توسعه مسئله زمانبندی دروس دانشگاهی با در نظر گرفتن ترجیحات اساتید و دانشجویان و حل آن توسط سیستم پشتیبان تصمیم گیری مبتنی بر الگوریتم تبرید شبیه سازی شده دو هدفه

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 390

This Paper With 30 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JIMS-17-55_002

تاریخ نمایه سازی: 15 تیر 1399

Abstract:

جدول زمانبندی درسی، مسئله تخصیص هفتگی یک مجموعه درس و استاد به مکان و زمان بنا بر یکسری محدودیت های سخت و نرم در دانشگاه می باشد. در هر نیمسال، مدیران گروه های آموزشی برای تولید جدول زمانبندی درسی از جدول های نیمسال های گذشته و روش سعی و خطا استفاده می کنند؛ هر چند تغییر سریع نیازمندی های دانشگاه در هر نیمسال، محدودیتها و قوانین حاکم سبب گردیده این روش راه حل مناسبی به شمار نمی آید. در این پژوهش به طراحی و توسعه مدل ریاضی دو هدفه با در نظر گرفتن ترجیحات دانشجویان و اساتید پرداختیم، از آنجایی که مدل به دلیل پیچیدگی از روش های مرسوم مسائل غیرخطی قابل حل نبود از الگوریتم متاهیوریستک تبریدشبیه سازی شده برای حل مدل ریاضی در دو مرحله، بهره برده ایم. در مرحله اول ، سیستم به صورت خودکار جواب هایی را تولید می کند که در آن کلیه محدودیت های سخت برآورده می شود. سپس، این جواب ها در مرحله دوم با لحاظ کردن ساختارهای همسایگی مختلف بهبود می یابند، این مجموعه در بسته نرم افزار کامپیوتری با محیط کاربری توسط زبان برنامه نویسی C# و بکارگیری پایگاه دادهSQL پیاده سازی شده است. این سیستم، توسط داده هایی که از دانشگاه آزاد گرد آمده است، امتحان گردیده و نتایج حاکی از پیشرفت چشمگیری است که نسبت به فرآیند دستی وجود دارد. در کل سیستم انعطاف پذیر و آسان برای امتحان سناریوهای مختلف زمانبندی است.

Keywords:

جدول زمانی درسی , شبیه سازی تبرید چند هدفه , تابع ترجیحات , سیستم پشتیبان تصمیم گیری

Authors

شقایق وزیری

دانشکده مهندسی صنایع و مکانیک، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

آرش زارع طلب

دانشکده مهندسی صنایع و سیستم های مدیریت، دانشگاه صنعتی امیر کبیر، تهران، ایران

مانی شریفی

دانشگاه آزاد اسلامی قزوین

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • اسماعیلیان, عبدالهی. زمان بندی کلاس های درس با استفاده از ...
  • جودکی, منتظری, موسوی سیدرسول. بررسی مساله زمان بندی درسی دانشگاهی ...
  • سلیمی فرد, جمالی، بابایی زاده,. زمان‎ بندی درس های دانشگاه ...
  • شمس شمیرانی, بشیری, مدرس یزدی. طراحی مدل ریاضی زمانبندی امتحانات ...
  • Abdullah S, Turabieh H. On the use of multi neighbourhood ...
  • Bagger, Niels-Christian F., Matias Sørensen, and Thomas R. Stidsen. Benders’ ...
  • Burke EK, Eckersley AJ, McCollum B, Petrovic S, Qu R. ...
  • Carter M, Laporte G. Recent developments in practical course timetabling. ...
  • Daskalaki S, Birbas T, Housos E. An integer programming formulation ...
  • de Werra D. An introduction to timetabling. European journal of ...
  • Deb K, Sundar J. Reference point based multi-objective optimization using ...
  • Di Gaspero L, McCollum B, Schaerf A. The second international ...
  • Dimopoulou M, Miliotis P. An automated university course timetabling system ...
  • Dorneles ÁP, de Araújo OC, Buriol LS. A fix-and-optimize heuristic ...
  • e Costa CA, Oliveira MD. A multicriteria decision analysis model ...
  • Eglese RW. Simulated annealing: a tool for operational research. European ...
  • Fonseca, George HG, et al. Integer programming techniques for educational ...
  • Ghodsypour SH, O Brien C. A decision support system for ...
  • Goh, Say Leng, Graham Kendall, and Nasser R. Sabar. Improved ...
  • Gotlieb CC. The construction of class-teacher timetables. InProc. IFIP Congress ...
  • Gunawan A, Ng KM, Poh KL. A hybridized Lagrangian relaxation ...
  • Head C, Shaban S. A heuristic approach to simultaneous course/student ...
  • Ismayilova NA, SağIr M, Gasimov RN. A multiobjective faculty–course–time slot ...
  • Jafari H, Salmasi N. Maximizing the nurses’ preferences in nurse ...
  • Kirkpatrick S, Gelatt CD, Vecchi MP. Optimization by simulated annealing. ...
  • Lee HY, Lin YC. A decision support model for scheduling ...
  • Lewis R, Thompson J. On the application of graph colouring ...
  • McCollum B, Burke EK. The practice and theory of automated ...
  • Michalewicz, Zbigniew. A survey of constraint handling techniques in evolutionary ...
  • Nagata, Yuichi. Random partial neighborhood search for the post-enrollment course ...
  • Pereira, V., & Gomes Costa, H. (2016). Linear integer model ...
  • Power DJ, Sharda R. Model-driven decision support systems: Concepts and ...
  • Qu R, Burke EK, McCollum B, Merlot LT, Lee SY. ...
  • Schaerf A. A survey of automated timetabling. Artificial intelligence review. ...
  • Song, K., Kim, S., Park, M., Lee, H. S. Energy ...
  • Turban E. Decision support and expert systems: management support systems. ...
  • Van Laarhoven PJ, Aarts EH, Lenstra JK. Job shop scheduling ...
  • Vermuyten, Hendrik, et al. Developing compact course timetables with optimized ...
  • Wang YZ. An application of genetic algorithm methods for teacher ...
  • White G, Chan PW. Towards the construction of optimal examination ...
  • Zaretalab A, Hajipour V, Sharifi MShahriari MR. A knowledge-based archive ...
  • نمایش کامل مراجع