بهینهسازی برنامهریزی هفتگی دروس دانشگاهی با الگوریتم فاخته گسسته بهبود یافته
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 461
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
COMCONF04_353
Index date: 1 July 2017
بهینهسازی برنامهریزی هفتگی دروس دانشگاهی با الگوریتم فاخته گسسته بهبود یافته abstract
یکی از وظایف پیچیده دانشگاهها در هر ترم طراحی یک جدول زمانبندی مناسب برای دروس دانشگاهی است. مساله برنامهریزی جدول دروس دانشگاهی شامل انتساب مجموعهای از دروس به کلاسها و بازههای زمانی است بگونهای کهمجموعهای از محدودیتهای مختلف در این زمینه برآورده شود. در بسیاری از موارد این مساله به صورت دستی در دانشگاهها حل میشود اما این روش بسیار دشوار و زمانبر است. همچنین برنامههایی که به صورت دستی پیشنهادمیشوند از کیفیت پایینی برخوردار هستند و گاه ا قیود زیادی در آنها ارضا نمیشود. در این مقاله روشی جدید مبتنی بر الگوریتم فاخته گسسته برای حل مساله برنامهریزی دروس دانشگاهی پیشنهاد میشود. روش پیشنهادی مبتنی بر ترکیبالگوریتم فاخته گسسته و جستجوی محلی الگوریتم ممتیک حالت پایدار است. برای ارزیابی روش پیشنهادی سه مسالهنمونه با اندازههای مختلف طراحی و عملکرد آن بر روی این سه مساله با روشهای دیگر مورد مقایسه قرار میگیرد. نتایج شبیهسازی نشان میدهد که روش پیشنهادی هم از لحاظ سرعت همگرایی و هم یافتن بهینه سراسری، عملکرد بهتری نسبت به روشهای دیگر دارد
بهینهسازی برنامهریزی هفتگی دروس دانشگاهی با الگوریتم فاخته گسسته بهبود یافته Keywords:
بهینهسازی برنامهریزی هفتگی دروس دانشگاهی با الگوریتم فاخته گسسته بهبود یافته authors
شبنم حدادپور
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران
فرشید کی نیا
استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، 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 :