An optimization algorithms for improving the university timetable scheduling
Başlık çevirisi mevcut değil.
- Tez No: 796801
- Danışmanlar: PROF. DR. GALİP CANSEVER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 51
Özet
Bu proje, bir fakülte programı oluşturma sorununa olası yaklaşımlardan birini hayata geçirmektedir. Önerilen strateji, bilgi işlem ilkelerinden türetilmiştir ve hem Evrimsel teknikler (1+1) olarak bilinen evrimsel stratejinin hem de simüle edilmiş sertleştirmenin esnek kullanımını sağlar. Bir çözümün başarılı olma derecesi, uygulanabilir sınırlamaları ve kriterleri ne kadar iyi karşıladığı incelenerek ölçülebilir. Algoritmanın test edilmesinden elde edilen bulgular, tüm ciddi kısıtlamaların karşılandığını ve ekstra kriterlerin bir dereceye kadar optimize edildiğini göstermektedir. Bir üniversite, ders programlarını geliştirmek için bir genetik algoritma makine öğrenimi teknolojisi kullanır. Çıktı çizelgelerinde öğretmenler, öğrenciler veya konumlar için uyumsuz modüller yoktur ve süreç geliştirilebilir. Mümkünse programın sınırları, kullanıcı tercihleri ile zaman çizelgeleri verilir. Zaman çizelgeleme problemi, çeşitli bilgisayar tekniklerini kullanan çok sayıda girişimin konusu olmuştur. Böyle bir yaklaşım, (GA) Darwin'in evrim felsefesi genetik algoritmalarını kullanır. Bu projenin amacı, genetik algoritma tabanlı bir üniversite ders çizelgeleme prosedürünü geliştirmektir.
Özet (Çeviri)
This project puts into action one of the potential approaches to the problem of establishing a faculty schedule. The suggested strategy is derived on the principles of Flexible computing, and it makes use of both the evolutionary strategy known as Evolutionary techniques (1+1) and simulated hardening. The degree to which a solution is successful can be gauged by examining how well it satisfies any applicable limitations and criteria. The findings of the testing of the algorithm indicate that all of the severe constraints have been satisfied, while the extra criteria have been optimized to some degree. A university uses a genetic algorithm machine learning technology to develop its course schedules. There are no incompatible modules for teachers, students, or locations in the output timetables, and the process can be improved. If it is possible given the limits of the schedule, timetables with user preferences. The timetabling problem has been the subject of numerous attempts using various computer techniques. One such approach uses the (GAs) Darwin's philosophy of evolution genetic algorithms. This project's goal is to enhance a genetic algorithm-based university course scheduling procedure.
Benzer Tezler
- Tailored indirect algorithms for efficient on-line optimization of batch and semi-batch processes
Kesikli ve yari kesikli süreçlerin çevrimiçi optimizasyonuna yönelik özel yapimli dolayli algoritmalar
ERDAL AYDIN
Doktora
İngilizce
2018
Endüstri ve Endüstri MühendisliğiOtto von Guericke UniversityKimya ve Süreç Mühendisliği Ana Bilim Dalı
PROF. DR. KAI SUNDMACHER
- Learning in extreme conditions: Online and active learning with massive, imbalanced and noisy data
Başlık çevirisi yok
ŞEYDA ERTEKİN
Doktora
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolThe Pennsylvania State UniversityBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. C. LEE GILES
- Preprocessing and parameter extraction algorithms for diagnostic analysis of EMCG
Başlık çevirisi yok
HAKAN ÖKTEM
Yüksek Lisans
İngilizce
1998
Elektrik ve Elektronik MühendisliğiTampereen Teknillinen Yliopisto (Tampere University of Technology)Elektrik Mühendisliği Ana Bilim Dalı
PROF. JAAKKO MALMIVUO
YRD. DOÇ. DR. JUHA NOUSIAINEN
- Kaynak kısıtlı proje çizelgeleme probleminde tekrarsız kromozom destekli paralel genetik algoritma uygulaması
A parallel genetic algorithm application with nonrepetitive chromosome improvement for resource constrained project scheduling problem
ŞAFAK EBESEK
- Improving energy sustainability in electrical vehicle energy networks and internet of things
Başlık çevirisi yok
ABDURRAHMAN ARIKAN
