论文部分内容阅读
智能组卷算法在当今教学中起到很大的作用,该算法主要是要解决多元约束条件下组卷过程中存在的多目标优化问题.本文旨在结合蚁群算法(Ant Colony Algorithms简称ACO)并行性和遗传算法(Genetic Algorithm简称GA)的可扩展性等优点来尽可能的解决组卷的优化问题.该算法的主要有两个步骤,其一是用遗传算法的搜索最优解的特性找到一个一般的可行解;其二用得到的可行解来初始化蚁群算法的信息素等值,利用蚁群算法的正反馈性的特定来优化可行解,从而得到最优解.对该算法进行了计算机自动组卷的仿真实