برنامه ریزی دروس دانشگاهی با سیستم مورچه- فازی

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,839

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI14_147

تاریخ نمایه سازی: 26 مهر 1387

چکیده مقاله:

در این مقاله مساله برنامه ریزی درسی بعنوان یک مساله بهینه سازی ترکیبی، فرموله بندی و حل شده است. هدف از برنامه ریزی، ایجاد یک برنامه زمانی معتبر و قابل اجرا در یک محیط واقعی بدون تداخل و حداکثر رضایت مندی است، برای افزایش قدرت راه حل از تئوری مجموعه های فازی در الگوریتم جمعیت مورچگان استفاده شده است. مساله به طور کاملا مناسب با یک گراف چندگانه شبیه سازی شده و ماتریس ردپا نیز دقیقا معین شده است. همچنین پارامترهای بسیار زیادی از مساله در نظر گرفته شده است که در کارهای قبلی این مساله با چنین ابعادی هرگز در نظر گرفته نشده بوده است. روش پیشنهادی در یک محیط واقعی با پارامترهای واقعی مورد آزمایش قرار گرفته و نتایج بسیار مطلوبی بدست آمده است که نشان دهنده قدرت بالای سیستم مورچه-فازی در مساله برنامه ریزی دروس می باشد.

نویسندگان

فاطمه افسری

عضو هیات علمی دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان

مهدی افتخاری

عضو هیات علمی دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان

میثم زاهدی تمسکنی

عضو هیات علمی دانشکده فنی و مهندسی، 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 :
  • D. de Werra. "The combinatory of timetabling". European Journal of ...
  • D. Corne, P. Ross, and H.-L. Fang. *Evolutionary timetabling: Practice, ...
  • E. K. Burke, B.McCollum, P. McMullan, Rong Qu. _ Simulated ...
  • L. Di Gaspero, A. Schaerf.، Tabu search techniques for examination ...
  • L. D. Gaspero, M. Chiarandini, Andrea Schaerf. "A Study on ...
  • Dorigo M., Maniezzo V. and Colorni A., ،The ant system: ...
  • Dorigo M. and Gambardella L.M.، Ant Colony System: A cooperating ...
  • Stutzle T. and Hoos H., ،#Max-Min Ant System and local ...
  • A. Roli, C. Blum, and M. Dorigo.، ACO for maximal ...
  • T. StAutzle and H. H. Hoos. Max-Min Ant System. Future ...
  • Jang J.R., Sun C.T. and Mizutani E., Neuro-Fuzzy and Soft ...
  • D. E. Goldberg, Genetic Algorithms in Optimization and Machine Learning. ...
  • نمایش کامل مراجع