طراحی و پیاده سازی یک روش بهینه سازی بر مبنای الگوریتم PSO برای حل مسئله زمانبندی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 994

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMPUTER01_190

تاریخ نمایه سازی: 22 مهر 1394

چکیده مقاله:

مسئله برنامه ریزی دروس دانشگاهی از جمله مسائل Np-hard است که به لحاظ تاثیر عوامل بسیار و وجود محدودیت های مختلف از مشهورترین مسائل بهینه سازی است. از سوی دیگر، الگوریتم های بهینه سازی انبوه ذرات یکی از انواع الگوریتمهای تکاملی است که می تواند جهت حل مسئله مورد استفاده قرار گیرد. در این مقاله به چگونگی حل مسئله پیچیده برنامه ریزی درسی دانشگاهی با استفاده از الگوریتم بهینه سازی انبوه ذرات برای جستجوی یک جدول زمان بندی مناسب و بهینه باتوجه به محدودیت های سخت و نرم پیچیده ای که در مسئله تعریف شده، ارائه شده است. مشاهده شده است که الگوریتم های بهینه سازی انبوه ذرات می توانند باتوجه به دارا بودن حق استفاده از استراتژی تعمیر اصلاح شده و پیشرفت کنند و به آسانی تبدیل به یک مسئله کامل برای برنامه ریزی زمانی شوند.

کلیدواژه ها:

نویسندگان

سحر یزدان پناه

دانشجوی کارشناسی ارشد مهندسی کامپیوتر هوش مصنوعی، دانشگاه علوم و تحقیقات کرمان

فرشید کی نیا

دکتری برق، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

فرامرز صادقی

دکتری ریاضی کاربردی گرایش کامپیوتر، دانشگاه شهید باهنر کرمان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • علیرضایی محمد رضا، خلیلی مسعود، منصور زاده سید مهدی. برنامه ...
  • علیرضا مهدی، _ تیک و کاربردهای آن، ناقوس اندیشه، .1385 ...
  • بابایی زاده سلمان. زمان بندی کلاس های دانشگاه با به ...
  • امین طوسی، محمود، صدوقی یزدی، هادی، کلاسه بندی ای بهینه ... [مقاله کنفرانسی]
  • مسیح تهرانی، بهداد، حایریان، ،Simulated annealing، لاله مجله صنایع، شماره ...
  • Burke E.K, McCollum B, Meisels A, Petrovic S, Qu R. ...
  • Der-Fang Shiau., hybrid particle SWarm optimization for _ university colrse ...
  • Burke E.., Elliman D., Wearer R., A G _ neticAlgorithm ...
  • Carter M., A C omprehensive Course Timetabling and Student Scheduling ...
  • . Russell S., Norvig P., Artificial Intelligence: A Moder Approach, ...
  • Goldberg D., Genetic Algorithms in Search, Optimization and Machine Learning, ...
  • Whitely D., A Genetic Algorithm Tutorial, Journal of Statistics and ...
  • Ecker K, Gupta J.N.D, Schmidt G. A framework for decision ...
  • Van den Broek J, Hurkens C, Woeginger G, Timetabling problems ...
  • _ Bullnheimer, R. Hartel and . Strauss, A new rank-based ...
  • M.Dorigo, _ Maniezzo and A. Colorni, The ant system: optimization ...
  • S. Olariu and A.Y. Zomaya, Handbook of bioinspired algorithms and ...
  • P. Siarry, Metaheuristics for hard optimizations, Springer -Verlag berlin heidelberg, ...
  • M. Clerc J. Kennedy, The particle SWarm: Explosion, stability and ...
  • A. Hoorfar, Evolutionary programming in electro magnetic optimization, IEEE transactions ...
  • A. Qing, Elec tromagnetic inverse scattering of multiple Two -dimensional ...
  • F.Glover and G. A. Kochenberger, Hanbook of metaheuristics, Kluwer academic ...
  • نمایش کامل مراجع