公开(公告)号：CN111292002B

公开(公告)日：2022-07-01

申请号：CN202010110536.4

申请日：2020-02-24

Applicant: 福州大学

Inventor： 郭昆 ,  陈展鸿 ,  吴俊杰 ,  林栩

IPC: G06Q10/06 ,  G06Q50/20 ,  G06N3/12 ,  G06N3/00

Abstract: 本发明涉及一种基于遗传‑粒子群算法的评阅答辩分组方法及系统，采集关键信息，并对关键信息与参数进行编码，每个解由若干个答辩组构成；根据对应的约束条件生成的目标函数设计适应度函数；将数据按照解的编码进行初始化得到初始种群；将种群中的粒子进行交叉变异操作：当粒子经过多轮迭代达到一定条件后，停止对粒子的迭代操作，此时全局最优粒子就是适应度最高的近似最优解，得到最优结果。本发明借鉴了遗传算法中的染色体思想，将解设计为矩阵和张量，以满足离散型解在更新时的交叉与变异操作，解决了人工处理评阅答辩分组时所包含的精度不高、处理速度慢、难以应对大规模人员分配等问题。

公开(公告)号：CN111292002A

公开(公告)日：2020-06-16

申请号：CN202010110536.4

申请日：2020-02-24

Applicant: 福州大学

Inventor： 郭昆 ,  陈展鸿 ,  吴俊杰 ,  林栩

IPC: G06Q10/06 ,  G06Q50/20 ,  G06N3/12 ,  G06N3/00

Abstract: 本发明涉及一种基于遗传-粒子群算法的评阅答辩分组方法及系统，采集关键信息，并对关键信息与参数进行编码，每个解由若干个答辩组构成；根据对应的约束条件生成的目标函数设计适应度函数；将数据按照解的编码进行初始化得到初始种群；将种群中的粒子进行交叉变异操作：当粒子经过多轮迭代达到一定条件后，停止对粒子的迭代操作，此时全局最优粒子就是适应度最高的近似最优解，得到最优结果。本发明借鉴了遗传算法中的染色体思想，将解设计为矩阵和张量，以满足离散型解在更新时的交叉与变异操作，解决了人工处理评阅答辩分组时所包含的精度不高、处理速度慢、难以应对大规模人员分配等问题。