زمانبندی را می توان در همه ی جنب? های زندگی نظیر کار، تعلیم و تربیت، نقل و انتقالات و سرگرمی مشاهده کرد. در واقع، تصور ‏کردن جوامع مدرن و سازماندهی شده بدون بهره گیری از زمانبندی سخت و مشکل خواهد بود. از طرف دیگر ورود کامپیوترها به ‏زندگی انسان باعث بالا رفتن سرعت وتسهیل در انجام کارها در اکثر زمینه های زندگی شده است. از جمله ی این کارها زمانبندی ‏و برنامه ریزی در اموری می باشد که با تعداد زیادی محدودیت برای بهینه سازی مواجه می باشند. به عنوان مثال برنامه ریزی درسی ‏که در اوایل هر نیمسال در دانشکده های یک دانشگاه انجام می شود از این جمله می باشد. انجام این کار به صورت دستی زمان بر و ‏جدول زمانبندی حاصل شده ممکن است که بهینه نباشد. یکی از مشکلات مهم در این مسأله تنوع محدودیت ها است که باعث می ‏شود برنامه ریزی در دانشکده های مختلف به گونه های متفاوتی انجام شود. کارهای زیادی برای حل این مسأله انجام شده، که اکثر ‏آنها از روش های فرامکاشفه ای(‏metaheuristic‏) بهره برده اند. در این پایان نامه یک روش مبتنی بر ترکیب الگوریتم ‏ممتیک(‏memetic algorithm‏) بهبود یافته و الگوریتم سردشدن شبیه سازی شده(‏simulated annealing‏) ارائه می شود. منظور از ‏بهبود در الگوریتم ممتیک، ایجاد جمعیت اولیه به شکل مکاشفه ای(‏heuristic‏) و همچنین تغییر عملگر تقاطع (‏crossover‏) در این ‏الگوریتم می باشد. عملگر تقاطع جدید با نام عملگر تقاطع حریصانه معروف می باشد. همچنین یک عملگر به نام ‏improvement‏ ‏جهت بهبود کروموزوم های تولید شده و کاهش تعداد نقض محدودیت ها طراحی شده است. استفاده از الگوریتم سردشدن شبیه ‏سازی شده باعث افزایش توانایی بهره برداری(‏exploiting‏) الگوریتم ممتیک خواهد شد. نتایج به دست آمده از انجام این روش بر ‏روی داده های استاندارد در مقایسه با برخی روش های جدید، کارآمدی این روش را نشان می دهند. این روش علاوه بر داده های ‏استاندارد بر روی داده های دانشکده برق و کامپیوتر نیز اعمال شده است. ترکیب های متفاوتی از الگوریتم ژنتیک(‏genetic ‎algorithm‏) و الگوریتم ممتیک با عملگرهای مطرح شده در این پایان نامه برای بررسی کارآیی الگوریتم پیشنهادی ارائه شده ‏است. نتایج به دست آمده از این مقایسه برتری روش پیشنهادی را نسبت به سایر روش های ترکیبی مطرح شده نشان می دهد.‏