遗传算法在求解时间表问题中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·研究内容和特色 | 第10-11页 |
| 第二章 时间表问题 | 第11-22页 |
| ·时间表问题 | 第11-13页 |
| ·时间表问题概述 | 第11页 |
| ·时间表问题的一般数学模型 | 第11-12页 |
| ·时间表问题的求解难度 | 第12-13页 |
| ·排课时间表问题 | 第13-17页 |
| ·排课问题概述 | 第13页 |
| ·人工排课的思维过程 | 第13-15页 |
| ·人工排课的特点 | 第15-16页 |
| ·排课时间表问题是NP完全问题 | 第16-17页 |
| ·排课时间表问题求解模型 | 第17-19页 |
| ·符号约定 | 第17-18页 |
| ·优化模型 | 第18-19页 |
| ·排课时间表问题常用求解方法 | 第19-22页 |
| 第三章 遗传算法的基本原理和方法 | 第22-35页 |
| ·遗传算法发展历史 | 第22-23页 |
| ·遗传算法的基本思想 | 第23-24页 |
| ·遗传算法的基本过程 | 第24-32页 |
| ·编码 | 第24-26页 |
| ·群体设定 | 第26页 |
| ·适应度函数 | 第26-28页 |
| ·几种常见的适应度函数 | 第26-27页 |
| ·适应度函数的作用 | 第27-28页 |
| ·适应度函数的设计 | 第28页 |
| ·遗传操作 | 第28-32页 |
| ·选择 | 第29-30页 |
| ·交叉／重组 | 第30-32页 |
| ·变异 | 第32页 |
| ·遗传算法的收敛性 | 第32-33页 |
| ·遗传算法机理的简要分析 | 第33页 |
| ·模式定理 | 第33页 |
| ·遗传算法的特点 | 第33-35页 |
| 第四章 基于遗传算法的排课时间表问题求解 | 第35-55页 |
| ·排课时间表的资源集合 | 第35-36页 |
| ·排课时间表问题的优化目标 | 第36-39页 |
| ·节次优先度 | 第36-37页 |
| ·上课周次组合优先度 | 第37页 |
| ·教师期望时间优先度 | 第37-39页 |
| ·班级日课时分布均匀度 | 第39页 |
| ·基于遗传算法的排课时间表求解算法设计 | 第39-42页 |
| ·算法总体思想 | 第39-40页 |
| ·算法总体框架 | 第40页 |
| ·遗传算法设计 | 第40-42页 |
| ·染色体结构及编码方式 | 第40-42页 |
| ·初始种群的产生 | 第42页 |
| ·适应度函数 | 第42页 |
| ·基于单目标优化的排课时间表求解 | 第42-49页 |
| ·适应度函数设计 | 第42-44页 |
| ·遗传操作 | 第44-46页 |
| ·运算结果与分析 | 第46-49页 |
| ·启发式算法在排课时间表中的应用 | 第49-53页 |
| ·启发式遗传算法的基本原理 | 第49-52页 |
| ·运算结果及分析 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第五章 多目标遗传算法在排课时间表问题中的应用 | 第55-71页 |
| ·多目标优化遗传算法 | 第55-61页 |
| ·多目标优化的基本概念 | 第55-59页 |
| ·MOP的基本求解方法 | 第59-60页 |
| ·多目标优化遗传算法 | 第60页 |
| ·多目标优化遗传算法框架 | 第60-61页 |
| ·向量评价方法在排课时间表问题中应用 | 第61-70页 |
| ·各单目标的排课遗传算法优化 | 第61-64页 |
| ·向量评价遗传算法(VEGA) | 第64-66页 |
| ·基于VEGA的排课时间表算法框架图 | 第66-67页 |
| ·遗传操作 | 第67-68页 |
| ·运算结果及分析 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·全文总结 | 第71页 |
| ·研究展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间参加的科研项目和发表的论文 | 第76-77页 |
| 参加的科研项目 | 第76页 |
| 发表的论文 | 第76-77页 |
| 致谢 | 第77页 |
