تهیه جدول زما نبندی دروس دانشگاهی به عنوان نوعی خاص از مسائل زمانبندی است که یکسری رویداد یا منابع را در تعداد محدودی فاصله زمانی با در نظر گرفتن شرایط و محدودیت های مشخصی انتساب می دهد. بنابراین طراحی و پیاده سازی سیستم زمانبندی کلاس های درس دانشگاهی مستلزم شناسایی شرایط و ضوابط آموزش دانشگاه می باشد. در این پایان نامه، یک مدل برنامه ریزی ریاضی برای زمانبندی دروس دردانشکده ی مهندسی صنایع دانشگاه صنعتی ارومیه ارائه شده است. مدل برنامه ریزی ریاضی ارائه شده یک مدل غیر خطی با متغیر های صحیح بوده و غیر خطی بودن مدل ناشی از تابع هدف می باشد. برای ساده سازی مدل، یک تکنیک خطی سازی برای خطی سازی عبارت غیر خطی پیشنهاد شده است. این تکنیک به وسیله ی کاهش تعداد متغیر های صفر و یک به طور قابل توجه ای مدل را ساده تر می سازد. این روش ساده سازی و آزاد سازی مورد استفاده در مدل پیشنهادی، کارایی محاسبات را به میزان قابل توجه ای افزایش می دهد. مدل پیشنهادی به طور کلی یک جدول زمانبندی بر اساس خصوصیات و امکانات نهادهای آموزشی ارائه می دهد. این مدل همچنین محدودیت های ویژه، مربوط به دانشگاه صنعتی ارومیه را در نظر می گیرد. تابع هدف مدل حداقل کردن مجموع موارد تداخل بین دروس برنامه ی نیمسال دانشجویان می باشد. محدودیت های مسئله شامل، محدودیت خطی سازی، محدودیت های مربوط به عدم تداخل برنامه ی اساتید، کلاس ها و دانشجویان است. علاوه بر این، تخصیص کلاس برای دروس از پیش تخصیص داده شده توسط مدل پیشنهادی انجام می شود. دروسی که باید دو بار در هفته برگزار شوند توسط مدل پیشنهادی، دو بار در هفته و با حداقل یک روز فاصله در بین جلسات برگزار می شوند. مدل پیشنهادی با نرم افزار لینگو8 کدنویسی شده و برای تهیه جدول زمانبندی دروس دانشکده مهندسی صنایع دانشگاه صنعتی ارومیه بکار برده شده است. مدل پیشنهادی موفق به حل مسئله در 2 دقیقه و 26 ثانیه شد. جدول زمانبندی حاصل از مدل تنها شامل 11 تداخل در بین برنامه ی دانشجویان می باشد در حالی که این عدد در برنامه ی دستی تهیه شده توسط مسولین آموزش 40 نفر می باشد. در مدل پیشنهادی فرض شده است که تعداد کلاس های در دسترس، از قبل مشخص است. حداقل کردن تعداد کلاس های تخصیص داده شده را می توان به عنوان یک تابع هدف جدید در تحقیقات آینده در نظر گرفت. np-hard بودن مسئله ی مورد نظر باعث می شود که، مدل پیشنهادی نتواند همه ی درس های ارائه شده در یک نیمسال تحصیلی دانشگاه را در زمانبندی لحاظ کند. به عنوان تحقیقات برای مطالعات آینده، می توان از الگوریتم های فرا ابتکاری مانند الگوریتم ژنتیک، بهینه سازی کلونی مورچه وغیره برای حل این مدل استفاده نمود.