基于大洪水算法及其变体的超启发式考试排程方法
人工智能
2012-02-10 v1
摘要
大学排程问题每年都会出现，且通常难以求解并耗时巨大。本文描述了一种基于大洪水（Great Deluge, GD）算法及其变体的超启发式（Hyper Heuristics, HH）方法，用于求解来自不同领域的大规模、强约束排程问题。一般而言，超启发式框架包含两个主要阶段：启发式选择与移动接受。本文侧重于后者，以开发超启发式框架。本文的主要贡献在于将大洪水（GD）及其变体：灵活洪水（Flex Deluge, FD）、非线性大洪水（Non-linear GD, NLGD）、扩展大洪水（Extended Great Deluge, EGD）作为移动接受方法，并结合强化学习（Reinforcement Learning, RL）应用于超启发式框架中。这些超启发式方法在考试排程基准问题上进行了测试，并报告了最佳结果及对比分析。
引用
@article{arxiv.1202.1891,
title = {Hyper heuristic based on great deluge and its variants for exam timetabling problem},
author = {Ei Shwe Sin and Nang Saing Moon Kham},
journal= {arXiv preprint arXiv:1202.1891},
year = {2012}
}