| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 课题研究背景与意义 | 第11-15页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文结构 | 第13-15页 |
| 2 中职学校排课问题的分析与建模 | 第15-23页 |
| 2.1 中职学校排课问题简介 | 第15页 |
| 2.2 中职学校排课的特点 | 第15-16页 |
| 2.3 排课问题的要素与约束条件分析 | 第16-18页 |
| 2.3.1 排课问题的五大要素 | 第16-17页 |
| 2.3.2 中职排课问题的制约条件 | 第17-18页 |
| 2.3.3 中职学校排课问题的求解方向 | 第18页 |
| 2.4 排课问题的数学建模 | 第18-22页 |
| 2.4.1 排课问题的数学模型 | 第18-19页 |
| 2.4.2 排课问题的硬约束求解模型 | 第19-20页 |
| 2.4.3 排课问题的软约束求解模型 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 粒子群优化算法的基本理论 | 第23-30页 |
| 3.1 粒子群优化算法概述 | 第23页 |
| 3.2 粒子群优化算法的基本内容 | 第23-26页 |
| 3.2.1 粒子群优化算法的几个术语 | 第23页 |
| 3.2.2 粒子群优化算法的概念 | 第23-24页 |
| 3.2.3 粒子群优化算法的基本原理 | 第24-26页 |
| 3.2.4 运用粒子群算法求解问题的步骤 | 第26页 |
| 3.3 改进粒子群算法 | 第26-27页 |
| 3.4 改进粒子群优化算法与传统优化算法比较 | 第27-29页 |
| 3.4.1 多变异位自适应遗传算法原理与流程 | 第27-28页 |
| 3.4.2 PSO算法与MMAGA算法比较 | 第28-29页 |
| 3.5 粒子群优化算法的相关应用 | 第29页 |
| 3.6 本章小结 | 第29-30页 |
| 4 面向中职教学排课问题的改进粒子群算法设计 | 第30-38页 |
| 4.1 编码设计 | 第30-32页 |
| 4.1.1 几种编码方式 | 第30-31页 |
| 4.1.2 编码设计 | 第31-32页 |
| 4.2 种群初始化 | 第32-33页 |
| 4.3 适应度函数 | 第33-35页 |
| 4.3.1 排课问题的硬约束求解模型 | 第33页 |
| 4.3.2 排课问题的求解优化模型 | 第33-35页 |
| 4.4 求解适应度函数的策略 | 第35-36页 |
| 4.5 算法流程 | 第36页 |
| 4.6 算法的终止条件 | 第36-37页 |
| 4.7 本章小结 | 第37-38页 |
| 5 求解中职排课问题的粒子群算法实现与实验分析 | 第38-53页 |
| 5.1 几个关键对象的算法实现 | 第38-40页 |
| 5.1.1 课元三对象的算法实现 | 第38-39页 |
| 5.1.2 粒子群算法基因与个体的算法实现 | 第39-40页 |
| 5.2 几个主要模块的算法实现 | 第40-46页 |
| 5.2.1 种群初始化模块的实现 | 第40-42页 |
| 5.2.2 硬约束条件适应度函数值计算的实现 | 第42-43页 |
| 5.2.3 软约束条件适应度函数值计算的实现 | 第43-45页 |
| 5.2.4 粒子更新的算法实现 | 第45-46页 |
| 5.3 实验结果与分析 | 第46-51页 |
| 5.3.1 实验数据 | 第46-48页 |
| 5.3.2 实验结果分析 | 第48-51页 |
| 5.3.3 粒子群算法与改进遗传算法在求解中职排课问题中的性能比较 | 第51页 |
| 5.4 粒子群优化算法求解中职排课问题的特点分析 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59-60页 |
| 学位论文数据集表 | 第60页 |