حل مسئله زمانبندی دروس دانشگاه با الگوریتم رقابت استعماری

مسئله ی زمان بندی دروس دانشگاه یک مسئله¬ی بهینه سازی ترکیبی از دسته مسائل np- hard می باشد که هدف اصلی این مسئله، یافتن یک رهیافت برای تخصیص کلیه ی رویدادها به برش های زمانی و اتاق های ثابت می¬باشد، که البته باید همه ی محدودیت های سخت و نرم ذکر شده در مسئله برآورده شود. تعداد زیادی از روش های متنوع در حال حاضر برای حل این مسئله پیشنهاد شده اند. همچنین مطالعات زیادی از الگوریتم های تکاملی برای حل مسئله ی زمان بندی دروس دانشگاه استفاده کرده اند. هدف از این پایان¬نامه، ارائه¬ی راهکاری جدید برای حل مسئله ی زمان بندی دروس دانشگاه که تاکنون برای بهینه سازی این مسئله بکار گرفته نشده است، می باشد. در این راستا پس از بررسی روش های متعدد هوشمندانه در جهت حل مسئله ی ایجاد یک جدول زمان بندی دروس دانشگاهی، از الگوریتم جدید رقابت استعماری، به علت مزایایی که نسبت به دیگر روش های الهام گرفته شده از طبیعت دارد، از جمله سرعت همگرایی بالا، هوشمندانه تر بودن روش و توانایی بهینه سازی توابعی با تعداد متغیرهای خیلی زیاد، برای حل این مسئله استفاده کردیم. در راستای حل این مسئله این الگوریتم را بهبود دادیم، برای این منظور در ابتدای هر نسل از الگوریتم، قبل از عملگر جذب ابتدا استعمارگرها را به کمک الگوریتم جستجوی محلی بهبود دادیم. این ترکیب باعث بهبود کیفیت راه حل بدست آمده به نسبت الگوریتم رقابت استعماری به تنهایی شد. در این پژوهش، یک مسئله ی نمونه توسط الگوریتم رقابت استعماری با در نظر گرفتن پارامترهایی از جمله استفاده از الگوریتم جستجوی تابو درون عملگر جذب به منظور جلوگیری از نقض محدودیت های سخت، استفاده از ضریب تغییر 5/0در این عملگر و احتمال عمگر انقلاب 4/0 بر روی جمعیت 400 تایی و با تعداد نسل 400 تایی بر روی دو مجموعه داده ی کوچک و بزرگ با در نظر گرفتن محدودیت های نرم بیشتر و تابع برازندگی پیشنهادی پیاده سازی شد. مجموعه داده کوچک شامل داده های واقعی یک نیم سال تحصیلی از دانشکده ی برق و کامپیوتر دانشگاه تبریز با 52 رویداد برای برنامه ریزی شدن در 10 کلاس و 50 شکاف زمانی تک ساعته می باشد. مجموعه داده بزرگ نیز شامل داده های یک آموزشکده فنی با 112 رویداد برای برنامه ریزی شدن در 8 کلاس درسی و 50 شکاف زمانی تک ساعته می باشد. نتایج بدست آمده از این الگوریتم با چهار الگوریتم ga معمولی، ga ترکیبی، pso معمولی و pso ترکیبی مقایسه شد. نتایج بدست آمده نشان داد که الگوریتم رقابت استعماری با زمان محاسباتی کم تر، سریعتر از دیگر الگوریتم ها عمل می کند و جداول زمانی با کیفیت بهتری را از نظر میزان نقض محدویت های نرم مسئله، در مقایسه با الگوریتم ga معمولی و pso معمولی ارائه می کند. اما الگوریتم رقابت استعماری ترکیبی پیشنهادی در مقایسه با الگوریتم های ga معمولی، pso معمولی و ترکیبی و حتی الگوریتم ica معمولی، از نظر میزان نقض محدودیت های نرم مسئله توانست جدول زمانی با کیفیت بهتری ارائه دهد.