مساله زمانبندی درسهای دانشگاه
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده ریاضی
- author علی رضایی
- adviser رضا قنبری حسین تقی زاده کاخکی
- Number of pages: First 15 pages
- publication year 1391
abstract
مساله زمان بندی دروس دانشگاه، یکی از وظایف مهم و وقت گیری است که به صورت دوره ای همه دانشگاه ها با آن مواجه می شوند. در این مساله، هدف زمان بندی جلسه های یک مجموعه از درس ها، در داخل یک جدول زمان بندی هفتگی است به طوری که، هر یک از جلسه ها، باید بر اساس یک مجموعه از محدودیت های داده شده (محدودیت های نرم و سخت)، در یک دوره و یک اتاق مجزا، قرار گیرد. از آن جایی که این مساله در رده مسایل-npسخت قرار دارد ما یک الگوریتم جستجوی ممنوع وفقی را برای حل این مساله مورد بررسی قرار دادیم و ضمن بهبود در همسایگی های آن، همسایگی های جدید و کارایی را برای این مساله معرفی کردیم و نیز با افزودن یک حافظه پیشنهادی به الگوریتم جستجوی ممنوع بررسی شده، کارایی آن را افزایش دادیم. در پایان همه الگوریتم ها را روی نمونه های استاندارد پیاده سازی کردیم و نتایج عددی به دست آمده، کارایی الگوریتم جستجوی ممنوع وفقی پیشنهادی ما را نسبت به الگوریتم بررسی شده نشان داد.
similar resources
یکپارچگی مساله مسیریابی وسایل نقلیه با زمانبندی حملونقل و تولید در زنجیره‌تأمین
طراحی شبکههای حملونقل نقش مهمی در کاهش قیمت تمام شدۀ محصولات و افزایش رقابتپذیری آن‌ها دارد. از این رو، سازمان‌ها در پی راهی جهت تسریع حملونقل و کاهش هزینه‌های مربوط به آن هستند.این مقاله به ترکیب سه استراتژی نوین در مورد زمانبندی حملونقل در زنجیره‌تأمین شامل زمانبندی جامع تولید در تأمین‌کنندگان، استفاده از ناوگان حملونقل مشترک برای انتق...
full textمدل سازی و حل مساله زمانبندی کار کارگاهی با زمانهای آماده‌سازی وابسته به توالی
In recent decade, many researches has been done on job shop scheduling problem with sequence dependent setup times (SDSJSP), but with respect to the knowledge of authors in very few of them the assumption of existing inseparable setup has been considered. Also, in attracted metaheuristic algorithms to this problem the Particle Swarm Optimization has not been considered. In this paper, the ISD...
full textبکارگیری الگوریتم ترکیبی بهینه سازی دسته ذرات برای حل مساله سنتی زمانبندی کار کارگاهی
The classical Job Shop Scheduling Problem (JSSP) is NP-hard problem in the strong sense. For this reason, different metaheuristic algorithms have been developed for solving the JSSP in recent years. The Particle Swarm Optimization (PSO), as a new metaheuristic algorithm, has applied to a few special classes of the problem. In this paper, a new PSO algorithm is developed for JSSP. First, a pr...
full textارایه یک روش ابتکاری برای زمانبندی مساله فلوشاپ ترکیبی دو مرحله ای چند معیاره
A two-stage hybrid flow shop problem can be considered as part of a larger issue; when solved, it can find a partial solution of a main and bigger problem. Here and in the current paper, a two-stage hybrid flow shop problem with one machine in the first stage and two machines in the second stage with three criteria such as: 1) maximum manufacturing time, 2) average manufacturing time and 3) sum...
full textمدل سازی مساله زمانبندی تولید جریان کارگاهی چند حالته با منابع محدود
در مسائل زمانبندی معمولا زمان پردازش عملیات های هر کار مشخص و ثابت در نظر گرفته می شود. درادبیات زمانبندی پروژه بسیار تاکید شده است که زمان هر فعالیت/عملیات می تواند گاهی چند حالته باشد و باتخصیص مقداری بیشتری از منابع به یک فعالیت، زمان پردازش آن نیز کاهش یابد. در اینگونه مسائل علاوه برزمانبندی فعالیت ها باید تخصیص منابع محدود در دسترس به فعالیت ها نیز انجام شود. این ضعف در ادبیاتمسائل زمانبند...
full textارائه مدل ریاضی و حد پایین برای مساله زمانبندی گردش شغلی ارگونومیکی
کار در کارگاههای صنعتی و انجام فعالیتهای سنگین بر سلامت کارگران تاثیر داشته و به لحاظ آسیبهایشغلی مخاطرات فراوانی را برای آنان به همراه دارد. از آنجایی که در واحدهای صنعتی کارهای متفاوتی بهلحاظ بار ارگونومیکی و نیز سختی کار وجود دارد، می توان با ایجاد یک برنامه چرخش کار، آسیبهایشغلی را کاهش داد. در این مقاله با استفاده از رویکرد تبدیل، مساله زمانبندی گردش کار ارگونومیکی بهمساله ماشینهای موازی ت...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده ریاضی
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023