技术标签: 算法 java 模拟退火算法 贪心算法 课程设计
业务上需要做一个排课系统,先调研了业内友商的排课系统,同时做了算法的对比和可行性分析。
排课任务:设置任务名称、学期、排课年级集合;
节次设置:设置每周上课天数,以及每天上课节次数(上午节次数、下午节次数、晚上节次数);
课程设置:设置排课科目集合,以及各个科目的总课时、连堂课时;
教师设置:设置排课老师集合,以及各个老师所带科目、所带班级;
排课规则设置:
排课算法选择:
贪心算法是一种简单而直观的算法,但它也有一些明显的局限性:
总体而言,贪心算法是一种简单而快速的近似算法,但在解决一些复杂问题时可能表现不佳。在设计算法时,需要仔细考虑问题的特性,选择合适的算法以获得更好的解决方案。
模拟退火算法(Simulated Annealing)是一种基于统计力学中的退火过程的全局优化算法。它被广泛应用于解决组合优化问题,包括排课、旅行商问题等。
基本思想:
主要步骤:
重复迭代: 重复“降温-等温”操作; 温度越高,接受非最优解的概率越大;
关键参数:
优点:
缺点:
遗传算法(Genetic Algorithm)是一种模拟自然进化过程的优化算法,用于解决搜索和优化问题。它受到了达尔文的进化理论的启发,通过模拟基因的遗传、交叉和变异等操作,逐步演化出更好的解。
基本思想:
主要步骤:
关键概念:
优点:
缺点:
采用遗传算法。
总体而言,选择使用遗传算法还是模拟退火算法取决于具体问题的特性和需求。在排课问题中,如果问题具有较多的约束条件、复杂的优化目标、大规模的搜索空间等特点,遗传算法可能更具优势。
优化目标涉及多个约束条件:遗传算法适用于涉及多个约束条件的问题,而排课通常需要考虑教室容量、教师时间表、学生选课等多个约束条件。遗传算法的灵活性可以更好地处理这些复杂的约束。
搜索空间巨大:排课问题的搜索空间可能非常庞大,尤其是在大型学校或机构中。遗传算法能够更有效地搜索大规模的解空间,有助于找到更优的排课方案。
并行处理:遗传算法天生适合并行处理,可以同时处理多个个体,加速搜索过程。这在大规模排课问题中,特别是在考虑多个学院或校区时,可能会提高算法的效率。
组合优化问题:排课通常可以看作是一个组合优化问题,其中需要找到一组教室、时间和教师的组合,以最大程度满足多个约束条件。遗传算法在处理组合优化问题时表现较好。
不确定性和动态性: 排课问题可能面临一些不确定性和动态性,例如学生选课变化、临时调课等。遗传算法具有一定的鲁棒性,能够应对一些变化。
自然选择和适应度评估: 遗传算法的自然选择机制和适应度评估可以更好地模拟进化的过程,有助于找到更合适的排课方案。
交叉和变异操作的灵活性:遗传算法提供了交叉和变异操作,这些操作能够在基因组中引入新的组合,有助于探索更多的解空间。在排课问题中,这种灵活性可能更有利于生成更合理的排课方案。
基因-节次槽
染色体-课表
算法
课程
规则校验
适应度(适应度函数:影响搜索方向)
遗传算法部分代码实现,实现细节因为某些原因未放出;
算法其实不复杂,复杂的是业务部分:构建课表,建立符合业务的适应度函数,各种规则的应用,以及种群演变过程中生产有效个体的逻辑;
@Slf4j
@Data
public abstract class GeneticAlgorithm<T extends Chromosome, C extends AlgorithmContext> {
/**
* 交叉概率
*/
protected float crossoverProbability = 0.8f;
/**
* 变异概率
*/
protected float mutationProbability = 0.05f;
/**
* 变异基因占比
*/
protected float mutationRatio = 0.05f;
/**
* 种群大小
*/
protected int populationSize = 50;
/**
* 迭代次数
*/
protected int iterations = 1000;
/**
* 迭代计数
*/
protected int iterationCount = 0;
/**
* 预期适应度
*/
protected double expectedFitness = 10000d;
/**
* 种群
*/
protected List<T> populations;
/**
* 上下文
*/
protected C context;
/**
* 最佳染色体
*/
protected T bestChromosome;
protected SecureRandom random = new SecureRandom();
public GeneticAlgorithm(C context) {
this.context = context;
}
/**
* 执行算法
*/
public void run() {
// 初始化种群
this.initPopulation();
while (iterationCount < iterations) {
Optional<T> bestChromosomeOptional = this.getBestChromosomeFromPopulation();
if (!bestChromosomeOptional.isPresent()) {
log.info("can't get best chromosome!");
return;
}
bestChromosome = bestChromosomeOptional.get();
log.info("iteration: {}, best fitness: {}", iterationCount, bestChromosome.getFitnessValue());
