什么优化算法更适合时间表重排？
What optimization algorithm is more suitable for timetable rescheduling?
我正在做一个项目，其中大学课程被表示为待办事项列表，其中：
课程所有者（课程教师）可以添加任务（包含 URL 到需要学习的资源和两个日期时间字段 - 何时开始和何时完成任务)
课程订阅者（学生）可以将任务标记为完成或未完成，并且他们的标记会为每个帐户单独保存。
如果学生将任务标记为完成 - 他的帐户 + 他标记的元素将显示在课程 activity 选项卡中，教师可以在其中：
- 在基于 JavaScript 的聊天中与他发起对话
- 评估对话结果
您可以推荐我在这里使用什么优化算法来重新安排时间表（如果学生拖延，则更改待办事项元素的日期时间字段）？
实际上，我们可以在资源上使用学生 activity + 他将任务标记为完成的事实 + 如果他点击或未点击放置在待办事项元素上的 URL到外部学习material（例如Google书）。
比如遗传算法适合这个模型吗，有什么陷阱：https://medium.com/@vijinimallawaarachchi/time-table-scheduling-2207ca593b4d ?
我不确定我是否完全理解你的问题，但听起来你有一个可行的时间表，你只需要改进它。
如果是这样，遗传算法会工作得很好，但我认为像 link 中那样将所有内容都表示为二进制 'chromosomes' 可能不切实际。
您可以通过许多其他方式来表示时间表，例如在二维数组中，或为事件指定一个时段号。
您可以研究诸如 Tabu 搜索、模拟退火和 Great Deluge 和 Hill Climbing 等算法。它们都基于相似的想法，但有些比其他的更能解决某些问题。例如，如果你有一个非常粗略的搜索 space 模拟退火不会是最好的，爬山通常只能找到局部最优。
上述算法以及许多其他遗传算法和元启发式算法的一般架构是：select 使用移动运算符的相邻解决方案（例如交换一个或两个或三个事件的时间或交换房间两个事件等...），检查移动不违反任何硬性约束，使用接受策略，例如模拟退火或 Great Deluge，以确定移动是否被接受。如果是，则保留解决方案并重复这些步骤，直到满足终止条件。这可以是最大时间、达到的迭代次数或在 x 次迭代中未找到改进移动。
虽然这是 运行 记录 'best' 解决方案，因此当算法终止时，您会找到最佳解决方案。您可以根据时间表违反了多少软约束
来确定考虑的内容 'best'
希望对您有所帮助！
我正在做一个项目，其中大学课程被表示为待办事项列表，其中：
课程所有者（课程教师）可以添加任务（包含 URL 到需要学习的资源和两个日期时间字段 - 何时开始和何时完成任务)
课程订阅者（学生）可以将任务标记为完成或未完成，并且他们的标记会为每个帐户单独保存。
如果学生将任务标记为完成 - 他的帐户 + 他标记的元素将显示在课程 activity 选项卡中，教师可以在其中：
- 在基于 JavaScript 的聊天中与他发起对话
- 评估对话结果
您可以推荐我在这里使用什么优化算法来重新安排时间表（如果学生拖延，则更改待办事项元素的日期时间字段）？
实际上，我们可以在资源上使用学生 activity + 他将任务标记为完成的事实 + 如果他点击或未点击放置在待办事项元素上的 URL到外部学习material（例如Google书）。
比如遗传算法适合这个模型吗，有什么陷阱：https://medium.com/@vijinimallawaarachchi/time-table-scheduling-2207ca593b4d ?
我不确定我是否完全理解你的问题，但听起来你有一个可行的时间表，你只需要改进它。
如果是这样，遗传算法会工作得很好，但我认为像 link 中那样将所有内容都表示为二进制 'chromosomes' 可能不切实际。 您可以通过许多其他方式来表示时间表，例如在二维数组中，或为事件指定一个时段号。 您可以研究诸如 Tabu 搜索、模拟退火和 Great Deluge 和 Hill Climbing 等算法。它们都基于相似的想法，但有些比其他的更能解决某些问题。例如，如果你有一个非常粗略的搜索 space 模拟退火不会是最好的，爬山通常只能找到局部最优。
上述算法以及许多其他遗传算法和元启发式算法的一般架构是：select 使用移动运算符的相邻解决方案（例如交换一个或两个或三个事件的时间或交换房间两个事件等...），检查移动不违反任何硬性约束，使用接受策略，例如模拟退火或 Great Deluge，以确定移动是否被接受。如果是，则保留解决方案并重复这些步骤，直到满足终止条件。这可以是最大时间、达到的迭代次数或在 x 次迭代中未找到改进移动。 虽然这是 运行 记录 'best' 解决方案，因此当算法终止时，您会找到最佳解决方案。您可以根据时间表违反了多少软约束
来确定考虑的内容 'best'希望对您有所帮助！