❶ 基於遺傳演算法的自動組卷系統的設計與實現（畢業設計） 求大神給一個系統
請問最後您是用什麼方式實現的呢，不知是否保留代碼？誠求！（價錢可繼續商議）
❷ 導師對申請專業碩士學位論文導師的評語怎麼寫
導師意見：包括申請人的理論水平、研究能力、外語程度、學術作風及論文的學術水平，論文是否由本人獨立完成、是否同意進行論文答辯和申請學位等
1、某某同志在攻讀碩士學位期間，學習態度端正，嚴格要求自己，學習成績優良。同時能夠良好運用所學基礎理論和專業知識，把握相關研究領域的學科研究現狀，運用先進的計算工具進行相關研究工作，理論水平較好，具有一定的從事采礦工程專業相關領域的研究能力。
2、該生攻讀碩士學位期間公開發表了這篇論文，同時學位論文中的中英文翻譯較為恰當、准確，表明劉帆同志具有良好的外語程度。
3、學位論文提出了技術並對其機理進行了分析，引文完整規范，表明作者具有較好的學術作風，研究結果具有一定的理論和應用價值，具有一定的學術水平。
4、學位論文由某某同志獨立完成，同意某某進行碩士學位論文答辯，同意申請碩士學位。
5、本文研究了XXXX，對處理會計信息失真有較強的實用價值，提供了新的依據。作者思路清晰，論述過程嚴謹，分析合理，結果於實際應用性較強。論文寫作規范，語句通順，達到了學校對學位論文的各種要求。
❸ 數學與應用數學畢業論文開題報告的總體安排進步怎麼寫
示例一題目：基於遺傳演算法的混合需求VRP問題優化研究評價內容評價指標開題報告能獨立查閱文獻和從事其他調研；能正確翻譯外文資料；能較好提出課題的開題報告；綜合分析的正確性和設計、計算的正確性；論證的充分性業務水平有扎實的基礎理論知識和專業知識；能正確設計實驗方案（或正確建立數學模型、機械結構方案）；獨立進行實驗工作；能運用所學知識和技能去發現與解決實際問題；能正確處理實驗數據；能對課題進行理論分析，得出有價值的結論；有較好的專業外語水平論文質量綜述簡練完整，有見解；立論正確，論述充分，結論嚴謹合理；實驗正確，分析處理科學；文字通順，技術用語准確，符號統一，編號齊全，書寫工整規范，圖表完備、整潔、正確；論文結果有應用價值；計算及測試結果准確；工作中有創新意識；對前人工作有改進或突破，或有獨特見解；工作量、工作態度按期完成規定的任務，工作量飽滿，難度較大；工作努力，遵守紀律；工作作風嚴謹務實導師評語論文介紹了送貨問題和取貨問題同時存在的混合需求VRP問題，並設計了相應的遺傳演算法，通過C編程進行實驗，試驗結果表明所設計的遺傳演算法是可行和有效的。論文選題有一定的理論價值和實際意義，結構合理，邏輯清晰，格式較規范。示例二題目：供應鏈風險形成機理及防範對策研究評價內容評價指標能獨立查閱文獻和從事其他調研；能正確翻譯外文資料；能較好提出課題的開題報告；綜合分析的正確性和設計、計算的正確性；論證的充分性業務水平有扎實的基礎理論知識和專業知識；能正確設計實驗方案（或正確建立數學模型、機械結構方案）；獨立進行實驗工作；能運用所學知識和技能去發現與解決實際問題；能正確處理實驗數據；能對課題進行理論分析，得出有價值的結論；有較好的專業外語水平論文質量綜述簡練完整，有見解；立論正確，論述充分，結論嚴謹合理；實驗正確，分析處理科學；文字通順，技術用語准確，符號統一，編號齊全，書寫工整規范，圖表完備、整潔、正確；論文結果有應用價值；計算及測試結果准確；工作中有創新意識；對前人工作有改進或突破，或有獨特見解；工作量、工作態度按期完成規定的任務，工作量飽滿，難度較大；工作努力，遵守紀律；工作作風嚴謹務實導師評語該生論文選題新穎，條理清楚，結構明確，重點突出。文章在對國內外有關供應鏈風險管理的研究現狀進行評述的基礎上，分析了供應鏈風險產生的機理並對其分類，最後針對供應鏈風險提出了幾點預防和控制措施。在論文撰寫期間，該生能夠認真遵守學院的各項規章制度，按時提交論文初稿，虛心聽取指導老師的意見和建議，並及時認真修改。態度端正，表現良好。
❹ 基於遺傳演算法的水文頻率計算與研究
