我一直在尝试提出一个智能解决方案,以使用机器学习或神经网络构建时间表调度应用程序。构建此类应用程序的算法或方法是什么。我打算从谷歌日历 API 和系统中获取数据。考虑到从讲师和学生那里获取的数据,该系统应该使用最佳时间段来进行讲座。
我发现了一些研究文件,他们使用了一些遗传算法,但这可以在神经网络的帮助下完成吗?
我一直在尝试提出一个智能解决方案,以使用机器学习或神经网络构建时间表调度应用程序。构建此类应用程序的算法或方法是什么。我打算从谷歌日历 API 和系统中获取数据。考虑到从讲师和学生那里获取的数据,该系统应该使用最佳时间段来进行讲座。
我发现了一些研究文件,他们使用了一些遗传算法,但这可以在神经网络的帮助下完成吗?
调度问题可能是NP 完全问题。目前尚不清楚具体的细节是什么。您可能会很幸运,并且有特定的限制会导致一个简单的子问题或只是一个简单的实例。但是,由于许多变体,例如On the Complexity of Scheduling University Courses(可能是您的情况)、Job shop scheduling、Multiprocessor scheduling和Open-shop scheduling都是 NP-complete,因此您可能处于相同的情况。
通常,最好将此类问题视为优化问题而不是分类问题。如果您尝试将问题视为分类问题,则在构建分类数据集时可能会遇到严重问题,该数据集将很好地代表您想要解决的时间调度问题。
有一些通用技术可以解决优化问题。我还找到了一些与您的案例相关的工作。我不熟悉这个具体案例,但似乎使用模拟退火解决课程安排问题以及这里完成的工作可能会对您有所帮助。