摘要：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验,结果表明该算法能够在规定时间内、多约束条件下产生一个近似最优解.

简介：《吉林建筑工程学院学报》是一本有较高学术价值的双月刊，主要刊登土木工程、市政与环境工程、建筑学、材料科学与工程、交通科学与工程、电气与电子信息工程、计算机科学与技术、管理科学与工程、艺术设计、基础科学等与建筑领域相关的学术论文及科研成果，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度，颇受业界和广大读者的关注和好评。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社