طراحی جدول زمانبندی خودکار برای دروس دانشگاهی با استفاده از الگوریتم های ژنتیک

سال انتشار: 1388
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 247

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JEIT-4-1_003

تاریخ نمایه سازی: 30 اردیبهشت 1400

چکیده مقاله:

طراحی جدول زمان­بندی، اساسا از وظایف پیچیده و وقت گیر برای پرسنل مسئول می­باشد که از طرفی انجام خودکار آن گامی در جهت کاهش بار کاری پرسنل و از سوی دیگر یک نمونه مطلوب برای امتحان روش­های برنامه­ریزی و ارضای محدودیت­ها در هوش مصنوعی است.  در این پژوهش، ابتدا  الگوریتم­های ژنتیک مطالعه و بررسی شده، سپس در مساله بهینه سازی جدول زمانی دروس برای یک دانشکده فرضی مورد استفاده قرار گرفته است. در این رویکرد روند تکاملی پاسخ­ها طی تکرار نسل­ها در یک الگوریتم ژنتیک، نهایتا منجر به تولید یک جدول زمان­بندی دروس خوش کیفیت خواهد گردید. در مرحله پیاده سازی، به کمک تغییراتی که در روند معمول الگوریتم­های ژنتیک صورت داده شد، نتایج بسیار خوبی در زمینه طراحی جداول زمان­بندی دروس دانشگاهی حاصل گردیده است. اساس کار الگوریتم طراحی شده، حفظ کروموزوم­های بهتر جمعیت و اعمال عملگرهای ژنتیکی بر روی بقیه کروموزوم­ها به منظور بهبود آنها می­باشد. در آزمون­ها، مقایسه بین الگوریتم ژنتیک عادی و الگوریتم پیشنهادی، طی چند مرحله، نقاط قوت الگوریتم پیشنهادی را مشخص کرد. ایده­های مطرح شده در این تحقیق قابل تسری به کاربردهای مشابه نیز خواهد بود.

نویسندگان

امیر حسن منجمی

گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه اصفهان،اصفهان،ایران

سولماز مسعودیان

گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه اصفهان،اصفهان،ایران

افسانه استکی

گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه اصفهان،اصفهان،ایران

ناصر نعمت بخش

گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه اصفهان،اصفهان،ایران

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 :