Python實現(xiàn)基于遺傳算法的排課優(yōu)化

1、是不是像求函數(shù)最值那樣子？建議你了解一下遺傳算法的實數(shù)編碼，這個對于求函數(shù)最值很方便，不用像二進制那樣需要轉(zhuǎn)換。

華容網(wǎng)站建設(shè)公司成都創(chuàng)新互聯(lián)公司,華容網(wǎng)站設(shè)計制作，有大型網(wǎng)站制作公司豐富經(jīng)驗。已為華容數(shù)千家提供企業(yè)網(wǎng)站建設(shè)服務(wù)。企業(yè)網(wǎng)站搭建\外貿(mào)網(wǎng)站制作要多少錢，請找那個售后服務(wù)好的華容做網(wǎng)站的公司定做！

2、SGA）。詳細請參考：http：//baike.baidu點抗 /view/4585htm？fr=ala0_1_1 至于能不能應(yīng)用到排課系統(tǒng)中，我沒做過不敢說能不能，不過遺傳算法就是個優(yōu)化算法，應(yīng)該能用遺傳算法，不過可能比較麻煩。

3、Geatpy 是一個高性能實用型進化算法工具箱，提供了許多已實現(xiàn)的進化算法各項操作的函數(shù)，如初始化種群、選擇、交叉、變異、多目標(biāo)優(yōu)化參考點生成、非支配排序、多目標(biāo)優(yōu)化 GD、IGD、HV 等指標(biāo)的計算等等。

4、python遺傳算法采用交叉算法提升收斂速度法。根據(jù)查詢相關(guān)公開信息顯示交叉算法是一種提升速度的方法，但是加快速度會導(dǎo)致收斂質(zhì)量的下降。

5、畢業(yè)論文是教學(xué)計劃的重要組成部分，是學(xué)生在校學(xué)習(xí)的最后階段，是學(xué)習(xí)深化和提高的重要過程，是學(xué)生運用已學(xué)過知識的一次全面總結(jié)和綜合訓(xùn)練，對全面提高教學(xué)質(zhì)量具有重要意義。

遺傳算法求最短路徑

用遺傳算法，模擬退火算法，這有可能得出次優(yōu)解。 或者用每次從一個點遍歷所有點，找到與它距離最短的點，連接，然后以下一個點為起點，找一個沒有連接過的點并且是離它距離最短的點，連接，依次下去，知道找到最后的點。

1 針對給定的多個起點和終點，如果要求起點之間不交叉，那么存在最短路徑。2 因為起點之間不交叉，可以將問題簡化為多個單起點單終點的問題，可以使用 Dijkstra 算法或者 A* 算法等求解最短路徑的算法。

節(jié)約里程法最短路徑是兩點之間直線最短。最短路徑是典型的最短路徑路由算法，用于計算一個節(jié)點到其他所有節(jié)點的最短路徑。主要特點是以起始點為中心向外層層擴展，直到擴展到終點為止。

如何應(yīng)用遺傳算法解決排課問題

1、應(yīng)用遺傳算法解決實際問題，第一步當(dāng)然是選擇一個合理的編碼方案。我們希望能夠把整個課表表示為一個二進制串，同時，我們也能夠把一個二進制串解碼成一個課表。我們以“課程班級”為基準(zhǔn)進行編碼。

2、遺傳算法首先針對待解決問題隨機生成一組解，我們稱之為種群（Population）。種群中的每個個體都是問題的解，在優(yōu)化的過程中，算法會計算整個種群的成本函數(shù)，從而得到一個與種群相關(guān)的適應(yīng)度的序列。

3、至于能不能應(yīng)用到排課系統(tǒng)中，我沒做過不敢說能不能，不過遺傳算法就是個優(yōu)化算法，應(yīng)該能用遺傳算法，不過可能比較麻煩。

4、遺傳算法變異有兩個方法：一個是兩個父交叉；一個是一個父變異；這兩個變異的因子是不一樣的。

5、這兩種分別是 population based 和 single based 的 metaheuristic， 你可以先看一下talbi， 200關(guān)于 meta-heuristic 的算法。 之后再讀一下關(guān)于 educational timetabling 和 school timetabling相關(guān)的問題。

6、遺傳算法中的選擇、交叉和變異都是隨機操作，而不是確定的精確規(guī)則。這說明遺傳算法是采用隨機方法進行最優(yōu)解搜索，選擇體現(xiàn)了向最優(yōu)解迫近，交叉體現(xiàn)了最優(yōu)解的產(chǎn)生，變異體現(xiàn)了全局最優(yōu)解的復(fù)蓋。