حل مسأله زمان بندی دروس دانشگاهی با استفاده از الگوریتم دسته ماهی های مصنوعی با قابلیت اولویت های انعطاف پذیر
Publish place: The 6th Conference of Al Robotics
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 649
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
IRANOPEN06_003
Index date: 12 November 2016
حل مسأله زمان بندی دروس دانشگاهی با استفاده از الگوریتم دسته ماهی های مصنوعی با قابلیت اولویت های انعطاف پذیر abstract
مسأله زمان بندی دروس به عنوان یکی از مسائل NP-Hard شناخته می شود. هدف این مسأله تخصیص یک سری منابع مانند اساتید، دروس و دانشجویان به یک سری بازه های زمانی ثابت و محدود به شرط ارضاء تعداد زیادی محدودیت بوده که در سال های اخیر مورد توجه محققین قرار گرفته است. برای حل این مسأله استفاده از روش های مختلف فرا ابتکاری به جای الگوریتم های کلاسیک کاربرد زیادی پیدا کرده است. یکی از محدودیت های این مسأله قابلیت در نظر گرفتن اولویت های مختلف برای عوامل مختلفی نظیر اساتید است. در این مقاله روشی برای حل مسأله زمان بندی دروس با قابلیت اولویت های انعطاف پذیر با استفاده از الگوریتم های دسته ماهی های مصنوعی ارائه شده است که در آن به اساتید و کلاس ها این امکان داده می شود که اولویت های خود برای تدریس در ساعات موردنظر هفته را در جدولی مخصوص به خود مشخص نمایند. به عبارت دیگر قابلیت اولویت های انعطاف پذیر باعث ایجاد تعاملی خوب بین اساتید و برنامه ی زمان بند می شود که این امر رضایت اساتید را در پی دارد. نتایج به دست آمده از آزمایش های صورت گرفته بر روی روش پیشنهادی حاکی از آن است که الگوریتم دسته ماهی های مصنوعی برنامه زمان بندی بهتری نسبت به الگوریتم های بهینه سازی ازدحام ذرات و ژنیتک ارائه می دهد.
حل مسأله زمان بندی دروس دانشگاهی با استفاده از الگوریتم دسته ماهی های مصنوعی با قابلیت اولویت های انعطاف پذیر Keywords:
حل مسأله زمان بندی دروس دانشگاهی با استفاده از الگوریتم دسته ماهی های مصنوعی با قابلیت اولویت های انعطاف پذیر authors
محمدصادق پورقربان
دانشگاه آزاد اسلامی، واحد قزوین، دانشکده برق، رایانه و فناوری اطلاعات
بهروز معصومی
دانشگاه آزاد اسلامی، واحد قزوین، دانشکده برق، رایانه و فناوری اطلاعات
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 :