對廣西壯族自治區梧州藤縣大任河水庫1966～2005年年最大24h降雨量進行分析研究，根據經驗，採用P-Ⅲ型曲線對降雨量分布點據進行擬合，運用矩法、概率權重矩法、單權函數法、雙權函數法對P-Ⅲ型曲線的三個參數初估，把P-Ⅲ型曲線的三個參數作為GA的決策變數，分析調整得到GA決策變數的取值范圍，最後，通過GA優化決策變數的取值，計算得出設計洪水，並進行了合理性分析。結論如下:
1)採用矩法、概率權重矩法、單權函數法和雙權函數法，初估P-Ⅲ型分布曲線的三個參數，通過適當的調整，來確定GA的決策變數的取值范圍。預先設定了12組GA運行參數，從12次的程序調試運行成果中，分析確定合適的運行參數取值范圍;GA程序調試過程表明，初始的種群數要足夠大，才能保證交叉和變異操作的有效進行;初始的種群數太小，交叉和變異操作後的個體缺乏多樣性，不利於程序搜索最優點。種群規模足夠大，交叉概率為0.6和0.8時，對適應度函數收斂曲線的影響不是很大，而變異概率過大，適應度函數收斂曲線上下波動大。在實際操作中，GA的運行參數中的種群規模、交叉概率和變異概率三者之間是相互約束的。一般來說，當種群規模大時，交叉概率就相應的選擇小一點的值，但也並非一成不變，需要從整體上考慮，找出其中的平衡點，目前並沒有完善的理論加以指導，還得根據實際問題，反復不停的調試，最終才能發現適合實際情況的GA運行參數。
2)GA是一種新的自適應搜索方法，它是建立在生物遺傳學和計算機的基礎上，通過運用雜交、變異兩種運算元作為搜索工具，用適應度的函數對搜索到的解的質量進行評價，並根據評價的結果用選擇運算元來引導以後的搜索方向。
3)GA擬合曲線的精度較高，30次計算成果的相對誤差都在允許的偏差的范圍內， GA計算有效性的合格率為70%，總體上優於雙權函數法，實際應用時，需根據實際的計算結果，選擇精度高(平均相對誤差較小)的一次運算作為計算依據;同時，由於GA以及其在水文水資源系統工程中的應用尚未成熟，所以實際計算應結合計算精度也較高的雙權函數法進行比較，GA的計算可以作為一種參考，或在綜合比較和論證的情況下作為設計依據。
❺ 代碼！！！－－基於遺傳演算法在路徑規劃優化中的應用
遺傳演算法， 是人工智慧的一種演算法的。
以前圖書館有看到， 很多相關的書的，不要寄望於自己什麼都不做，就找人家幫忙啦。
❻ 遺傳演算法在組卷中是如何體現的
是一種並行的、能夠有效優化的演算法，以morgan的基因理論及eldridge 與gould間斷平衡理論為依據，同時融合了mayr的邊緣物種形成理論和bertalanffv一般系統理論的一些思想，模擬達爾文的自然界遺傳學：繼承（基因遺傳）、進化（基因突變）優勝劣汰（優的基因大量被遺傳復制，劣的基因較少被遺傳復制）。其實質就是一種把自然界有機體的優勝劣汰的自然選擇、適者生存的進化機制與同一群體中個體與個體間的隨機信息交換機制相結合的搜索演算法。運用遺傳演算法求解問題首先需將所要求解的問題表示成二進制編碼，然後根據環境進行基本的操作：selection，crossover，mutation……這樣進行不斷的所謂「生存選擇」，最後收斂到一個最適應環境條件的個體上，得到問題的最優解。
❼ 論文中期檢查表擬採取的研究方法和可行性分析怎麼寫
示例一
題目：基於遺傳演算法的混合需求VRP問題優化研究
評價內容 評價指標
開題報告
能獨立查閱文獻和從事其他調研；能正確翻譯外文資料；能較好提出課題的開題報告；綜合分析的正確性和設計、計算的正確性；論證的充分性
業務水平
有扎實的基礎理論知識和專業知識；能正確設計實驗方案（或正確建立數學模型、機械結構方案）；獨立進行實驗工作；能運用所學知識和技能去發現與解決實際問題；能正確處理實驗數據；能對課題進行理論分析，得出有價值的結論；有較好的專業外語水平
論文質量
綜述簡練完整，有見解；立論正確，論述充分，結論嚴謹合理；實驗正確，分析處理科學；文字通順，技術用語准確，符號統一，編號齊全，書寫工整規范，圖表完備、整潔、正確；論文結果有應用價值；計算及測試結果准確；工作中有創新意識；對前人工作有改進或突破，或有獨特見解；
工作量、工作態度
按期完成規定的任務，工作量飽滿，難度較大；工作努力，遵守紀律；工作作風嚴謹務實
導師評語
