طراحی جدول زمانبندی خودکار برای دروس دانشگاهی با استفاده از الگوریتم های ژنتیک
Publish place: Technology of Education Journal، Vol: 4، Issue: 1
Publish Year: 1388
Type: Journal paper
Language: Persian
View: 269
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JEIT-4-1_003
Index date: 20 May 2021
طراحی جدول زمانبندی خودکار برای دروس دانشگاهی با استفاده از الگوریتم های ژنتیک abstract
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.
طراحی جدول زمانبندی خودکار برای دروس دانشگاهی با استفاده از الگوریتم های ژنتیک Keywords:
طراحی جدول زمانبندی خودکار برای دروس دانشگاهی با استفاده از الگوریتم های ژنتیک authors
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 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 :