我有定义级别的学生。一些学生是前一周的小组成员，其中有些是新来的。前一周的学生应该分组。小组的水平由包含学生水平的平均值计算得出。如果学生水平和组水平的差异小于定义的限制（例如3），则可以将新学生添加到组中。还有最小和最大组大小。如果组中没有足够的空间，我们应该创建一个新的空间。我试图用聚类算法（分层和非分层）来解决，但是它们都不适合我的情况。我需要创建最小数量的组。
我想知道遗传算法会起作用。染色体的基因将代表一个学生，并将其分配给班级。适应度函数部分将使用所有约束（最大组大小，最小组大小）。据我了解，在应用遗传算法时，我需要知道在我的情况下尚不清楚的组数。有什么想法吗？
是的，遗传算法可以工作。我不确定您从哪里知道必须知道组的数量。遗传算法所需要的只是生成孩子的生成器，判断哪个孩子最优秀的适应度函数以及一些数量参数（要为下一代保留多少父母，要生产多少孩子，...等）在生成器中）。
我建议您的个人（“染色体”）列为新一代的群体。为了节省时间，您的生成器应该只生成可行的子代：满足组大小要求的子代。任何不满足要求的孩子都应跳过并更换。
在这种情况下，主要工作是建立一个生成器，该生成器知道如何拆分组：当您发现一个新学生需要一个新组时，则必须从其他组中吸引min_group_size -1个学生。如果您一次拥有全部新生，那么您可以做出全球决策。
这足以使您朝有用的方向发展吗？
每个用户的评论更新：
我将开始研究“舒适的”染色体数目，也许是组数目乘以sqrt（新学生的数量）。根据时间的限制，我认为20至200条染色体对您有益。成功的关键指标是找到一个好的解决方案的频率，以及花费多少时间来找到解决方案。