論文介紹了送貨問題和取貨問題同時存在的混合需求VRP問題，並設計了相應的遺傳演算法，通過C編程進行實驗，試驗結果表明所設計的遺傳演算法是可行和有效的。論文選題有一定的理論價值和實際意義，結構合理，邏輯清晰，格式較規范。
示例二
題目：供應鏈風險形成機理及防範對策研究
評價內容 評價指標
能獨立查閱文獻和從事其他調研；能正確翻譯外文資料；能較好提出課題的開題報告；綜合分析的正確性和設計、計算的正確性；論證的充分性
業務水平
有扎實的基礎理論知識和專業知識；能正確設計實驗方案（或正確建立數學模型、機械結構方案）；獨立進行實驗工作；能運用所學知識和技能去發現與解決實際問題；能正確處理實驗數據；能對課題進行理論分析，得出有價值的結論；有較好的專業外語水平
論文質量
綜述簡練完整，有見解；立論正確，論述充分，結論嚴謹合理；實驗正確，分析處理科學；文字通順，技術用語准確，符號統一，編號齊全，書寫工整規范，圖表完備、整潔、正確；論文結果有應用價值；計算及測試結果准確；工作中有創新意識；對前人工作有改進或突破，或有獨特見解；
工作量、工作態度
按期完成規定的任務，工作量飽滿，難度較大；工作努力，遵守紀律；工作作風嚴謹務實
導師評語
該生論文選題新穎，條理清楚，結構明確，重點突出。文章在對國內外有關供應鏈風險管理的研究現狀進行評述的基礎上，分析了供應鏈風險產生的機理並對其分類，最後針對供應鏈風險提出了幾點預防和控制措施。
在論文撰寫期間，該生能夠認真遵守學院的各項規章制度，按時提交論文初稿，虛心聽取指導老師的意見和建議，並及時認真修改。態度端正，表現良好。
❽ 遺傳演算法研究進展
遺傳演算法［56，53］研究的興起是在20世紀80年代末和90年代初期，但它的歷史起源可追溯到20世紀60年代初期。早期的研究大多以對自然遺傳系統的計算機模擬為主。早期遺傳演算法的研究特點是側重於對一些復雜的操作的研究。雖然其中像自動博弈、生物系統模擬、模式識別和函數優化等給人以深刻的印象，但總的來說這是一個無明確目標的發展時期，缺乏帶有指導性的理論和計算工具的開拓。這種現象直到20世紀70年代中期由於Holland和De Jong的創造性研究成果的發表才得到改觀。當然，早期的研究成果對於遺傳演算法的發展仍然有一定的影響，尤其是其中一些有代表性的技術和方法已為當前的遺傳演算法所吸收和發展。
在遺傳演算法作為搜索方法用於人工智慧系統中之前，已有不少生物學家用計算機來模擬自然遺傳系統。尤其是Fraser的模擬研究，他於1962年提出了和現在的遺傳演算法十分相似的概念和思想。但是，Fraser和其他一些學者並未認識到自然遺傳演算法可以轉化為人工遺傳演算法。Holland教授及其學生不久就認識到這一轉化的重要性，Holland認為比起尋找這種或那種具體的求解問題的方法來說，開拓一種能模擬自然選擇遺傳機制的帶有一般性的理論和方法更有意義。在這一時期，Holland不但發現了基於適應度的人工遺傳選擇的基本作用，而且還對群體操作等進行了認真的研究。1965年，他首次提出了人工遺傳操作的重要性，並把這些應用於自然系統和人工系統中。
1967年，Bagley在他的論文中首次提出了遺傳演算法（genetic algorithm）這一術語，並討論了遺傳演算法在自動博弈中的應用。他所提出的包括選擇、交叉和變異的操作已與目前遺傳演算法中的相應操作十分接近。尤其是他對選擇操作做了十分有意義的研究。他認識到，在遺傳進化過程的前期和後期，選擇概率應合適地變動。為此，他引入了適應度定標（scaling）概念，這是目前遺傳演算法中常用的技術。同時，他也首次提出了遺傳演算法自我調整概念，即把交叉和變異的概率融於染色體本身的編碼中，從而可實現演算法自我調整優化。盡管Bagley沒有對此進行計算機模擬實驗，但這些思想對於後來遺傳演算法的發展所起的作用是十分明顯的。
在同一時期，Rosenberg也對遺傳演算法進行了研究，他的研究依然是以模擬生物進化為主，但他在遺傳操作方面提出了不少獨特的設想。1970年Cavicchio把遺傳演算法應用於模式識別中。實際上他並未直接涉及到模式識別，而僅用遺傳演算法設計一組用於識別的檢測器。Cavicchio對於遺傳操作以及遺傳演算法的自我調整也做了不少有特色的研究。
