曾祥天 / 青岛港湾职业技术学院

遗传算法在校园听力考试广播系统施工优化中的应用

曾祥天 / 青岛港湾职业技术学院

考试广播系统，特别是外语听力考试广播系统的重要性是不言而喻的。播音质量的好坏直接关系到学生的切身利益甚至未来发展。传统的有线广播系统反到是最适合听力考试的广播系统。但是，传统的有线广播系统自身也存在施工工程量较大、布局局限性较大等缺陷，所以在施工过程中，需要通过对施工过程进行适当的优化，以便节约成本、缩短工期。

遗传算法；校园听力；考试广播系统；施工优化

1.听力考试广播系统的重要性及选型依据

考试广播系统，特别是外语听力考试广播系统的重要性是不言而喻的。播音质量的好坏直接关系到学生的切身利益甚至未来发展。同时，听力考试广播系统的安全性、稳定性也非常重要，既要做到播音前和播音过程中的严格保密又要做到系统在停电或者事故时有足够的冗余，与此同时，还要实现系统维护的便利性、可扩展性等诸多方面。虽然目前IP智能广播系统在施工便利性方面有不可比拟的优势，但是其在安全性和稳定性方面也存在不可弥补的短板，尤其是稳定性方面，由于智能终端设备大都需要电力支持，在突发停电故障时，这些智能设备都将无法使用，即便是部分设备有自备电源，其自备电源的检修工作量也十分庞大。无线广播系统虽然施工最简单，但是由于其自身的开放式设计导致其安全性很差，不符合现代考试的保密要求。综合来看，传统的有线广播系统反到是最适合听力考试的广播系统。但是，传统的有线广播系统自身也存在施工工程量较大、布局局限性较大等缺陷，所以在施工过程中，需要通过对施工过程进行适当的优化，以便节约成本、缩短工期。

2.遗传算法简介

遗传算法（Genetic Algorithm，GA）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是把问题的解集看做整个种群的染色体，每个染色体都是潜在的解，种群中染色体的个数表示种群规模。子代染色体一般通过交叉和变异来改变父代染色体，这样，子代染色体就在不断的繁殖中得到了改变。每一代的子代染色体都要评价其自身适应度，适应度较高的染色体保留下来的几率也较高。最终，代表问题最优解的子代染色体可能都是同样的或者达到了规定的要求，从而，问题得解。遗传算法一般包含以下要素：编码，初始群体设定，适应度评价，选择，交叉，变异和终止准则。

3.双代号网络优化法和遗传算法在考试广播系统建设中的优化对比

规划当中的青岛港湾职业技术学院听力考试广播系统分散于A0、A1、A2、B1、B4五栋教学楼内，总工期要求小于40天，总投资小于11万元。工程涉及设备采购、安装、线路敷设、土建施工、电气施工、调试等诸多步骤。此项目由学院技术中心负责协调各相关单位进行实施。为便于项目的工期编排和费用结算可将该项工程分解为：A、B、C、D、E、F、G、H、I、J、K、L、M、N、O、P、Q、R、S、T、U、V，共计22项工作。各工作之间的逻辑关系以及各工作的持续时间如表1，各工作与直接费用统计如表2：

表1

表2

通过绘制双代号网络计划图可以得到以下结论：关键线路为：A-D-G-H-E-R-S-T-U，关键线路工期为45天。其中间接费率为：

通过工期压缩法优化得到最终优化结果为：最短总工期为38天，其总费用为11.534万元。

结论：费用超预算，但此时双代号网络优化法已无法再对费用进行进一步压缩了。

下面使用遗传算法进行优化。

针对关键工序建立优化方案的数学模型，

通过遗传算法的计算规则，我们可以确定最终需要优化的具体目标函数为：

表3

分别设定不同的群数量（100、1000）和迭代次数（30、100、1000）进行越算，再将得到的bestind值取最佳平均值之后再取整（计量单位为整数天）得到表3：根据关键工期优化结果，可由表2计算出最终优化结果：当工期为40天时，直接成本最低为12.44万元，对应的总成本为10.39万元。符合学院对于该项工程工期和成本的要求，所以基于遗传算法的优化方案是可行的。

4.结论

遗传算法在运算的最终结果方面，既确保了工期，又控制了成本。该算法的优化原理较早期的网络进度计划优化法更有数学理论依据，过程更加逻辑化。在最终结果的运算方面，该算法给出了帕累托解集，该解集有多种工期-成本搭配方案。网络进度计划在多目标优化问题上导向性不足，人工优化容易在优化过程中出错，其主要表现形式是随着优化的不断进行，优化难度逐步增加，很容易导致最终优化目标的偏离，并且计算过程也不够严谨，优化过程存在一定的人为主观性。

[1]Harding Seal.Contrasting Values in Western Europe Unity,Diversity and Change[M].2011.

[2]胡华选.网络计划工期费用优化及其蚁群算法 [D].大连:大连理工大学.

[3]阮宏博.基于遗传算法的工程多目标优化研究[D].大连:大连理工大学,2007.