完善遗传算法与普通遗传算法的比较优势

Author: FLASHLACK1314

docs/final/algorithm.md

@@ -405,7 +405,15 @@
   6. **连续课程优化**：优先安排连续课程，提高教学效果和资源利用率。
   7. **单双周排课**：支持单周、双周排课的特殊情况处理。
 
-  ### 8.2 与原始算法的比较
+  ### 8.2 与原始普通遗传算法的比较优势
+
+  在本系统中，所采用的改进型遗传算法在标准遗传算法的基础上进行了多方面优化，主要包括适应度函数设计、选择算子优化以及局部搜索策略的引入。与原始普通遗传算法相比，改进算法在收敛速度、排课质量以及冲突控制等方面表现更为优异。
+ 
+  首先，原始遗传算法通常仅以课表冲突数作为适应度评估标准，容易陷入局部最优，无法充分考虑教师偏好、课程分布均衡等软约束。而本系统引入了多目标适应度函数，将软硬约束权重综合考虑，使算法的搜索方向更具引导性。
+
+  其次，在选择和变异操作方面，传统算法常采用轮盘赌选择和简单单点变异，易造成种群早熟或多样性丧失。本系统则引入了精英保留策略与局部微调操作，在保持解多样性的同时加快了收敛速度。
+
+  实验结果表明，在相同规模的数据集下，改进遗传算法在平均适应度、收敛代数和冲突数量等指标上均优于原始算法，尤其是在复杂约束条件下表现更为稳定可靠。
 
   ## 9.算法总结