Weinberg於1971年發表了題為《活細胞的計算機模擬》的論文。由於他和Rosenberg一樣注意於生物遺傳的模擬，所以他對遺傳演算法的貢獻有時被忽略。實際上，他提出的多層次或多級遺傳演算法至今仍給人以深刻的印象。
第一個把遺傳演算法用於函數優化的是Hollstien。1971年他在論文《計算機控制系統中的人工遺傳自適應方法》中闡述了遺傳演算法用於數字反饋控制的方法。實際上，他主要是討論了對於二變數函數的優化問題。其中，對於優勢基因控制、交叉和變異以及各種編碼技術進行了深入的研究。
1975年在遺傳演算法研究的歷史上是十分重要的一年。這一年，Holland出版了他的著名專著《自然系統和人工系統的適配》。該書系統地闡述了遺傳演算法的基本理論和方法，並提出了對遺傳演算法的理論研究和發展極為重要的模式理論（schemata theory）。該理論首次確認了結構重組遺傳操作對於獲得隱並行性的重要性。直到這時才知道遺傳操作到底在干什麼，為什麼又幹得那麼出色，這對於以後陸續開發出來的遺傳操作具有不可估量的指導作用。
同年，De Jong完成了他的重要論文《遺傳自適應系統的行為分析》。他在該論文中所做的研究工作可看作是遺傳演算法發展進程中的一個里程碑，這是因為他把Holland的模式理論與他的計算實驗結合起來。盡管De Jong和Hollstien一樣主要側重於函數優化的應用研究，但他將選擇、交叉和變異操作進一步完善和系統化，同時又提出了諸如代溝（generation gap）等新的遺傳操作技術。可以認為，De Jong的研究工作為遺傳演算法及其應用打下了堅實的基礎，他所得出的許多結論迄今仍具有普遍的指導意義。
進入20世紀80年代，遺傳演算法迎來了興盛發展時期，無論是理論研究還是應用研究都成了十分熱門的課題。尤其是遺傳演算法的應用研究顯得格外活躍，不但它的應用領域擴大，而且利用遺傳演算法進行優化和規則學習的能力也顯著提高，同時產業應用方面的研究也在摸索之中。此外一些新的理論和方法在應用研究中亦得到了迅速的發展，這些無疑均給遺傳演算法增添了新的活力。
隨著應用領域的擴展，遺傳演算法的研究出現了幾個引人注目的新動向：一是基於遺傳演算法的機器學習（Genetic Base Machine Learning），這一新的研究課題把遺傳演算法從歷來離散的搜索空間的優化搜索演算法擴展到具有獨特的規則生成功能的嶄新的機器學習演算法。這一新的學習機制對於解決人工智慧中知識獲取和知識優化精煉的瓶頸難題帶來了希望。二是遺傳演算法正日益和神經網路、模糊推理以及混沌理論等其他智能計算方法相互滲透和結合，這對開拓21世紀中新的智能計算技術將具有重要的意義。三是並行處理的遺傳演算法的研究十分活躍。這一研究不僅對遺傳演算法本身的發展，而且對於新一代智能計算機體系結構的研究都是十分重要的。四是遺傳演算法和另一個稱為人工生命的嶄新研究領域正不斷滲透。所謂人工生命即是用計算機模擬自然界豐富多彩的生命現象，其中生物的自適應、進化和免疫等現象是人工生命的重要研究對象，而遺傳演算法在這方面將會發揮一定的作用。五是遺傳演算法和進化規劃（Evolution Programming，EP）以及進化策略（Evolution Strategy，ES）等進化計算理論日益結合。EP和ES幾乎是和遺傳演算法同時獨立發展起來的，同遺傳演算法一樣，它們也是模擬自然界生物進化機制的智能計算方法，既同遺傳演算法具有相同之處，也有各自的特點。
隨著遺傳演算法研究和應用的不斷深入和發展，一系列以遺傳演算法為主題的國際會議十分活躍。從1985年開始，國際遺傳演算法會議，即ICGA（International Conference on Genetic Algorithm）每兩年舉行一次。在歐洲，從1990年開始也每隔一年舉辦一次類似的會議，即 PPSN（Parallel Problem Solving from Nature）會議。除了遺傳演算法外，大部分有關ES和EP的學術論文也出現在PPSN中。另外，以遺傳演算法的理論基礎為中心的學術會議有FOGA（Foundation of Genetic Algorithm）。它也是從1990年開始，隔年召開一次。這些國際學術會議論文集中反映了遺傳演算法近些年來的最新發展和動向。
