基于遗传算法的自习时间科学规划小程序,本文是遗传算法方面有关本科论文范文跟遗传算法和科学规划和小程序类在职研究生论文范文.
遗传算法论文参考文献：
湖南宁乡一中 李梓睿
【摘 要】本文基于经典的优化算法——遗传算法,对高中生合理安排自习的问题进行了问题的建立与优化结果的实现.在得到可靠的优化结果后建立了更为直观的可视化界面,可以更为方便的对高中课程进行安排,从而提高了高中生的自习效率.
【关键词】优化；遗传算法；matlab
1.前言
在紧张的高中学习生活中,合理安排自习时间是非常必要的.在晚自习中,我经常会遇到在做一门课程的过程中遇到课间,因此学习的连贯性无法得到保障.也因此经常会出现正在思考一道难题而思路被打断,这对于学习效率的提升是没有好处的.但是,只要我们提前预计好每一门课程的学习时间,是可以通过合理的途径安排好不同的课程作业的完成顺序,这样便能够减少学习时间的“碎片化”,同时还可以进行一些细节的规划.笔者利用平日里自学的算法方面的知识,在老师的帮助下学习了一些关于matlab的编程技巧,进而对这个与高中学习密切相关的问题进行了研究.
2.遗传模型的建立
遗传算法是一类借鉴生物界自然选择机制的随机搜索算法,与传统搜索算法不同,遗传算法从随机产生的初始解开始搜索,通过一定的选择、交叉、好坏用适应度值来衡量,从上一代选出一定数量的优秀个体,同时产生部分变异形成下一代群体.
首先是编码问题,在本文中,主要研究的课程安排为我们平日里学习的九门：语文,数学,英语,物理,化学,生物,政治,历史,地理.为了方便编程计算,将其简称为课程1~9,其对应关系为：语文1,数学2,英语3,物理4,化学5,生物6,政治7,历史8,地理9.
每个个体便是由九门课程的不同排列顺序组成,例如123456789便代表自习课上按照语文、数学顺序至地理的方式来进行学习,由于每一个位置都有不同的可能性,因此最多会有种可能性,我们需要针对问题本身对这些可能性进行比较,得到最优的结果.
适应度的设置主要由以下几个部分组成
1）由于可能会有课程被课间分成两部分,取时间较小的一部分为自习碎片时间,由2~3节自习课产生的碎片时间总和来考虑该个体是否适应度高.
2）为了保证知识的连贯性,根据部分科目的相似性,将优先考虑几种课程连续学习的个体,例如：语文同英语连续学习,数学与物理连续学习,这种个体的适应度也将提高.
3）对于大多数理科生来说,文科一直是比较头疼的问题,因此最好将政治、历史与地理分开自习,即尽量避免其连续学习的情况.
交叉操作是指从种群中随机抽取两个个体,在任意两个位置中间进行编码的互换,这样可以保证个体的多样性,为提高我们优化的效率提供保证.变异操作也是如此,我们将随机选取一个个体并将其任意两个位置上的编码进行互换,类似于染色体的变异进程.
3.实际问题的建立与求解
基于我之前的立意以及自己的实际学习情况,要利用遗传算法解决的问题具体描述如下：
假定每一节自习课的时长为50分钟,还未进行自习,为了模拟时间的真实性,预计课程学习时间分别为：语文21分钟,数学17分钟,英语20分钟,物理21分钟,化学13分钟,生物11分钟,政治17分钟,历史10分钟,地理5分钟.
遗传算法的设定条件为：
1）种群大小为30.
2）交叉概率为0.3.
3）变异概率为0.01.
4）最大遗传代数为100.
代入编写好的matlab程序进行求解,得到结果如下：
1.根据时间碎片随遗传迭代次数变化图,我们发现从初始生成的种群已经有较为优异的个体（时间碎片仅有3分钟）,但是随着几十步的遗传迭代优化,碎片时间进一步下降到1分钟,这几乎等于没有受到课间的干扰,极大的增加了学习效率.
2.最佳的自习排列顺序经过优化,得到的最佳顺序是：语文,英语,历史,数学,政治,生物,物理,地理,化学从上面结果可以看出,优化后结果还是比较理想的,语文与英语进行了连续学习,这样可以保持一个较好的语言学习思维,同时政治、历史、地理分开进行学习,达到了优化预期的效果.
4.程序的可视化
程序的主体已经基本上完成了,但是如果在平时的学习中每次都要运行这个程序进行计算的话会非常麻烦,因此我还建立了一个简易的带有界面的小程序,这样可以方便我们即时进行查询与参考.
利用matlab的graphic user interface（用户界面程序）工具包, 可以在程序界面左边的空白栏分别输入九门课程的预计学习时间,输入完毕后点击按钮“让我学习更有效率！”便可自行调用优化程序进行计算,计算结果将在右边栏“建议学习顺序”进行显示.由于遗传算法的稳定性,其可以保证显示的学习顺序基本上满足我们的优化要求.
5.总结
本文基于遗传算法的思想,针对我们高中生平日里最重视的自习时间安排进行了合理的优化.“工欲善其事,必先利其器”,我们只有掌握了科学的方法,才能让我们的自习不会变得盲目,从而提高我们的学习效率.
未来这个方法还可以在几个方面进行改进,从而更加贴近我们的高中学习状况,改进的方法主要有：
1）由于学习时间的不确定性,程序可以增加一个功能：实际完成了几门课程的学习后可以进行一个更新,重新进行自习课程的优化,这样可以避免由于偶然性而导致学习计划出现问题,增加可实现性.
2）可以将每门课程的学习时间分为做作业与预习,可以在所有作业完成以后,再额外进行预习时间的安排,这样可以保证课程作业的按时上交.
这次想法的实现大大的提升了我的逻辑思维能力,同时也培养了我的科学研究精神.智慧来源于生活,有时候多留心生活,勤思考的确会有很大的收获.
【作者简介】
李梓睿（1999年-）,男,湖南长沙人,汉族,研究方向:理科.
归纳总结:此文是关于遗传算法方面的大学硕士和本科毕业论文以及遗传算法和科学规划和小程序相关遗传算法论文开题报告范文和职称论文写作参考文献资料.
科学规划农田林网建设保障农业生产顺利实施
许国才（高台县宣化镇农业综合服务中心,甘肃张掖734308）摘要营造农田林网是顺利实现农业现代化的重要手段,自从我国加入世贸组织,农村大力推行产业结构调整优化,单一农业逐渐演变成多元化农业,大力提倡植.
基于遗传算法的智能组卷考试系统设计
摘要本文中首先对智能组卷考试系统的需求性、功能性进行分析,并结合遗传算法的独特优势,设计出基于遗传算法的高校在线考试系统 经过实际应用后发现,该在线考试系统具有组卷效果好、系统易于维护以及操作界面友好.
基于遗传算法优化和BP神经网络的中长期负荷联合预测
摘 要 传统的BP 神经网络负荷预测存在学习速度慢、局部极小……缺陷,已无法满足现代电力负荷预测的精度要求 基于此,本文首先在分析了BP 神经网络的预测原理和不足的基础上,阐述了遗传算法的原理及优化步.
基于遗传算法的智能组卷考试系统
摘 要 近年来,计算机技术飞速发展,在各个领域广泛应用,尤其在考试中的应用可提高组卷的灵活性及评卷效率 本文探讨基于遗传算法的智能组卷系统,以供参考 关键词 遗传算法；智能组卷；考试系统研究中图分类号.