【摘要】：隨著高校的擴招,在校學生人數劇增,而教學資源有限,使學校的考場編排工作成了一個難題。人工編排已經不能適應現代考場編排工作,人們將計算機技術引入考場編排過程中,使考場編排工作自動化,不僅省時省力,編排效果也好,解決了人工編排過程中出現的許多困難。本文對考場編排問題進行了分析,討論了考場編排過程中所涉及的因素,給出了考場編排的規(guī)則和要求,介紹了幾種考場編排算法;對蟻群算法的原理、優(yōu)缺點進行了分析,討論了蟻群算法的研究進展,給出了蟻群算法的數學模型和蟻群算法的流程圖,介紹了蟻群算法的應用;對考場編排問題進行了分析,給出了考場編排問題的數學描述和約束描述,研究了考場編排問題的二部圖模型;對考場編排問題的蟻群算法應用進行了分析,給出了蟻群算法解決考場編排問題的流程圖;對考場編排的一個應用實例進行了分析,討論了蟻群算法解決考場編排問題中的參數影響。本文將考場編排問題轉變?yōu)槎繄D的匹配問題,大大降低了算法的復雜度,應用蟻群算法可以對考場編排問題進行優(yōu)化,得到較優(yōu)解,可使考場編排的效果更好,從而提高考試的質量。
【圖文】：

法原理食行為是第一個被生態(tài)學家研究的行為，螞蟻總是能找到一條路徑。從螞蟻覓食行為受到啟示，Marco Dorigo 首次法模型[7]。從此，科學家對蟻群算法的研究取得進一步的何找到食物和蟻穴之間的最短路徑的呢？通過對螞蟻覓食覓食行為是隨機的，當螞蟻發(fā)現食物以后，行為就會逐漸的螞蟻都經過相同的路徑，經過一段時間之后，所有的螞徑。這是因為螞蟻散發(fā)一種名為信息素的外激素，通過信食物源，同伙接收到信息素的信息之后，就沿著這條路徑最短路徑上的信息素濃度越來越大，就會有越來越多的螞是一種正反饋機制。 所示為螞蟻覓食的過程。圖 3-1(a)表示螞蟻可以在食物源徑；圖 3-1(b)表示當食物和蟻穴之間出現障礙物時，螞蟻；圖 3-1(c)表示當某一條路徑上的螞蟻越來越多時，后來越多的情況。

10圖 3-2 螞蟻覓食原理如圖 3-2 所示，假設 A 為蟻穴，F 為食物源，d 表示兩者之間的距離，共有20 只螞蟻參加覓食過程。如圖 3-2(a)所示，在 t=0 時刻，有 20 只螞蟻準備開始出發(fā)，很明顯，在螞蟻出發(fā)之前，所有的路徑上都沒有信息素。如圖 3-2(b)所示，在 t=1 時刻，所有的螞蟻從蟻穴 A 出發(fā)，到達 B 點，在 點螞蟻面臨選擇，而此時所有路徑上的信息素都為 0，，所以螞蟻以相同的概率選擇路徑，每側將有 10 只螞蟻經過。如圖 3-2(c)所示，在 t=4 時刻，右側的 10 只螞蟻到達食物源，而左側的 10只螞蟻剛到達 C 點。如圖 3-2(d)所示，在 t=5 時刻，從右側經過的螞蟻找到食物源返回并到達 點，左側的螞蟻剛好也到達 E 點，兩支螞蟻在 E 點相遇，這時候，兩條路徑上的
【學位授予單位】：江西師范大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP18

