学位论文 > 优秀研究生学位论文题录展示
基于线性规划模型和蚁群算法的智能排课系统
作 者: 苏明杰
导 师: 陈建勋
学 校: 武汉科技大学
专 业: 计算机应用技术
关键词: 智能排课系统 资源设置 线性规划模型 蚁群算法 排课模板
分类号: TP391.6
类 型: 硕士论文
年 份: 2011年
下 载: 181次
引 用: 0次
阅 读: 论文下载
内容摘要
高等学校智能排课系统具有其固有的复杂性,其本质是一个多资源约束分配问题,需要周密的思考和研究以及不断的实践过程。高校排课是教学运行管理中非常重要的环节之一,排课系统中涉及的资源包括教师、教室、课程、班级、时间段五个元素,而这些资源都是有限的,怎样准确、合理、快速无误地编排好课表已成为高校管理中一大热点和难点。本文从高校本身出发,分析了高校排课中的原则和约束条件,保证排课系统更加完善、人性化。通过设计系统逻辑模型,分析给出系统功能模块,将信息数据结合,定义课程难度值(Difficult Value)来确定课程的优先级别,保证系统的良好运行,同时,设计出系统的数据库,以及数据库中各个资源信息的关系,便于系统结构的应用和数据库信息的高效利用。本文设计了系统的体系结构和模块,通过UML统一建模语言进行数学模型建立,分析五个资源的关系进行资源设置,建立基于线性规划的数学模型,并通过空间模型进行辅助,使得模型更加形象具体。在此基础上通过变量和决策变量的选择,运用蚁群算法,进行随机搜索,根据线性规划模型中的目标函数,放置人工蚂蚁,选择n个变量成n级决策变量来计算课程的编排。同时,提出了排课模板思想,减少不必要的重复性工作,提高系统的运行速度;通过引入适应度函数,给出评判系统优良性的标准,以及处理问题的方法。实际结果表明,该模型能很好表示排课问题,排课结果表明算法是有效的。
|
全文目录
摘要 4-5 Abstract 5-8 第一章 绪论 8-12 1.1 排课系统的现状 8-9 1.2 排课难点分析 9 1.3 基于本校的排课要求 9-10 1.4 本文的主要工作及结构安排 10-12 1.4.1 本文的主要工作 10 1.4.2 本文的结构安排 10-12 第二章 排课系统的原则及约束条件 12-16 2.1 排课的约束条件 12 2.2 排课的原则及满足条件 12-14 2.2.1 排课的原则 12-13 2.2.2 排课的满足条件 13-14 2.3 系统性能要求 14 2.4 系统的开发环境 14-15 2.4.1 系统数据库的选择 14 2.4.2 系统开发环境 14-15 2.5 本章小结 15-16 第三章 系统的前期设计 16-25 3.1 系统逻辑模型 16 3.2 系统功能模块分析 16-17 3.3 系统数据库分析 17-22 3.3.1 数据库前期分析 17-19 3.3.2 合班问题 19 3.3.3 学期的计算 19 3.3.4 课程难度值 19-20 3.3.5 系统实现需要的数据库表信息及信息写入过程 20-21 3.3.6 系统中需要注意及解决的问题 21-22 3.4 各数据库表之间的关系 22 3.5 自动排课系统的遍历过程 22-24 3.6 本章小结 24-25 第四章 系统模型设计及算法分析 25-44 4.1 系统设计 25-27 4.1.1 排课系统的体系结构 25-26 4.1.2 排课系统模块设计 26-27 4.2 系统的UML 基本模型设计 27-30 4.2.1 UML 简介 27 4.2.2 系统UML 模型设计 27-30 4.3 系统数学模型 30-34 4.3.1 系统数学模型 30-32 4.3.2 数学模型设计 32-33 4.3.3 空间模型辅助 33-34 4.4 算法设计 34-38 4.4.1 蚁群算法 34-35 4.4.2 蚁群算法设计 35-36 4.4.3 算法分析 36-38 4.5 排课模板的思想 38-39 4.5.1 排课中的各个因素分析 38 4.5.2 排课模版的讨论 38-39 4.6 死锁问题的处理 39-40 4.6.1 时间段死锁 39-40 4.6.2 教室死锁 40 4.6.3 死锁的处理方法 40 4.7 实验结果 40-43 4.8 本章小结 43-44 第五章 系统性能的评判标准 44-47 5.1 排课系统的评判标准 44-45 5.2 本章小结 45-47 第六章 总结与展望 47-48 6.1 总结 47 6.2 展望 47-48 参考文献 48-51 致谢 51-52 附录A 攻读学位期间发表的论文 52-53 大摘要 53-56
|
相似论文
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
- 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
- 基于Web日志的用户挖掘研究与实现,TP311.13
- 基于蚁群和人工鱼群混合群智能算法在物流配送路径优化问题中的应用研究,F253.9
- 群体智能优化算法的研究及应用,TP301.6
- 基于改进蚁群算法的移动机器人路径规划问题研究,TP242
- 基于自然计算的WSN路由技术研究,TN929.5
- 基于改良蚁群算法的神经网络分类规则提取,TP183
- 手背静脉图像的分类和匹配技术研究,TP391.41
- 基于协同理论的零售商贸物流发展模式研究,F721
- 基于ZigBee协议的移动传感器网络覆盖问题的研究,TP212.9
- 粗糙集与蚁群算法在网络社区结构发现中的应用研究,TP393.02
- 基于ACO的自组网QoS组播路由算法研究,TN929.5
- 蚁群算法与A*算法在Ad-Hoc网络中的应用研究,TN929.5
- 改进蚁群算法在盲均衡中的应用,TN911.5
- 电力系统机组组合问题的研究,TM732
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 教学机、学习机
© 2012 www.xueweilunwen.com
|