کلاسه بندی فازی بهینه دانشجویان با استفاده از یک تابع فازی در حل مسئله برنامه ریزی ژنتیکی دروس هفتگی دانشگاه

تفکیک دانشجویان کلاسهای پرجمعیت ( کلاسه بندی ) یکی از مسائل مهم برنامه ریزی هفتگی دروس دانشگاهی می باشد . در این مقاله الگوریتم جدیدی در تفکیک دانشجویان ارائه شده، که در آن با یک نمایش جدیدِ بیتی داده ها و معیارهای خوشه بندی، جداسازی مناسب دانشجویان انجام گردیده است . این تفکیک باعث کاهش میزان تداخل دروس دانشجویان در برنامة هفتگی می شود . ابتدا با استفاده از خوشه بندیkمیانگین فازی دانشجویان به k - دسته تقسیم می شوند . سپس با توجه به معیارهای میزان دور بودن مر اکز خوشه ها، میزان متراکم بودن هر خوشه، میزان هم ورودی بودن دانشجویان هر خوشه و نسبت ابعاد خوشه ها و با استفاده از یک تابع فازی، ارزش خوشه بندی تعیین می شود . با انتخاب ویژگی های ( دروس ) مناسب، بهترین تفکیک دانشجویان بدست می آید ( بر اساس تابع فازی پیشنهادی و خوشه بندی فازی ). برای نشان دادن کارائی الگوریتم پیشنهادی، برنامه ریزی هفتگی دروس دانشجویان با الگوریتم ژنتیک انجام شده است . با ا ِعمال الگوریتم پیشنهادی، روی مجموعه ای از داده های واقعی، نسبت به فرم خوشه بندی بر اساس سال ورود، تعداد تداخلات درسی بطور متوسط %٨ کاهش یافته است . شیوه جدید ارائه شده می تواند در بسیاری از الگوریتم های مسئله برنامه ریزی دروس هفتگی مورد استفاده قرار گیرد .

کلیدواژه ها:

خوشه بندی - k میانگین فازی ، تابع ارزش فازی ، جداسازی دانشجویان ، برنامه ریزی دروس ، انتخاب ویژگی های مناسب ، الگوریتم ژنتیک