【相似文獻】

相關期刊論文 前10條

1 楊彥紅;;算法分析與設計(雙語)課程實踐教學模式探索[J];中國管理信息化;2017年19期

2 李紹靜;許海洋;呂建波;;應用型人才培養(yǎng)中《算法分析與設計》課程教學方法研究[J];科技資訊;2017年04期

3 劉子旋;;中國古代算法的探究與模型建立[J];中華少年;2017年04期

4 曹千秋;;求離散點最小包圍圓在算法初步教學中的案例分析[J];中華少年;2017年11期

5 郭亞玲;;算法初步的幾個著力點[J];高中生學習(試題研究);2017年09期

6 楊波;肖自碧;;信息與計算科學專業(yè)“算法分析與設計”研究性教學探索[J];中國電力教育;2013年01期

7 鄭大偉;董大南;;自回歸譜估計的Marple算法及其在天文資料分析中的應用[J];天文學報;1987年04期

8 鄭卓嘉,吳佑壽,李叔梁;計算機三維逼真圖形顯示的一種改進算法[J];計算機學報;1988年01期

9 廖先n\;趙先銘;張赤紅;;分布式計算機系統(tǒng)容錯互斥算法[J];計算機研究與發(fā)展;1988年07期

10 李玉忱;徐恭學;;特殊數據的排序方法[J];山東工業(yè)大學學報;1988年03期

相關會議論文 前10條

1 唐乾玉;陳翰馥;;用擾動分析的優(yōu)化算法的收斂性——PARMSR算法分析[A];1993年控制理論及其應用年會論文集[C];1993年

2 劉遠新;鄧飛其;羅艷輝;舒添慧;;ERP柔性平臺下物流運輸配送系統(tǒng)算法分析[A];第二十六屆中國控制會議論文集[C];2007年

3 柳俊;周斌;黃九鳴;;基于二部圖投影的微博事件關聯(lián)分析方法研究[A];第29次全國計算機安全學術交流會論文集[C];2014年

4 常迎香;;一類無完美匹配的二部圖[A];中國運籌學會第七屆學術交流會論文集（中卷）[C];2004年

5 王巍;楊武;張樂君;鄭軍;;支持網絡話題管理的文本挖掘算法分析[A];全國網絡與信息安全技術研討會論文集（下冊）[C];2007年

6 王曉剛;王耀興;;RIM算法分析及優(yōu)化方案[A];2016山西省通信學會學術年會論文集[C];2016年

7 馬興;羅恒;魯建壯;;ECC校驗的算法分析與設計實現[A];第十八屆計算機工程與工藝年會暨第四屆微處理器技術論壇論文集[C];2014年

8 李海亮;趙轉萍;;用于圓檢測的Hough變換和改進算法分析[A];江蘇省計量測試學會2005年論文集[C];2005年

9 董濱;趙慶衛(wèi);顏永紅;;發(fā)音質量自動評估的現有算法分析[A];第八屆全國人機語音通訊學術會議論文集[C];2005年

10 宋欣;王娟;張斌;葉世偉;;流形學習算法分析及在人臉數據庫上的應用[A];2008年全國開放式分布與并行計算機學術會議論文集(上冊)[C];2008年

相關重要報紙文章 前2條

1 本報記者 李新玲;《算法帝國》預測機器可能統(tǒng)治世界[N];中國青年報;2014年

2 科文;VIXD算法分析Web異常[N];中國計算機報;2008年

相關博士學位論文 前10條

1 蘇敏;無條件穩(wěn)定的LOD-FDTD算法研究[D];國防科學技術大學;2016年

2 呂翠翠;基于壓縮感知的無線傳感器網絡數據采集算法研究[D];哈爾濱工業(yè)大學;2017年

3 康嵐蘭;粒子群優(yōu)化算法若干改進策略及其機理分析[D];武漢大學;2017年

4 盧思超;食品冷鏈運輸相關優(yōu)化模型及算法研究[D];北京交通大學;2018年

5 付鈺;面向物聯(lián)網的RFID標簽識別算法研究[D];吉林大學;2018年

6 謝剛;免疫思維進化算法及其工程應用[D];太原理工大學;2006年

7 于濱;城市公交系統(tǒng)模型與算法研究[D];大連理工大學;2006年

8 陳耿;面向中觀審計的規(guī)則發(fā)現算法研究[D];東南大學;2005年

9 李寧;粒子群優(yōu)化算法的理論分析與應用研究[D];華中科技大學;2006年

10 黃訓誠;基于蟻群算法的超大規(guī)模集成電路布線研究[D];西安電子科技大學;2007年

相關碩士學位論文 前10條

1 張歡;基于蟻群算法的考場編排問題研究[D];江西師范大學;2017年

2 劉康;壓縮感知中塊結構字典學習算法的改進與應用[D];遼寧工程技術大學;2017年

3 范京;基于碼本模型的目標檢測算法改進及跟蹤算法研究[D];福州大學;2017年

4 郭冬寶;改進螢火蟲算法及其在約束優(yōu)化中的應用[D];暨南大學;2018年

5 侯立夫;基于決策樹量化的行車路線規(guī)劃算法研究與實現[D];北京工業(yè)大學;2018年

6 李宗澤;基于數據多重密度特性的自適應半監(jiān)督聚類算法[D];云南大學;2017年

7 王義宗;化學圖論算法和大規(guī)模圖染色算法研究[D];蘭州交通大學;2018年

8 陶斯涵;氨基酸網絡比對的算法研究[D];江南大學;2018年

9 劉軍;基于多目標蟻群算法的車間設施布局方法研究[D];南京信息工程大學;2018年

10 彭麗君;電力系統(tǒng)有功優(yōu)化經典算法的研究[D];南昌大學;2018年

本文編號：2519976