本文建立自动排课系统的数学模型，并利用遗传算法进行问题求解。在演化过程中采用了一种新的遗传策略，加速了群体的收效速度。对本系统做适当的修改，可适用于其它的时间表问题。

为解决多约束条件下配棉难的问题，通过研究原棉性能与纱线质量之间的关系以及分析基本遗传算法在 解决该问题时的优缺点，设计了新的计算机自动配棉数学模型，并运用群体排序和局部寻优等关键技术，提出一种 改进的混合遗传算法。分别运用基本遗传算法和改进的混合遗传算法对自动配棉模型进行实验。结果表明：改进 的混合遗传算法给出的配棉方案比较合理，混合棉质量指标精度较高；由于增加了局部寻优算子和最速下降因子， 算法的寻优能力和收敛速度得到了加强。

群体遗传的数学模型.ppt，提供群体遗传的数学模型算法，仅供参考

差分进化算法是一种新兴的进化 计算技术。它是由Storn等人于1995年提出的，和其它 演化算法一样，DE是一种模拟生物进化的随机模型，通过反复迭代，使得那些适应环境的个体被保存了下来。但相比于进化算法，DE保留了基于种群的全局搜索策略，采用实数编码、基于差分的简单变异操作和一对一的竞争生存策略，降低了遗传操作的复杂性。同时，DE特有的记忆能力使其可以动态跟踪当前的搜索情况，以调整其搜索策略，具有较强的全局收敛能力和鲁棒性，且不需要借助问题的特征信息，适于求解一些利用常规的数学规划方法所无法求