کاربرد الگوریتم ژنتیک در شبیه سازی سیستم تصمیم یاربرای حل مسأله زمان بندی دروس
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 627
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCRC01_058
تاریخ نمایه سازی: 25 آذر 1395
چکیده مقاله:
طراحی و ارائه یک جدول زمان بندی بهینه برای دروس یک دانشکده، که تمام محدودیت ها را رفع کند و هیچ گونه تداخلی در دروس و ساعات کلاسی پیش نیاید امری پیچیده و زمان بر در همه موسسات آموزشی است. در مسأله زمان بندی دروس دانشگاه محدودیت های بسیاری همراه با فضای جستجوی وسیعی وجود دارد؛ همچنین به دلیل محدودیت های خاص هر دانشکده تعریف ثابت و یکسانی نیز از این مسأله وجود ندارد و راه حل های مختلفی بنابر تعداد و نوع محدودیت ها ارائه می شود. استفاده از یک سیستم تعاملی تصمیم یار برای کمک به حل این مسأله برای تصمیم گیری مناسب، سریع و دقیق اهمیت دارد؛ همچنین دستیابی به نتایج مطلوب و بهنیه، به حداقل رساندن خطاها و یافتن ارتباطات و الگوهایی مناسب بین مجموعه داده ها، استفاده از روش ترکیبی الگوریتم های یادگیری ماشین و تکاملی پیشنهاد می شود. الگوریتم ژنتیک الگویی است نوین و کاربردی که راهکارهایی اساسی، کاربردی و جذاب را ارائه می دهد. استفاده از الگوریتم ژنتیک در سیستم های پشتیبانی تصمیم گیری موقعیت انتخاب بهتر را در تمامی زمینه ها فراهم م نماید و رضایت کاربر را به همراه دارد. این روش که الهام گرفته از طبیعت است، مسائل را به خوبی حل نموده و جواب های مطلوب ارائه می دهد. در این بررسی روش هوشمند حل مسأله زمان بندی دروس را با بکارگیری الگوریتم ژنتیک شرح خواهیم داد و با بررسی و تجزیه و تحلیل دقیق و عمیق نیازها و اطلاعات، راه حل مطلوب و بهنیه براس مسأله زمان بندی دروس را بررسی می کنیم.
کلیدواژه ها:
سیستم تصمیم یار - الگوریتم زنتیک - زمان بندی دروس
نویسندگان
لعیا زنگی آبادی
موسسه آموزش عالی بهمن یار، کرمان
علی اکبر نیک نفس
موسسه آموزش عالی بهمن یار، 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 :