آرش زارع طلب

جدول زمانبندی درسی، مسئله تخصیص هفتگی یک مجموعه درس و استاد به مکان و زمان بنا بر یکسری محدودیت های سخت و نرم در دانشگاه می باشد. در هر نیمسال، مدیران گروه های آموزشی برای تولید جدول زمانبندی درسی از جدول های نیمسال های گذشته و روش سعی و خطا استفاده می کنند؛ هر چند تغییر سریع نیازمندی های دانشگاه در هر نیمسال، محدودیتها و قوانین حاکم سبب گردیده این روش راه حل مناسبی به شمار نمی آید. در این پژوهش به طراحی و توسعه مدل ریاضی دو هدفه با در نظر گرفتن ترجیحات دانشجویان و اساتید پرداختیم، از آنجایی که مدل به دلیل پیچیدگی از روش های مرسوم مسائل غیرخطی قابل حل نبود از الگوریتم متاهیوریستک تبریدشبیه سازی شده برای حل مدل ریاضی در دو مرحله، بهره برده ایم. در مرحله اول ، سیستم به صورت خودکار جواب هایی را تولید می کند که در آن کلیه محدودیت های سخت برآورده می شود. سپس، این جواب ها در مرحله دوم با لحاظ کردن ساختارهای همسایگی مختلف بهبود می یابند، این مجموعه در بسته نرم افزار کامپیوتری با محیط کاربری توسط زبان برنامه نویسی C# و بکارگیری پایگاه دادهSQL پیاده سازی شده است. این سیستم، توسط داده هایی که از دانشگاه آزاد گرد آمده است، امتحان گردیده و نتایج حاکی از پیشرفت چشمگیری است که نسبت به فرآیند دستی وجود دارد. در کل سیستم انعطاف پذیر و آسان برای امتحان سناریوهای مختلف زمانبندی است.

مقدمه و اهداف: با توجه به رقابتی شدن بازار و جهانی شدن آن نیاز به دسترس پذیری در طراحی محصول در دهه های اخیر موردتوجه قرارگرفته است. امروزه دسترس پذیری شامل نیازمندی های عملکردی، استفاده از استانداردها، طراحی، پیش بینی دسترس پذیری، مدل سازی دسترس پذیری و بازیابی و بررسی آن است. یکی از اهداف دسترس پذیری، طراحی سیستم هایی با حداکثر دسترس پذیری است. دسترس پذیری یک سیستم معمولاً به واسطه بهبود دسترس پذیری هر یک از اجزاء یا تخصیص اجزای مازاد بهبود می یابد. این بهبودها در عمل به واسطه استفاده از مواد بهتر، فرآیند ساخت بهتر، اصول طراحی استفاده شده و غیره ایجاد می شود. روش ها: در این پژوهش، یک رویکرد نوآورانه برای بهینه سازی چندین سیستم سری موازی چندحالته بررسی می شود. این رویکرد به جای محدود کردن بهینه سازی به یک سیستم به صورت جداگانه، به بهینه سازی هم زمان چندین سیستم و بهبود کارایی و عملکرد کلی آن ها می پردازد. در این سیستم ها، تعدادی زیرسیستم موازی قرار دارند که هر یک از این زیرسیستم ها دارای اجزای چندحالته است. این اجزا می توانند در حالت های مختلف عمل کنند و با ترکیب این حالت ها، عملکرد متفاوتی را ارائه دهند. یکی از نکات مهم موردتوجه در این مدل، تأثیر نرخ های خرابی چندمرحله ای بر سیستم ها است که از طریق ترسیم نمودار حالت به وضوح بررسی می شود. فرضیه های مختلفی در این مدل در نظر گرفته می شود؛ از جمله قابلیت انتخاب تأمین کننده با شرایط متفاوت، با در نظر گرفتن محدودیت های موجود در سیستم. علاوه بر این، اثرات فعالیت های فنی و سازمانی بر روی بازه های پیوسته بهینه سازی سیستم ها نیز بررسی و تحلیل می شود. در پایان با استفاده از الگوریتم فراابتکاری ژنتیک، مدل ارائه شده بهبود می یابد و نتایج حاصل از آن نشان می دهد که عملکرد سیستم به طور کامل بهبود یافته است. یافته ها: در این پژوهش یک مدل بهینه سازی ریاضی برای مدل سازی مسئله موردبررسی تحت مفروضات مطرح شده ارائه می شود؛ همچنین برای نمونه یک نوع مثال عددی در شرایطی که تابع توزیع انتقال حالت نمایی و فعالیت های فنی و سازمانی با شدت عملکرد مختلف هستند، ارائه می شود. در این نمونه، فرض می شود که نرخ عملکردی هر زیرسیستم با مجموع نرخ عملکردی اجزا آن و عملکرد سیستم با حداقل نرخ عملکردی زیرسیستم ها برابر است. می توان با توجه به توضیحات داده شده احتمال دسترس پذیری سیستم را محاسبه و هزینه سیستم را نیز می توان با استفاده از تابع هدف مدل محاسبه کرد. در مرحله بعد با استفاده از الگوریتم ژنتیک، مثال های ارائه شده حل و نتایج آن گزارش می شود.نتیجه گیری: با مطالعه مقاله ها و پژوهش های سال های اخیر می توان دریافت که همواره پژوهشگران عرصه مدل های تخصیص افزونگی، چه در زمینه سیستم های باینری و چه سیستم های چندحالته، کوشیده اند تا با در نظر گرفتن فرضیه های جدید و یا حذف کردن فرضیه های ساده سازی که از سال های گذشته در مبانی نظری این مدل ها باقی مانده بود، شرایط این نوع مسائل را به دنیای واقعی نزدیک تر کنند و به سؤال های بیشتری که ذهن تصمیم گیرندگان چنین سیستم هایی را در امر بهینه سازی مشغول کرده بود، پاسخ دهند. این رویکردها از سوی پژوهشگران به نام این موضوع اهمیت و ضرورت ارائه مدل های بهینه سازی ریاضی با در نظر گرفتن همه شرایط و محدودیت های سیستمی کاربران و مدیران را بیش ازپیش مهم تر کرده است. در این پژوهش نیز نشان داده شده است که می توان با افزایش ابعاد بهینه سازی مسائل تخصیص افزونگی، مدل هایی را تنظیم کرد که با دنیای واقعی انطباق بیشتری دارند.