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748次。总结起来大概有5种做法:将要处理的文字写到一个资源文件,如string.xml(使用html用法格式化)当文字中出现URL、E-mail、电话号码等的时候,可以将TextView的android:autoLink属性设置为相应的的值,如果是所有的类型都出来就是**android:autoLink="all",当然也可以在java代码里 做,textView01.setAutoLinkMask(Li..._qaction::settext 无法添加下划线
文章浏览阅读6.3k次,点赞2次,收藏10次。摘要: 背景 随着近几年物联网的发展,时序数据迎来了一个不小的爆发。从DB-Engines上近两年的数据库类型增长趋势来看,时序数据库的增长是非常迅猛的。在去年我花了比较长的时间去了解了一些开源时序数据库,写了一个系列的文章(综述、HBase系、Cassandra系、InfluxDB、Prometheus),感兴趣的可以浏览。背景随着近几年物联网的发展,时序数据迎来了一个不小的爆发。从DB..._tablestore 时间类型处理
文章浏览阅读5.7k次,点赞8次,收藏49次。可以编译成功但是运行时段错误查找原因应该是ROS noetic版本中自带的OpenCV4和VINS-mono中需要使用的OpenCV3冲突的问题。为了便于查找问题,我只先编译feature_tracker包。解决思路历程:o想着把OpenCV4相关的库移除掉,但是发现编译feature_tracker的时候仍然会关联到Opencv4的库,查找原因是因为cv_bridge是依赖opencv4的,这样导致同时使用了opencv3和opencv4,因此运行出现段错误。oo进一步想着(1)把vins-mon_uabntu20.04安装vins-mono
文章浏览阅读3.6k次,点赞3次,收藏12次。创龙TL6748开发板中,EMIFA模块使用默认的PLL0_SYSCLK3时钟,使用AISgen for D800K008工具加载C6748配置文件C6748AISgen_456M_config(Configuration files,在TL_TMS6748/images文件夹下),由图可以看到DIV3等于4,注意这里的DIV3就是实际的分频值(x),而不是写入相应PLL寄存器的值(x-1)。_tms 6748
文章浏览阅读5.9k次,点赞4次,收藏13次。转载请说明出处:eigen稀疏矩阵拼接(块操作)eigen稀疏矩阵拼接(块操作)关于稀疏矩阵的块操作:参考官方链接 However, for performance reasons, writing to a sub-sparse-matrix is much more limited, and currently only contiguous sets of columns..._稀疏矩阵拼接
文章浏览阅读946次,点赞19次,收藏19次。波束形成是天线阵列信号处理中的一项关键技术,它通过对来自不同方向的信号进行加权求和,来增强特定方向的信号并抑制其他方向的干扰。本文介绍了两种基于 Capon 和信号子空间的变形算法,即最小方差无失真响应 (MVDR) 算法和最小范数算法,用于实现波束形成。这些算法通过优化波束形成权重向量,来最小化波束形成输出的方差或范数,从而提高波束形成性能。引言波束形成在雷达、声纳、通信和医学成像等众多应用中至关重要。它可以增强目标信号,抑制干扰和噪声,提高系统性能。
文章浏览阅读3.4w次。转自:http://www.linuxidc.com/Linux/2017-07/145335.htm使用Ubuntu开发已经有些时间了。写下这篇文章,希望记录下这一年的小小总结。使用Linux开发有很多坑,同时也有很多有趣的东西,可以编写一些自动化脚本,添加定时器,例如下班定时关机等自动化脚本,同时对于服务器不太了解的朋友,建议也可以拿台Linux来实践下,同时Ubuntu在Androi_ubuntu开发推荐软件
文章浏览阅读2.2k次。一,问题 nginx反向代理后,在应用中取得的ip都是反向代理服务器的ip,取得的域名也是反向代理配置的url的域名,解决该问题,需要在nginx反向代理配置中添加一些配置信息,目的将客户端的真实ip和域名传递到应用程序中。二,解决 Nginx服务器增加转发配置 proxy_set_header Host $host;_nginx获取到的是交换机的ip
文章浏览阅读1.4k次。Wireshark TCP数据包跟踪 还原图片 WinHex简单应用 _wireshark抓包还原图片
文章浏览阅读1.5k次。Win8下安装VS2012时,蓝屏,报错WHEA_UNCORRECTABLE_ERROR(P.S.新的BSOD挺有创意":("),Google之,发现[via]需要BIOS中禁用Intel C-State,有严重Bug的嫌疑哦原因有空再看看..._win8.1 whea_uncorrectable_error蓝屏代码
文章浏览阅读919次,点赞21次,收藏22次。科大讯飞是一家专业从事智能语音及语音技术研究、软件及芯片产品开发、语音信息服务的软件企业,语音技术实现了人机语音交互,使人与机器之间沟通变得像人与人沟通一样简单。语音技术主要包括语音合成和语音识别两项关键技术。此外,语音技术还包括语音编码、音色转换、口语评测、语音消噪和增强等技术,有着广阔的应用。_科大讯飞培训案例
文章浏览阅读4.7k次。Perl是一个高阶程式语言,由 Larry Wall和其他许多人所写,融合了许多语言的特性。它主要是由无所不在的 C语言,其次由 sed、awk,UNIX shell 和至少十数种其他的工具和语言所演化而来。Perl对 process、档案,和文字有很强的处理、变换能力,ActivePerl是一个perl脚本解释器。其包含了包括有 Perl for Win32、Perl for ISAPI、PerlScript、Perl。_perl下载