this.beforeEvolve();
if (isSatisfied()) {
return;
}
// 种群演变
this.evolvePopulation();
iterationCount++;
}
}
/**
* 是否满足
*
* @return
*/
protected boolean isSatisfied() {
if (Objects.nonNull(bestChromosome)
&& bestChromosome.getFitnessValue() >= expectedFitness) {
return true;
}
return false;
}
/**
* 种群演变前操作
* 预留,子类覆盖
*/
protected void beforeEvolve() {
}
/**
* 处理初始化失败
*
* @param invalidChromosome
*/
protected void handleInitFailure(T invalidChromosome) {
// 由具体业务实现
}
/**
* 初始化种群
*/
public void initPopulation() {
populations = new ArrayList<>(populationSize);
for (int i = 0; i < Integer.MAX_VALUE; i++) {
log.info("init population {}", i);
T chromosome = newChromosome();
// 如果达到临界值,还没初始化成功
if (i > populationSize * 5
&& populations.size() == 0) {
handleInitFailure(chromosome);
return;
}
if (!chromosome.isValid()) {
log.info("init population {}, invalid!", i);
continue;
}
populations.add(chromosome);
if (populations.size() == populationSize) {
return;
}
}
}
/**
* 获取种群中适应度最高的染色体
*
* @return
*/
public Optional<T> getBestChromosomeFromPopulation() {
if (CollectionUtils.isEmpty(populations)) {
return Optional.empty();
}
return populations.stream()
.filter(Objects::nonNull)
.reduce((c, c2) -> {
return c.getFitness().compareTo(c2.getFitness()) < 0 ? c2 : c;
});
}
/**
* 种群演变
*/
public void evolvePopulation() {
// 选择种群
// 生成子代
// 产生新种群,并替换
...
}
/**
* 种群选择
* 使用算法:轮盘赌选择
* 适应度较高的个体大概率保留,适应度较低的个体可能淘汰
*
* @return
*/
public List<T> selectPopulation() {
...
}
/**
* 选择交叉的父亲
*
* @return 返回两个染色体
*/
public ChromosomePair<T> selectCrossoverParent() {
...
}
/**
* 是否交叉
*
* @return
*/
public boolean isCrossover() {
float probability = random.nextFloat();
return probability < crossoverProbability;
}
/**
* 是否变异
*
* @return
*/
public boolean isMutation() {
float probability = random.nextFloat();
return probability < mutationProbability;
}
/**
* 创建新的染色体
*
* @return
*/
abstract T newChromosome();
/**
* 交叉
*
* @param t1
* @param t2
* @return
*/
abstract ChromosomePair<T> crossover(T t1, T t2);
/**
* 突变
*
* @param t
* @return
*/
abstract T mutation(T t);
}
文章浏览阅读3.2w次,点赞16次,收藏90次。对于这个问题我也是从网上找了很久,终于解决了这个问题。首先遇到这个问题,应该确认虚拟机能不能正常的上网,就需要ping 网关,如果能ping通说明能正常上网,不过首先要用命令route -n来查看自己的网关,如下图:第一行就是默认网关。现在用命令ping 192.168.1.1来看一下结果:然后可以看一下电脑上面百度的ip是多少可以在linux里面ping 这个IP,结果如下:..._linux桥接ping不通baidu
