Bộ dữ liệu của trƣờng Trung học Phổ thông Buôn Ma Thuột
- Gồm 3 khối lớp 10, 11 và 12. Tổng cộng 64 lớp. Khối 10 học ca chiều, khối 11 và khối 12 học ca sỏng.
- Khối 10 gồm 22 lớp, khối 11 gồm 21 lớp và khối 12 gồm 21 lớp.
- Khối 10 học 22 tiết/tuần và 1 tiết sinh hoạt, tổng số mụn học là 10 mụn. - Khối 11 học 26 tiết/tuần và 1 tiết sinh hoạt, tổng số mụn học là 11 mụn. - Khối 12 học 23 tiết/tuần và 1 tiết sinh hoạt, tổng số mụn học là 11 mụn. - Tổng số giáo viên là 85, trong đó có một số giáo viên dạy cả hai ca, một số
ít giáo viên dạy tất cả các tiết trong tuần của một ca và một số ít giáo viên dạy hai môn (Môn Sử và môn Giáo dục Cụng dõn), mụn kỹ thuật gồm kỹ thuật khối lớp 11 gồm Kỹ thuật Nụng nghiệp và Kỹ thuật Cụng nghiệp do một hoặc hai giỏo viờn dạy một lớp.
Số thế hệ
Kết quả trung bỡnh Kết quả tốt nhất
Số tiết trựng Số tiết cỏch Số tiết quỏ 2 Số tiết trựng Số tiết cỏch Số tiết quỏ 2 50 25 15 18 20 10 10 100 2 2 5 1 0 0 200 0 0 0 0 0 0
KẾT LUẬN
Giải thuật di truyền và phương pháp tính toán tiến hóa ra đời đó cú những thành tựu nhất định trong hơn hai thập kỷ qua trong việc giải quyết các bài toán loại NP-khó của nhiều lĩnh vực trong thực tế. Giải thuật này vẫn đang được nghiên cứu và phát triển mạnh ở nhiều quốc gia trên thế giới và ngày càng khẳng định được vai trũ của nú trong lĩnh vực cụng nghệ thụng tin.
Trong thời gian hạn hẹp, luận văn đó cố gắng tham khảo các tài liệu để trỡnh bày một cỏch cụ đọng và hệ thống các ý tưởng cơ bản về giải thuật di truyền và phương pháp tính toán tiến hóa.
Để khẳng định khả năng và hiệu quả của phương pháp tính toán tiến hóa, tác giả đó trỡnh bày đầy đủ mô hỡnh giải quyết bài toán lập thời khóa biểu cho trường Trung Học Phổ Thông. Đồng thời, tác giả đó mạnh dạn xõy dựng phần mềm lập thời khúa biểu cho trường học nơi tác giả đang công tác, mà từ trước đến nay vẫn phải lập bằng tay. Tuy chưa thực sự hoàn chỉnh, nhưng phần mềm đó đáp ứng được các yêu cầu cơ bản của một thời khóa biểu thực tế và xem như có thể tạm dùng được nội bộ.
Hy vọng rằng, ngày càng có nhiều người áp dụng phương pháp tính toán tiến hóa để giải quyết các bài toán tối ưu trong nhiều lĩnh vực trên thực tế, và cũng hy vọng trong thời gian tới, tác giả hoàn chỉnh được phần mềm để có thể sử dụng rộng rói trong ngành giỏo dục Đăk Lăk.
TÀI LIỆU THAM KHẢO Tiếng Việt
1. Bựi Việt Hà (2004), “Mụ hỡnh bài toỏn Thời khúa biểu Đại học, Cao đẳng và Trung học chuyên nghiệp”, Tin học & Nhà trường Số 4(55)- 2004, tr. 23 26.
2. Hoàng Xuõn Huấn, Nguyễn Việt Thắng (2001), “Một giải phỏp tiến húa cho bài toỏn thời khúa biểu”, Bài gửi đăng tạp chí Tin học và Điều khiển học T.17 số 2 năm 2001, tr. 87 96.
