我正在从事将大学课程表示为待办事项的项目，其中：
课程所有者（课程的老师）可以添加任务（包含需要学习的资源的URL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）可以将任务标记为已完成或未完成，并且它们的标记将分别为每个帐户保存。
如果学生将任务标记为已完成-他标记的他的帐户和元素将显示在教师的课程活动标签中，他可以在其中执行以下操作：
在这里您可以推荐我使用哪种优化算法来进行时间表重新安排（如果学生拖延，请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活动+他将任务标记为完成的事实+如果他单击或不单击放置在指向外部学习材料（例如Google图书）的待办事项元素上的URL ）。
例如，遗传算法是否适用于此模型，它们有什么陷阱：https://medium.com/@vijinimallawaarachchi/time-table-scheduling-2207ca593b4d？
答案 0 :(得分：1)
我不确定我是否完全理解您的问题，但是听起来您有一个可行的时间表，而您只需要改进它即可。
如果这样的话，遗传算法会很好地工作，但是我认为像链接中那样将所有内容表示为二进制“染色体”可能不切实际。 您可以通过多种其他方式表示时间表，例如以2D数组的形式，或为事件指定插槽号。 您可以研究禁忌搜索，模拟退火，大洪水和爬坡等算法。它们全都基于类似的思想，但有些在某些问题上比其他问题工作得更好。例如，如果您的搜索空间非常粗糙，那么模拟退火将不是最佳选择，而“爬山”通常只会找到局部最优值。
上述算法以及许多其他遗传算法和元启发式算法的一般体系结构是：使用移动运算符选择相邻的解决方案（例如，交换一个或两个或三个事件的时间或交换两个事件的房间等）。 。），检查移动是否没有违反任何严格的约束，请使用接受策略（例如模拟退火或大洪水）来确定该移动是否被接受。如果是这样，请保留解决方案并重复步骤，直到满足终止条件为止。这可以是最大时间，达到的迭代次数或x迭代次数中未发现改进的移动。 在运行的同时，请记录“最佳”解决方案的日志，以便在算法终止时找到最佳解决方案。您可以根据时间表违反了多少软约束来确定什么是“最佳”
希望这会有所帮助！