基于群体优势遗传算法的高校排课问题研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (10): 233-236.

基于群体优势遗传算法的高校排课问题研究

李红婵1，户刚2，朱颢东1

1.郑州轻工业学院计算机与通信工程学院，郑州 450002
2.郑州轻工业学院电气信息工程学院，郑州 450002

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-01 发布日期:2011-04-01

Research of UTP based on population dominant GA

LI Hongchan1，HU Gang2，ZHU Haodong1

1.School of Computer and Communication Engineering，Zhengzhou University of Light Industry，Zhengzhou 450002，China
2.College of Electric and Information Engineering，Zhengzhou University of Light Industry，Zhengzhou 450002，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-01 Published:2011-04-01

摘要/Abstract

摘要： 深入分析了高校排课问题，建立了高校排课问题的数学优化模型，构建了基本求解框架。针对高校排课问题的特点，引入遗传算法来加以解决，设计了多种改进方案：新的二进制编码方案、初始种群生成方案、适应度函数设计方案、群体优势策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件，能更有效地解决高校排课问题。

关键词: 高校排课问题, 遗传算法, 二进制编码, 群体优势策略

Abstract: University Timetabling Problem（UTP） is analyzed detailedly，and an optimization mathematical model of UTP is established.The framework structure to solve UTP is founded.According to characteristics of UTP，Genetic Algorithm（GA） is introduced，a variety of improved schemes are designed，which include new binary code scheme，initial population design scheme，fitness function design scheme，population dominant strategy，adaptive crossover probability and adaptive mutation probability design scheme.Simulation results show that the proposed GA can satisfy multiple constraint conditions and can resolve UTP more effectively.

Key words: University Timetabling Problem（UTP）, Genetic Algorithm（GA）, binary code, population dominant strategy

李红婵1，户刚2，朱颢东1. 基于群体优势遗传算法的高校排课问题研究[J]. 计算机工程与应用, 2011, 47(10): 233-236.

LI Hongchan1，HU Gang2，ZHU Haodong1. Research of UTP based on population dominant GA[J]. Computer Engineering and Applications, 2011, 47(10): 233-236.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[10]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[11]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[12]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.