基于矩阵编码的多目标进化求解面试分组问题

发布时间：2019-08-02 09:20

【摘要】：面试分组是高校自主招生、毕业答辩中较为常见的实际问题,该问题属于具有限制条件的组合优化类难题。针对该问题,首先分析内部限制条件和制约关系,并建立合适的数学模型,确定优化目标函数。然后采用基于矩阵的多目标进化算法研究此类问题,依据建立的数学模型,构造矩阵染色体编码方式对问题进行求解,同时利用常规的方法求解该问题进行对比。实验结果显示,多目标进化算法求解此类问题时,在解的质量和数量上明显优于常规算法。
【图文】：

2017，53（16）ComputerEngineeringandApplications计算机工程与应用一种情况的分组方案，且无法综合考虑均匀原则，在实际应用中难以为决策者提供更全面、更多选择的方案。使用基于NSGAII的多目标进化算法对该测试集求解，进化代数100，种群大小5，变异交叉参数使用源文献推荐值。运行结果的个体如图2所示，个体具体值见表2所示。图2中横坐标是适应度函数f1=num，纵坐标是适应度函数f2=var。根据3.5节介绍多目标解之间的支配关系，在表2的5个个体中，个体（0，6.4）弱支配个体（3，6.4）。个体（0，6.4）、（5，4.8）、（6，4）、（8，3.2）之间都为非支配关系，且没有其他解支配他们，所以这4个个体属于第一等级的解，而个体（3，6.4）属于第二等级。第一等级的4个个体如图3所示，后文中关于个体所属等级的划分与此类似。上述4个属于第一等级个体对应的分组结果和检验矩阵如下所述。第一个个体，num=0，var=6.4，分组结果B和检验矩阵C如下：B=éêêêêêêêêêêùúúúúúúúúúú000011000011110000110000001100001100000011000011110000110000001100001100C=éêêêêêêêêêêùúúúúúúúúúú020020002002200200020020002002200200其分组情况为，第一组：老师1，4面试学生3，4，11，12；第二组：老师2，5面试学生1，2，5，6；第三组：老师3，6面试学生7，8，9，10。第二个个体，num=5，var=4.8的分组结果B和检验矩阵C，如下：B=éêêêêêêêêêêùúúúúúúúúúú001101000010110010000001000

方案。使用基于NSGAII的多目标进化算法对该测试集求解，进化代数100，种群大小5，变异交叉参数使用源文献推荐值。运行结果的个体如图2所示，个体具体值见表2所示。图2中横坐标是适应度函数f1=num，纵坐标是适应度函数f2=var。根据3.5节介绍多目标解之间的支配关系，在表2的5个个体中，个体（0，6.4）弱支配个体（3，6.4）。个体（0，6.4）、（5，4.8）、（6，4）、（8，3.2）之间都为非支配关系，且没有其他解支配他们，所以这4个个体属于第一等级的解，而个体（3，6.4）属于第二等级。第一等级的4个个体如图3所示，后文中关于个体所属等级的划分与此类似。上述4个属于第一等级个体对应的分组结果和检验矩阵如下所述。第一个个体，num=0，var=6.4，分组结果B和检验矩阵C如下：B=éêêêêêêêêêêùúúúúúúúúúú000011000011110000110000001100001100000011000011110000110000001100001100C=éêêêêêêêêêêùúúúúúúúúúú020020002002200200020020002002200200其分组情况为，第一组：老师1，4面试学生3，4，11，12；第二组：老师2，5面试学生1，2，5，6；第三组：老师3，6面试学生7，8，9，10。第二个个体，num=5，var=4.8的分组结果B和检验矩阵C，，如下：B=éêêêêêêêêêêùúúúúúúúúúú001101000010110010000001000000111100001101000010110010000001000000111100C=éêêêêêêêêêêùúúúúúúúúúú020020
【作者单位】： 河南中医药大学信息技术学院;中国核电工程有限公司郑州分公司实物保护研究所;
【基金】：河南省高校重点科研项目(No.15A520083,No.16A520060) 河南中医药大学博士基金项目(No.BSJJ2015-19) 河南省科技攻关科研开放合作项目(No.142106000192) 河南省科技攻关研究项目(No:172102210361)
【分类号】：O221.6

