ارائه روشی برای بهبود حل مسئله زمانبندی دروس دانشگاه با الگوریتم ژنتیک با روش تغییر هوشمند ضریب جهش

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,645

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RCEITT01_009

تاریخ نمایه سازی: 11 اردیبهشت 1394

چکیده مقاله:

هدف از این پروژه یافتن راه حل های متفاوت برای مساله زمانبندی ,خصوصا زمانبندی درس های دانشگاهی و زمانبندی امتحانات که امروزه یکی از مشکلات اساسی دانشگاههای کشور می باشد است .تاکنون روش های متفاوتی برای حل این مساله ابداع شده است ,با افزایش رشته های گوناگون دانشگاهی و ارائه دروس مختلف در یک دانشگاه کار زمانبندی کلاس های درسی دشوار شده است .در این تحقیق ما روش های متفاوت را برسی نموده و مشاهده کردیم که برای این کار فرمول خاصی وجود ندارد و نحوه کار یکامر تجربی است . در این مقاله انواع روش های قبلی مورد بررسی قرار گرفته و با استفاده از الگوریتم ژنتیک هوشمند با جهش اتوماتیک به حل مساله زمانبندی دانشگاه می پردازیم , و در پایان با استفاده از زبان برنامه نویسی سی شارپ با داده های واقعی از دانشگاه غیرانتفاعی شهرستان نهاوند و قیود مساله, مساله زمانبندی دانشگاه را طراحی و پیاده سازی نمودیم . اینسیستم با توجه به داده های ورودی یک برنامه زمانبندی مناسب را تولید می کند و ممکن است بهترین برنامه نباشد ولی تمامشرایط لازم برای یک برنامه زمانبندی را رعایت می کند

نویسندگان

مجتبی جهانیان

دانشجوی کارشناسی ارشد علوم کامپیوتر سیستم های هوشمند ( دانشگاه صنعتی امیرکبیر )پلی تکنیک تهران

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 :
  • P. Pongcharoena, _. W. Promtetb, P. Yenradeec, C. Hicksd , ...
  • A.S. Asratin, R.R. Kamalian, Investigation On Interval Edge Coloring of ...
  • Edmonde Burke, Patrick De Causmaecker (Eds), PATAT 2002 Proceeding of ...
  • Liam T.G. Merlet, Natashia Boland, Barry D.Hughes, Peter j.Stukckey , ...
  • F.Glover, Tabu Search-Part1, ORSA journal on computing 3 (1989) 190-206. ...
  • S.Kirk Patrick, C.D. Gellat, M.P. Vecchi, Optimization by Simulated Annealing, ...
  • D.Costa, A Tabu Search Algorithm for Computing _ Operational Timetable, ...
  • George White, Bill S.xie, Steren Zonjic, Using Tabu Search with ...
  • J.Schonberg, D.C. Mattfeld, H.Kopfer, Memetic Algorithm Timetabling, European journal of ...
  • E.K. Burker, B.L. MacCarthy, S.Petrovic, R.Qu, Knowledge Discovery in a ...
  • Slim Abdennadher, Rule-Based Constraint Programming Theory and Practice, July 15, ...
  • Yen-Zen Wang, Using Genetic Algorithm Methods to Solve Course Scheduling ...
  • Yen-Zen Wang, _ Application of Genetic Algorithm Methods for Teacher ...
  • D.E. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, ...
  • J.Holland, Adaption in Natural and Artificial Systems, Second MIT Press, ...
  • Enzhe Yu, Ki-Seok Sung, A Genetic Algorithm for _ University ...
  • نمایش کامل مراجع