Генетичний метод розв’язання задачі складання розкладу навчальних занять
DOI:
https://doi.org/10.35681/1560-9189.2024.26.1.308332Ключові слова:
генетичний алгоритм, розклад, еволюційний алгоритм, заняття, обмеженняАнотація
Розглянуто проблему складання оптимального розкладу, яка полягає у пошуку оптимального розподілу навчальних занять на певний період часу при заданих обмеженнях. Розроблено послідовний і паралельний ме-тоди складання розкладу на основі генетичного пошуку. Запропоновані методи використовують адаптовані та модифіковані оператори ініціалізації, схрещування та селекції. Алгоритми, використовуючи цільову функцію, мінімізують конфлікти між заняттями та проміжок часу між заняттями, враховують рекомендований час і місце проведення. Розроблені методи дозволяють скорити час на планування навчального процесу та уникнути помилок при створенні розкладу. Проведено порівняльний аналіз між класичним і модифікованим генетичним алгоритмом, і встановлено, що модифікований алгоритм працює швид-ше та ефективніше за класичний. Також порівняно роботу модифікованого алгоритму з різними операторами та параметрами генетичного алгоритму для встановлення найкращих. Отримані результати дозволяють запропонувати ефективні методи для підвищення якості складання розкладу та покращення процесу навчання в університеті
Посилання
Solving Timetable Problem by Genetic Algorithm and Heuristic Search Case Study: Universitas Pelita Harapan Timetable. https://doi.org/10.5772/36626
An Evolutionary Algorithm for Solving Academic Courses Timetable Scheduling Problem. https://doi.org/10.21123/bsj.2022.19.2.0399
A Review of Optimization Algorithms for University Timetable Scheduling. https://doi.org/10.48084/etasr.3832
Some Methods of Solving the NP-difficult Problem of Optimal Schedule for the University. https://doi.org/10.1016/j.procs.2019.02.071
Haitan O.M. Avtomatyzatsiia heneratsii rozkladu navchalnoho protsesu universytetu. Informatyka, obchysliuvalna tekhnika ta avtomatyzatsiia. 2020. V. 31(70), Ch. 1. No 2. pp. 58–66.
Snytiuk V.Ye., Sipko O.M. Tekhnolohiia evoliutsiinoho formuvannia rozkladiv u zakladakh vyshchoi osvity/monohrafiia. Kyiv: Vydavets FOP Picha Yu.V., 2022. 136 p.
Muliava I.Ya. Vyrishennia zadachi avtomatyzovanoho formuvannia rozkladu navchalnoho zakladu za dopomohoiu henetychnykh alhorytmiv. Mizhnarodnyi naukovyi zhurnal "Internauka". 2018. No 9(1). pp. 77–83.
Kysil V.V., Drach I.V., Kysil T.M. Model zadachi skladannia ta optymizatsii rozkladu zaniat za umovy zadovolennia obiektyvnykh ta subiektyvnykh vymoh navchalnoho zakladu. Informatyka, obchysliuvalna tekhnika ta avtomatyzatsiia. 2019. Vol. 30(69) Ch. 1, No 6. pp. 65–70. https://doi.org/10.32838/2663-5941/2019.6-1/12
Tomashevskyi V.M., Novikov Yu.L., Kaminska P.A. Skladannia rozkladiv zaniat u dystantsiinykh systemakh navchannia. Visnyk Natsionalnoho tekhnichnoho universytetu Ukrainy "KPI" Informatyka, upravlinnia ta obchysliuvalna tekhnika. 2010. Vyp. 52. pp. 118–130.