3. Hoàng Kiếm, Lờ Hoàng Thỏi, Thuật giải di truyền (2000),” Cỏch giải tự nhiờn cỏc bài toỏn trờn mỏy tớnh”, NXB Giỏo dục.
4. Nguyễn Hữu Mựi (2000), Phương pháp tính toán tiến hóa và ứng dụng để giải đa thức, Luận văn Thạc sĩ Khoa học ĐHQG Hà Nội. 5. Nguyễn Đỡnh Thỳc (2001), Lập trỡnh tiến húa, NXB Giỏo dục .
6. ĐHBK, ĐHDLHV Tp. Hồ Chí Minh, ĐHQG Hà Nội (1999-2004), Một số luận văn về giải thuật di truyền
Tiếng Anh
7. Back J., Hammel U., and Schwefel H.P. (1997), Evolutionary Computation: Comments on the history and current state, IEEE Transactions on Evolutionary Computation I (1), pp. 3-17.
8. Ceft R., A new genetic algorithm, Analysis of Applied Probability 6 (3)
(1996) pp. 778-817.
9. Colorny A., Dorigo M., and Manieggo V. (1991), Genetic Algorithm and Highly Constrained Problems, the Timetable Case, Problem Solving from Nature, Springer-Velag, Lecture Notes in Computer Science, Vol. 496, pp.55-59.
10. Davis L. and Comombs S., Genetic Algorithms and Communication Link Speed Design Constraints and Operators, in [130]. pp 257-260. 11. Davis L. and Comombs S., Genetic Algorithms Communication Link
Speed Design Theorical Considerations, in [130], pp. 252-256.
12. Even S., Itai A., and Shamir A. (1976), On the complexity of timetable and multicommodity flow problems, “SIAM Journal on Computing 5(4)” pp. 691-703.
13. Fogel L.J (1992), Autonomous automata, Ind. Res., Vol 4, pp. 14-19/ 14. Fogel L.J (1994), “On the organization of intellect”, Ph.D.
dissertation, University of California, Los Angeles.
15. Herdy M. (1992), “Reproductive isolation as strategy parameter in hierarchically organized evolution strategies”, in parallel Problem Solving from Nature 2, Amsterdam, The Netherlands: Elsevier, pp. 207-217.
16. Holland J.H., Adaption in Natural and Artificial System, University of Michigan press, Ann Arbort, 1975.
17. Koza J.R. (1990), Genetic Programming: A Paradiam for Gentically Brecding Populations of Computer Programs to Solve Problems, Reaprot No STAN-GS 1314, Slanford University.
18. Koza J.R ., Evolving a Computer Program to Generate Random Numbers Using the Genetic Programming Paradiam, in [23], pp. 37- 44.
19. Koza J.R., (1991), Genetic Programming, MIT Press, Cambridge, MA.
20. Michalewicz Z. (1996), Genetic Algorithms + Data Structures = Evolutionary Programs, Berlin, Germany, Springer.
21. Michalewicz Z., Deb K., Schmidt M. and Stidsen Th. (1999):
Evolutionary Algorithms for Engineering Application, John Wiley and Sons.
22. Peacher B., Luchian A., and Petrius M. (1994), Two solution to the genaral timetable problem using evolutionary methods, “Proceeding of the Evolutionary Computational Conference”, Orlando, 26-29 June. 23. Rechenberg I. (1973), Evolutionsstrategie: Optimierung technischer
Systems nach Prinzipien der biologischen Evolution Stuttgart, Germany: Frommann-Holzboog.
24. Rechenberg I. (1994), “Evolutionsstrategie: Optimierung technischer „94‟”, in Werkstatt Bionik und Evolutionstechnik Stuttgard, Germany: Frommann Holzboog, vol. 1.
25. Schwefel H.P (May 1975), Evolutionsstrategie und numerische Optimierung Dissertation, Techische Universitat Berlin, Gemany. 26. Schwefel H.P (1995), Evolution and Optimum Seeking, New York: