论文部分内容阅读
本文通过标准遗传算法、佳点集遗传算法、时间规划和遗传规划这四个主题深入探讨了时间规划和演化计算在田径运动会竞赛项目安排中的应用，从中我们学习并了解了时间规划和演化计算的原理和机制。 演化式计算是人工智能研究领域的一项重要学科。现今已经发展出很多方法，但其原理大都来自于自然界生物演化的机制——就是生物学家达尔文提出的“物竞天择，适者生存”的演化论。其中最具代表性、最基本的就是标准遗传算法，在文中我们主要介绍了遗传算法的基本原理、基本操作、基本步骤、一般特点以及遗传算法的发展历史和应用领域。 佳点集遗传算法是在标准遗传算法的理论基础上提出的一种更有效的方法。它采用数论中佳点集的方法来构造新的遗传算子，利用佳点集的性质和特点来提高算法的效率和收敛性，并且已经成功的在一些优化问题中得到了应用，例如背包、货郎担等典型的NP难问题。文中给出了构造佳点集的方法和利用佳点集遗传算法解决问题的具体步骤，并给出了应用于田径运动会竞赛项目安排的例子。 演化式计算的另一种方法就是偏向以程式来表现人工智能行为的遗传规划。它克服了标准遗传算法中染色体结构过于简单的缺点，通过对遗传操作的改进使之能应用于染色体为程式结构时的优化问题，从而推广了演化计算的应用领域。文中以树状染色体为例介绍了遗传规划的原理，并给出了应用遗传规划求解近似函数的例子。 时间规划是人工智能所涉及的特殊的规划领域，它以时间关系约束作为推理的依据。文中在讨论了单成份时间关系下的R_时刻表算法的同时提出了一种新的利用遗传算法来求解多成份时间关系下的R_时刻表的方法，并给出了多成份时间关系的最优单成份分解算法和数学证明，最后通过田径运动会竞赛项目安排的例子说明了这种新方法在具体应用中的可行性。