Genetic Algorithm in Machine Learning. [Electronic resource]. – Access mode: https://www.javatpoint.com/genetic-algorithm-in-machine-learning
Henetychni alhorytmy. Kliuchovi poniattia i metody realizatsii. [Elektron. resurs]. – Access mode: http://www.znannya.org/?view=ga_general
An Illustrated Guide to Genetic Algorithm. [Electronic resource]. – Access mode: https://towardsdatascience.com/an-illustrated-guide-to-genetic-algorithm-ec5615c9ebe
Genetic Algorithm — Advantages & Disadvantages. [Electronic resource]. – Access mode: https://electricalvoice.com/genetic-algorithm-advantages-disadvantages/
Semenchuk V.M. Osoblyvosti vykorystannia ostrivnoi modeli henetychnykh alhorytmiv // Materialy Ⅷ naukovo-tekhnichnoyi konferentsiyi "Informatsiyni modeli, systemy ta tekhnolohiyi", 2020. p. 114. [Electronic resource]. – Access mode: http://elartu.tntu.edu.ua/handle/lib/34442
Oliinyk A., Fedorchenko I., Stepanenko A., Katschan A., Fedorchenko Y., Kharchenko A., Goncharenko D. Development of genetic methods for predicting the incidence of volumes of emissions of pollutants in air // 2019 2nd International Workshop on Informatics and Data-Driven Medicine, IDDM, CEUR Workshop Proceedings. 2019. Vol. 2488. pp. 340–353. [Electronic resource]. – Access mode: https://ceur-ws.org/Vol-2488/paper30.pdf
Fedorchenko I., Oliinyk A., Stepanenko A., Svyrydenko A., Goncharenko D. Genetic method of image processing for motor vehicle recognition // 2019 2nd International Workshop on Computer Modeling and Intelligent Systems, CMIS, 2019. Zaporizhzhia, April 15–19, CEUR Workshop Proceedings. Vol. 2353. pp. 211–226. [Electronic resource]. – Access mode: https://ceur-ws.org/Vol-2353/paper17.pdf
Fedorchenko I., Oliinyk A., Stepanenko A., Zaiko T., Korniienko S., Burtsev N. Development of a genetic algorithm for placing power supply sources in a distributed electric network. European Journal of Enterprise Technologies. 2019. Issue 5/101. pp. 6–16. https://doi.org/10.15587/1729-4061.2019.180897
Oliinyk A., Fedorchenko I., Stepanenko A., Rud M., Goncharenko D. Implementation of evolutionary methods of solving the travelling salesman problem in a robotic warehouse. Lecture Notes on Data Engineering and Communications Technologies. 2021. 48. pp. 263–292. https://doi.org/10.1007/978-3-030-43070-2_13
Fedorchenko I., Oliinyk A., Stepanenko A., Zaiko T., Korniienko S., Kharchenko A. Construction of a genetic method to forecast the population health indicators based on neural network models. Eastern-European Journal of Enterprise Technologies. 2020. 1(4–103). pp. 52–63. https://doi.org/10.15587/1729-4061.2020.197319
Phang F.A., Pusppanathan J., Nawi N.D., Zulkifli N.A., Zulkapri I., Harun F.K.C., Wong A.Y.K., Alsayaydeh J.A.J., Sek T.K. Integrating Drone Technology in Service Learning for Engineering Students. International Journal of Emerging Technologies in Learning. 2021. 16(15). pp. 78–90. https://doi.org/10.3991/ijet.v16i15.23673
Zakir Hossain A.K.M., Hassim N.B., Alsayaydeh J.A.J., Hasan M.K., & Islam M.R. A tree-profile shape ultra wide band antenna for chipless RFID tags. International Journal of Advanced Computer Science and Applications. 2021. 12(4). pp. 546–550. https://doi.org/10.14569/IJACSA.2021.0120469
Jamil Abedalrahim Jamil Alsayaydeh, Azwan Aziz, A. I. A. Rahman, Syed Najib Syed Salim, Maslan Zainon, Zikri Abadi Baharudin, Muhammad Inam Abbasi and Adam Wong Yoon Khang. Development of Programmable Home Security Using GSM System for Early Prevention. ARPN Journal of Engineering and Applied Sciences. 2021. Vol. 16, No. 1. pp. 88–97.
Mishra S., Sachan R., and Rajpal D. Deep convolutional neural network based detection system for real-time corn plant disease recognition. Procedia Computer Science. 2020. Vol. 167. pp. 2003–2010. https://doi.org/10.1016/j.procs.2020.03.236
Indra W.A., Zamzam N.S., Saptari A., Alsayaydeh J.A.J, Hassim N.B. Development of Security System Using Motion Sensor Powered by RF Energy Harvesting. 2020 IEEE Student Conference on Research and Development, SCOReD. 2020. 9250984. pp. 254–258. https://doi.org/10.1109/SCOReD50371.2020.9250984
Jung M. et al. Construction of deep learning-based disease detection model in plants. Scientific Reports. May 2023. Vol. 13, No. 1. https://doi.org/10.1038/s41598-023-34549-2
Adam Wong Yoon Khang, Shamsul J. Elias, Nadiatulhuda Zulkifli, Win Adiyansyah Indra, Jamil Abedalrahim Jamil Alsayaydeh, Zahariah Manap, Johar Akbar Mohamat Gani. Qualitative Based QoS Performance Study Using Hybrid ACO and PSO Algorithm Routing in MANET. Journal of Physics: Conference Series. 2020. 1502. 012004. https://doi.org/10.1088/1742-6596/1502/1/012004
Lee S.-H., Wu C.-C., and Chen S.-F. Development of image recognition and classification algorithm for tea leaf diseases using convolutional neural network. In 2018 Detroit, Mich. July 29 – August 1, 2018. St. Joseph, MI: Amer. Soc. Agricultural Biol. Engineers, 2018. https://doi.org/10.13031/aim.201801254