❾ 組卷演算法有哪幾種
目前有三種：
1. 隨機選取法：根據狀態空間的控制指標，由計算機隨機的抽取一道試題放入試題庫，此過程不斷重復，直到組卷完畢，或已無法從題庫中抽取滿足控制指標的試題為止。該方法結構簡單，對於單道題的抽取運行速度較快，但是對於整個組卷過程來說組捲成功率低，即使組捲成功，花費時間也令人難以忍受。尤其是當題庫中各狀態類型平均出題量較低時，組卷往往以失敗而告終。
2. 回溯試探法：這是將隨機選取法產生的每一狀態類型紀錄下來，當搜索失敗時釋放上次紀錄的狀態類型，然後再依據一定的規律（正是這種規律破壞了選取試題的隨機性）變換一種新的狀態類型進行試探，通過不斷的回溯試探直到試卷生成完畢或退回出發點為止，這種有條件的深度優先演算法，對於狀態類型和出題量都較少的題庫系統而言，組捲成功率較好，但是在實際到一個應用時發現這種演算法對內存的佔用量很大，程序結構相對比較復雜，而且選取試題缺乏隨機性，組卷時間長，後兩點是用戶無法接受的，因此它也不是一種很好的用來自動組卷的演算法。
3. 遺傳演算法：是一種並行的、能夠有效優化的演算法，以morgan的基因理論及eldridge 與gould間斷平衡理論為依據，同時融合了mayr的邊緣物種形成理論和bertalanffv一般系統理論的一些思想，模擬達爾文的自然界遺傳學：繼承（基因遺傳）、進化（基因突變）優勝劣汰（優的基因大量被遺傳復制，劣的基因較少被遺傳復制）。其實質就是一種把自然界有機體的優勝劣汰的自然選擇、適者生存的進化機制與同一群體中個體與個體間的隨機信息交換機制相結合的搜索演算法。運用遺傳演算法求解問題首先需將所要求解的問題表示成二進制編碼，然後根據環境進行基本的操作：selection，crossover，mutation……這樣進行不斷的所謂「生存選擇」，最後收斂到一個最適應環境條件的個體上，得到問題的最優解。
❿ 使用java來實現在智能組卷中的遺傳演算法（急急急）
題目好像是讓你做個增強版的List ，簡單的都實現了 程序架子大概是這樣，排序查找什麼的網路搜下 演算法很多，套著每樣寫個方法就行了，測試就在main『方法里寫
publicclassMyList{
privateString[]arr;
privateintcount;
publicMyList(intcount){
arr=newString[count];
this.count=count;
}
publicMyList(int[]intArr){
arr=newString[intArr.length];
this.count=intArr.length;
for(inti=0;i<intArr.length;i++){
arr[i]=intArr[i]+"";
}
}
publicMyList(String[]stringArr){
arr=stringArr;
this.count=stringArr.length;
}
publicintgetLength(){
returncount;
}
//清空容器內的數組。
publicvoidclearAll(){
arr=newString[count];
}
//通過給定元素下標來刪除某一元素
publicvoidremoveBySeqn(intseqn){
if(seqn>=0&&seqn<count){
arr[seqn]=null;
}
}
publicstaticvoidmain(String[]args){
MyListlist=newMyList(40);
MyListlist1=newMyList({3,2,125,56,123});
MyListlist2=newMyList({"123",""ad});
list2.removeBySeqn(0);
list1.clearAll();
}
}
