficult to be solved in traditional optimal way.Simulated annealing (SA) algorthm is a stochastic optimization technique that can be used to solve packing problems.The whole process of SA is introduced firstly in this paper,An extended neighborhood searching method in SA is mainly analyzed,A general module of SA algorithm is given and used to lay out the irregular polygons.The judgment of intersection and other constrains of irregular polygons are analyzed,Then an example that was used in the paper of Stefan Jakobs is listed .Results show that this SA algorithm shorterns the computation time and improves the soluiton.     

TSP问题的智能优化算法研究

智能优化算法比较常见的有模拟退火算法、遗传算法、人工鱼群算法、神经网络算法等。本文主要对前三种算法优化性能进行研究。首先介绍了三种算法的基本原理,然后总结了各自的优缺点并从原理和参数两个方面对三种算法进行了对比分析,以经典NP难题——TSP为例进行了仿真研究给出了未来针对TSP问题的研究重点。     

遗传算法在物流管理配送问题上的应用

首先以多供应点、多产品、多需求点单时段的供应链协作供应问题为研究对象,以供需产品的类型差异来驱动多个优化目标间的平衡,在此基础上设计以改进的遗传算法来求解这个复杂的组合优化问题,有效地求得问题的近似最优解。     

基于LM和SA的混合优化算法

针对LM算法及模拟退火算法各自存在的不足,提出一种交替使用二者的混合优化算法（SALM算法）.该算法先通过模拟退火算法粗调得到一组全局最优近似解,再以该近似解为初值,交替使用模拟退火算法和LM算法,直至发现满意的最优解.实验结果表明,新算法不但具有模拟退火算法的全局收敛特性而且保留了LM算法的局部收敛速度,克服了单纯模拟退火算法所产生的随机性和概率性问题,也弱化LM算法对初始条件的依赖程度,保证了求解的速度和精度。     

改进遗传算法求解流水车间调度问题

提出了一个求解流水车间调度问题的改进的遗传算法.该方法把一个染色体编码成若干个可以重复的自然数,表示相应工件的排序权值;通过简单交换两个父代的若干相同位置的基因,产生能够继承父代优良特性的子代;并且采用均匀变异,更好地保持种群中基因的多样性.实验表明,比起传统的遗传算法,该方法的性能有显著改善.