【参考文献】

相关期刊论文 前7条

1 陈媛;樊治平;谢美萍;;综合面试中的均衡分组方法[J];中国管理科学;2014年08期

2 程翔;张弘信;万青;;高校毕业生招聘面试流程重构与优化研究[J];人力资源管理;2013年10期

3 孔敏;张亚权;沈群;潘柏;;面试评分标准化的模型建立及实践探索[J];中国考试;2012年12期

4 谢天保;雷西玲;席文玲;;物流配送中心配载车辆调度问题研究[J];计算机工程与应用;2010年36期

5 张磊;张博锋;;分组遗传算法优化大学考试时间表[J];计算机工程与应用;2009年23期

6 顾锋;刘明柱;;平行分组面试方法的结构化改进研究[J];学位与研究生教育;2008年01期

7 李剑;朱延峰;吴畏;;学生面试问题的分配策略[J];数学的实践与认识;2007年14期

【共引文献】

相关期刊论文 前10条

1 曹莉;许玉龙;李亚威;;单目标优劣交叉的微分进化解决答辩分组问题[J];计算机系统应用;2017年09期

2 李小玲;吴爱萍;;基于客户满意度的多目标货物配装问题研究[J];中国储运;2017年07期

3 王鹤;曾宁波;刘婧雯;;基于两阶段法的车辆配载优化分析[J];北方经贸;2017年06期

4 许玉龙;孙晓静;曹莉;王晓辉;;基于矩阵编码的多目标进化求解面试分组问题[J];计算机工程与应用;2017年16期

5 杨文显;徐小良;;基于潜在主题的科技项目均衡分组算法[J];杭州电子科技大学学报(自然科学版);2016年06期

6 甄良;梁大鹏;丁雪梅;;面向硕士研究生复试的结构化面试工作机制研究[J];黑龙江教育学院学报;2016年08期

7 王志武;;中小学教师资格考试面试质量保障体系建设[J];中国考试;2016年06期

8 李琰;阮杰昌;;基于不同面试小组成绩修正的数学模型[J];数学学习与研究;2016年09期

9 王洁;江洋;王莉;熊焱;;带时间窗的快递物流车辆调度模型及应用[J];物流技术;2015年07期

10 段亚敏;郑艳;;河北省硕士研究生复试评价指标体系的构建[J];产业与科技论坛;2015年07期

【二级参考文献】

相关期刊论文 前10条

1 付文yN;;招聘面试问题的模型研究[J];西南民族大学学报(自然科学版);2012年05期

2 唐曙光;;无领导小组讨论面试中应试者特征分析及改进建议[J];领导科学;2012年24期

3 樊治平;刘洋;袁媛;朱少华;;突发事件应急救援人员的分组方法研究[J];运筹与管理;2012年02期

4 朱帮助;张秋菊;邹昊飞;魏一鸣;;基于OSA算法和GMDH网络集成的电子商务客户流失预测[J];中国管理科学;2011年05期

5 宋捷;党耀国;林晨昱;;人员面试的灰色群决策模型研究[J];控制与决策;2011年04期

6 樊治平;徐宝福;刘洋;;一种面向细胞生产的作业小组组建方法[J];工业工程与管理;2010年03期

7 李梅娟;陈雪波;张梅凤;;基于群集智能算法的路径规划问题[J];清华大学学报(自然科学版);2007年S2期

8 刘节;萧鸣政;;企业面试中存在的常见问题及对策浅析[J];人才资源开发;2006年12期

9 孙荣平;;成绩统计分析中的数据预处理研究[J];黑龙江教育(高教研究与评估);2006年09期

10 白榕;AHP法在研究生复试质量保障体系中的应用[J];重庆交通学院学报;2005年04期

【相似文献】

相关期刊论文 前10条

1 许波;彭志平;陈晓龙;柯文德;余建平;;一种基于云模型的多目标进化算法[J];信息与控制;2012年03期

2 吴迪;李苏剑;李海涛;;基于精英重组的混合多目标进化算法[J];北京科技大学学报;2013年09期

3 逄珊;杨欣毅;苏庆堂;;提高多目标进化算法分布性的动态调整机制[J];计算机工程与应用;2012年02期

4 张成;李明辉;;多目标进化算法在非线性方程组中的应用[J];赤峰学院学报(自然科学版);2011年02期

5 肖艳;许峰;;基于改进庄家法则的多目标进化算法[J];软件导刊;2010年07期

6 于建伟;;多目标进化算法研究综述[J];海南大学学报(自然科学版);2005年04期

7 郑金华;李珂;李密青;文诗华;;一种基于Hypervolume指标的自适应邻域多目标进化算法[J];计算机研究与发展;2012年02期

8 刘海林;辜方清;张晓明;;基于幂变换的多目标进化算法MOEA?D权重设计方法[J];计算机研究与发展;2012年06期

9 彭星光;高晓光;魏小丰;;基于混合多目标进化算法的多无人机侦察路径规划[J];系统工程与电子技术;2010年02期

10 王楠;;变权重多目标进化算法研究[J];当代经济管理;2005年06期

相关会议论文 前1条

1 崔逊学;;多目标进化算法的研究现状与群体多样性研究[A];Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

相关硕士学位论文 前10条

1 潘贺斌;复杂网络社团检测的多目标进化算法研究[D];安徽大学;2017年

2 左婷婷;基于擂台赛法则和聚集密度的多目标进化算法的研究与应用[D];安徽理工大学;2012年

3 辜方清;多目标进化算法中多样性与均匀性策略研究[D];广东工业大学;2011年

4 赵晶晶;基于分解的混合多目标进化算法的研究与应用[D];安徽理工大学;2013年

5 任亚峰;一种求解多目标进化算法鲁棒最优解方法研究[D];湘潭大学;2011年

6 谢桂芩;车辆路径问题建模与多目标进化算法[D];广东工业大学;2012年

7 李晶;多目标进化算法中收敛性能的实验研究[D];湘潭大学;2009年

8 张丽丽;约束多目标进化算法的研究与应用[D];安徽理工大学;2010年

9 马春连;基于人工免疫系统的多目标进化算法的研究[D];安徽理工大学;2014年

10 马楠;一种基于稳态的多目标进化算法的研究[D];天津大学;2010年

本文编号：2522023