1、 湖南大学工程硕士学位论文 学位论文版权使用授权书年解密后适用本授权书。朐谝陨舷嘤娇蚰诖颉啊獭熟收敛和进化后期搜索速度下降等问题。关键词：病毒进化；遗传算法；排课问题 甀疭 ， 基于病毒进化遗传算法排课系统的研究与实现 籫目目插图索引一第屡趴挝侍獾难芯坑虢！小结概述基于病毒进化遗传算法排课系统的研究与实现小结总结与展望基于病毒进化遗传算法排课系统的研究与实现惴蠼釹函数值收敛趋势图惴蠼釹函数值收敛趋势图函数值收敛趋势图图次的适应度值变化散点图基于病毒进化遗传算法排课系统的研究与实现表时段教学效果表表日间隔系数表时段间隔系数表不同参数权重比的适应度值 表不同进化代数的适应度值一项令教务管理人员头疼
2、的工作任务。尤其是近年来，随着高等院校在校生人数的不断扩大和学分制等教育改革的逐步推进，排课工作的难度日益增加，传统的人工排课方式已经越来越难已满足当前教务管理工作中多变的需求。排课工作是由教务处排课管理员依据各专业的教学任务，汇总课程环节，在给定教室、实验室、教师等教学资源的前提下，科学合理安排班级课表以满足教学的要求。排课问题之所以难以解决，在于需同时考虑班级、课程、教师、教室、时间等多方面的约束，从本质上来说属于时间表排定问题，需要在满足各类特定约束条件的前提下，解决对时空资源争夺而引发的冲突，其解决大多离不开对算法的研究。琓闟和在论文 】中，大学教授 在年提出的一种跳脱局部逐步寻求最优
3、解的算法，该可产生较好的解，而差的初始解不仅会产生较差的解，还会降低搜索的收敛速度【。模拟退火琒算法其思想最早是由】等人蚁群算法模型，随后，约翰霍兰德在其 经典著作” 交叉、变异算子来模拟自然界生物遗传中的“优胜劣汰、适者生存”原则，避免陷基于病毒进化遗传算法排课系统的研究与实现上述介绍的各类优化算法均具有较强的全局优化求解能力，因此吸引了众多研究者的注意和应用，取得了令人众多瞩目的成果，证明了智能优化算法的工程改进遗传算法的一个重要方向是将各种启发式智能算法结合使用，取长补短异算子，新算法既具有禁忌算法较快的收敛速度，又具有遗传算法求解多个近似解的能力，王雪梅夂蒲铩等人研究了将 遗传算法与模
4、拟退火算法的混合，其中王雪梅提出用改进的按适应度比例选择再生方式作为新生子代的生存策略，吴浩扬提出用多个子种群代替原单一种群，每个子种群按不同的进化策略、遗传算子并行进化，这些改进能有效地克服遗传算法过早收敛的现象，年瓵在论文【】中对近年排课问题的解决方案进行了总琕是日本名通过引入病毒种群，实现了父子代种群间的纵向继承进化和同代种群中的横向病毒感染进化，可以有效地将纵向全局搜索和横向局部搜索相结合，从而提高标准遗传算法的收敛速度。自算法提出后，国内研究人员也开始对进行了研究与应用，年中国科学技术大学的曹先彬等研究了基于病毒进化的遗传算法，并通过模拟实对车间调度中的典型问题应用病毒遗传算法，进行
5、了仿真和研究，结果表明能有效解决车间调度问题【】，年刘晶晶在前者的基础上，提出了一种改进的病毒进化遗传算法，通过优化初始病毒个体生成选择方式和引入静态繁殖理论，提高病毒个体的适应值和感染能力，有效的避免了问题最优解的丢失，并将基于优先规则的启发式算法与传统的病毒进化遗传算法相结合，加快了算法的收敛性能和收敛速度。年西安建筑科技大学机电工程学院的原思聪针对模具编程的任务规划问题，结合病毒进化遗传算法的横向搜索能力和非支配排序遗传算法综上所述，应用智能算法求解排课问题的近似最优解是解决排课问题的有效启发信息依赖于实际情况，因此时间表问题的求解只能针对个别的实际问题，难以形成一种通用的有效课表排定方