文章浏览阅读512次。小妹在这里已经卡了2-3天了,研究了很多人的文章,除了低版本api 17有成功外,其他的不是channel null 就是没反应 (channel null已解决)拜托各位大大,帮小妹一下,以下是我的程式跟 gradle, 我在这里卡好久又没有人可问(哭)![image](/img/bVcL0Qo)public class MainActivity extends AppCompatActivit..._android 权限申请弹窗 横屏
文章浏览阅读1.4k次,点赞4次,收藏6次。valid padding(有效填充):完全不使用填充。half/same padding(半填充/相同填充):保证输入和输出的feature map尺寸相同。full padding(全填充):在卷积操作过程中,每个像素在每个方向上被访问的次数相同。arbitrary padding(任意填充):人为设定填充。..._cnn “相同填充”(same padding)
文章浏览阅读790次,点赞29次,收藏28次。手绘了下图所示的kafka知识大纲流程图(xmind文件不能上传,导出图片展现),但都可提供源文件给每位爱学习的朋友一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长![外链图片转存中…(img-Qpoc4gOu-1712656009273)][外链图片转存中…(img-bSWbNeGN-1712656009274)]
文章浏览阅读469次。Date对象取得年份有getYear和getFullYear两种方法经 测试var d=new Date;alert(d.getYear())在IE中返回 2009,在Firefox中会返回109。经查询手册,getYear在Firefox下返回的是距1900年1月1日的年份,这是一个过时而不被推荐的方法。而alert(d.getFullYear())在IE和FF中都会返回2009。因此,无论何时都应使用getFullYear来替代getYear方法。例如:2016年用 getFullYea_getyear和getfullyear
文章浏览阅读182次。Unix传奇(上篇) 陈皓 了解过去,我们才能知其然,更知所以然。总结过去,我们才会知道我们明天该如何去规划,该如何去走。在时间的滚轮中,许许多的东西就像流星一样一闪而逝,而有些东西却能经受着时间的考验散发着经久的魅力,让人津津乐道,流传至今。要知道明天怎么去选择,怎么去做,不是盲目地跟从今天各种各样琳琅满目前沿技术,而应该是去 —— 认认真真地了解和回顾历史。 Unix是目前还在存活的操作系_unix传奇pdf
文章浏览阅读308次。哈希算法:将字符串映射为数字形式,十分巧妙,一般运用为进制数,进制据前人经验,一般为131,1331时重复率很低,由于字符串的数字和会很大,所以一般为了方便,一般定义为unsigned long long,爆掉时,即为对 2^64 取模,可以对于任意子序列的值进行映射为数字进而进行判断入门题目链接:AC代码:#include<bits/stdc++.h>using na..._ac算法 哈希
文章浏览阅读952次,点赞13次,收藏27次。由于觉得Qt的编辑界面比较丑,所以想用vs2022的编辑器写Qt加MySQL的项目。_在vs中 如何装qt5sqlmysql模块
文章浏览阅读1k次。选择题题目:下面的哪个调研内容属于经济环境调研?()题目:()的目的就是加强与客户的沟通,它是是网络媒体也是网络营销的最重要特性。题目:4Ps策略中4P是指产品、价格、顾客和促销。题目:网络市场调研是目前最为先进的市场调研手段,没有任何的缺点或不足之处。题目:市场定位的基本参数有题目:市场需求调研可以掌握()等信息。题目:在开展企业网站建设时应做好以下哪几个工作。()题目:对企业网站首页的优化中,一定要注意下面哪几个方面的优化。()题目:()的主要作用是增进顾客关系,提供顾客服务,提升企业_画中画广告之所以能有较高的点击率,主要由于它具有以下特点
文章浏览阅读1k次,点赞2次,收藏5次。以爬取CSDN为例子:第一步:导入请求库第二步:打开请求网址第三步:打印源码import urllib.requestresponse=urllib.request.urlopen("https://www.csdn.net/?spm=1011.2124.3001.5359")print(response.read().decode('utf-8'))结果大概就是这个样子:好的,继续,看看打印的是什么类型的:import urllib.requestresponse=urllib.r_urlopen the read operation timed out
文章浏览阅读304次。修正sina.com/sina.cn邮箱获取不到联系人,并精简修改了其他邮箱代码,以下就是升级版版本的介绍:完整版本,整合了包括读取邮箱通讯录、MSN好友列表的的功能,目前读取邮箱通讯录支持如下邮箱:gmail(Y)、hotmail(Y)、 live(Y)、tom(Y)、yahoo(Y)(有点慢)、 sina(Y)、163(Y)、126(Y)、yeah(Y)、sohu(Y) 读取后可以发送邮件(完..._通讯录 应用读取 邮件 的相关
文章浏览阅读213次。云计算及虚拟化教程学习云计算、虚拟化和计算机网络的基本概念。此视频教程共2.0小时,中英双语字幕,画质清晰无水印,源码附件全课程英文名:Cloud Computing and Virtualization An Introduction百度网盘地址:https://pan.baidu.com/s/1lrak60XOGEqMOI6lXYf6TQ?pwd=ns0j课程介绍:https://www.aihorizon.cn/72云计算:概念、定义、云类型和服务部署模型。虚拟化的概念使用 Type-2 Hyperv_云计算与虚拟化技术 教改