基于改进混合遗传-蚁群算法的高校学生培养规划优化模型

《Franklin Open》:Training Model Based on Genetic Algorithm and Ant Colony Algorithm

【字体: 大 中 小 】 时间:2026年08月29日 来源:Franklin Open CS1.4

编辑推荐:

  为解决高校个性化培养规划中多目标冲突、约束复杂及解平衡优化困难的问题,研究人员提出了一种基于改进混合遗传-蚁群算法(Improved Hybrid Genetic-Ant Colony Optimization, IHGACO)的高校学生培养优化模型。该模型融

  
为解决高校个性化培养规划中多目标冲突、约束复杂及解平衡优化困难的问题,研究人员提出了一种基于改进混合遗传-蚁群算法(Improved Hybrid Genetic-Ant Colony Optimization, IHGACO)的高校学生培养优化模型。该模型融合带精英策略的非支配排序遗传算法II(Non-dominated Sorting Genetic Algorithm II, NSGA-II)的全局探索能力与蚁群算法(Ant Colony Optimization, ACO)的局部精炼特性,引入动态信息素更新机制(Dynamic Pheromone Update Mechanism, DPUM)与并行协同搜索结构(Parallel Cooperative Search Structure, PCSS),构建“全局近似解生成—先验知识转化—多目标协同精炼”的渐进式优化框架。实验表明:在优化性能方面,人均培养成本控制在1559.7元,平均技能达成度达0.806;在计算效率方面,单次推理时间1526.7 ms,数据吞吐量为662匹配对/秒;在资源消耗方面,计算量8.57 GFLOPs,峰值内存占用428.3 MB,能耗125.6 J;在用户评价方面,整体学习体验满意度评分5.88。所提模型通过混合架构与协同优化机制,有效解决了高校个性化培养规划中的多目标多约束系统优化问题,为高校人才精准智能化管理提供了可行方案。
研究背景方面,高校学生培养规划需在预算、师资、课程容量等资源约束下,为异质性学生群体分配课程组合,同时协同优化总成本与技能需求缺口等多目标,传统线性规划与简单启发式规则面临效率低、易陷局部最优、难提供均衡替代解等问题。现有智能预测、推荐、情绪计算与自适应平台研究多聚焦单模块独立优化,缺乏资源分配、路径规划与多目标权衡的系统集成,动态适应性不足且决策支持片面。为此,研究人员开展基于改进混合遗传-蚁群算法(IHGACO)的高校培养规划研究,旨在系统解决上述局限。
主要关键技术方法方面,研究人员以整数矩阵编码表征“学生×课程”的0-1选课方案,以NSGA-II作全局搜索器获取成本-效果-公平性均衡的帕累托(Pareto)解集,将全局解转化为结构化信息素先验;以ACO作局部优化器,引入动态信息素更新机制(DPUM)按多目标适应度动态调整挥发与沉积系数,并设并行协同搜索结构(PCSS)使NSGA-II子种群与多蚁群并行交互;通过“全局近似解生成—先验知识转化—多目标协同精炼”三阶段渐进优化,在带预算/师资/容量硬约束下协同最小化总培养成本f1与总技能缺口f2。
研究结果方面,1.3节研究框架与创新指出,NSGA-II经快速非支配排序与拥挤度计算保收敛与多样性,标准ACO依赖初始信息素且在多目标引导单一;研究人员创新设计全局Pareto集到结构化信息素的转化机制,协同嵌入DPUM与PCSS,显著提升解质量、收敛速度与时序平衡性。第2章方法论确立NSGA-II+ACO基础混合框架并植入两项改进,形成IHGACO完整模型。2.1.1节基于NSGA-II的高校培养系统框架给出整数矩阵编码(学生i=1,…,N,课程j=1,…,M,xij∈{0,1})与双最小化目标:f1=∑i=1N∑j=1M(cjdirect+cijindirect)·xij,涵盖课程直接固定成本与师生匹配间接成本;f2为总技能需求缺口。NSGA-II经初始种群、选择交叉变异、父子合并、非支配分层与拥挤比较生成下一代。
讨论与结论翻译部分,研究人员指出:所提IHGACO模型通过NSGA-II全局探索与ACO局部精炼的级联,配合DPUM对多目标帕累托前沿的自适应信息素塑造,以及PCSS带来的种群—蚁群并行知识迁移,在高校培养规划这一高维离散多目标约束问题上,较传统单算法获得更优的成本—技能—公平性折中解;实验量化指标(人均成本1559.7元、技能达成0.806、单次推理1526.7 ms、吞吐662对/秒、8.57 GFLOPs、428.3 MB、125.6 J、满意度5.88)验证了混合架构在解质量、计算效率与资源占用间的可控平衡。该工作为高校个性化培养的资源—路径—目标协同决策提供了可部署的优化范式,对精准智能化人才管理具有明确的方法论意义与工程价值。论文发表于《Franklin Open》。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号