6、法。传统遗传算法具有较强的全局优化求解能力，但存在着过早收敛和进化后期搜索速度降低等问题，而病毒进化遗传算法通过引入病毒种群，协同进化，具有极佳的收敛性能。因此针对课题研究目标，应用病毒进化遗传算法对排课问题求解不失为一条极为可行的技术路线。本文主要工作基于病毒进化遗传算法排课系统的研究与实现验证，结果表明该算法能够在排课问题中有效提高效率，提升性能。 軮算法，以第一章概述各类学校的应用条件不同，其约束和限制也各不相同，为便于对排课问题进行描述和求解，必须针对具体问题，进行分析和建模，本章针对研究对象的具体要求，分析了排课问题的五大要素、各类约束条件和求解目标，建立了排课系统的数学优化模型。课
7、表是学校教学工作安排的核心，通常来说一张课表需要包含教师、班级、排课问题模型课时数，所属专业等基本信息。就高校来说，课程的开设依据是经审定的专业人才培养方案或教学计划，其中明确了每门课程的总课时数和周课时数。一门课程在确定开设时，与之相关的行政班级就已经确定了，后续需要考虑的因素至少还包括教师，教室和时间安排，当然现在很多高校实行学分制，存在部分选修课程其开设计划较为灵活的情况。不过需要注意的是某些实验课时也会出现占用龌镜#节连排的情况。括：软性约束随院校规模，地域分布，教师结构等有很大出入，还需要根据实际为便于描述及分析排课问题，在此对涉及的相关术语与符号进行约定。对于合班课可采用虚拟班级的
8、方式处理；淌合慌涤肱趴蔚慕淌壹希灿衦个教室；坫一，软性约束列表；基于病毒进化遗传算法排课系统的研究与实现挝浩凇胍籷，任务是指教学管理部门根据人才培养方确了课程、教师、班级，但尚未确定上课时间和地点的课程安排，而常见的合班、拆班上课均在此阶段进行处理。则表示两者可被安排在相同时间，矩阵卸杂腗甌的值为裨蛭猯。如諭磁一岛魄啡句犀基于病毒进化遗传算法排课系统的研究与实现量满足度为：概述病毒进化遗传算法性；病毒具有强大的感染能力，将个体的染色体基因感染给其它个体，通过变异琕就是借鉴基于病毒进化遗传算法排课系统的研究与实现因此，算法通过引入病毒种群的感染、复制和删减操作在实现了同代种群的生物多样性的同时，
9、又保持了遗传算法原有的同代间基因信息传递，有效的实现了上下代种群之间的纵向遗传信息传递和同代种群的横向进化信息传递，获得了较为满意的算法收敛性能，有效的克服了传统遗传算法固有早熟和收敛性能不佳的缺点。病毒进化遗传算法中的相关概念包括：遗传特性、病毒适应度函病毒适应度函数表示为公式。说明感染后的宿主个体的平均适应度将得以增大，为保持宿主个体的多样性，可 生命力降低。当雌筭图所示：王苫基于病毒进化遗传算法排课系统的研究与实现处理流程步骤杭扑悴靖鎏錳生命力哪幔羿霉臻，则以概率从基于病毒进化遗传算法排课系统的研究与实现个缺陷，本文就是针对这一缺陷来进行改进的。传算法由于其随机搜索的特性，反而能相对快捷地处理一般的排课问题。但是一般单个学校中每个系的课程教学任务相对变动小并且每年老师个人的需求的不同，即使运用传统的遗传算法，也难以比引进次优解的方式快捷方便，因此运用次优解可以简洁地将约束变为初始病毒种群，从而运用基于病毒感染的遗传算法快速搜寻最优解。己巴事件仞
