مسئله­های زمان­بندی و برنامه­ ریزی، سازگارسازی و هماهنگ نمودن مجموعه ­ای از نهاد­ها مانند رخدادها، فعالیت­ها، افراد، ابزار و دستگاه­ها، خودروها، مکان­ها و مانند این­ها در یک الگوی مکان- زمان است. در این دسته از مسئله­ها هدف این است که منابع در دسترس به بهترین روش ممکن مورد بهره ­برداری قرار گیرند و محدودیت­ها و شرایط موجود مورد توجه قرار گرفته و برآورده شوند (مسعودیان و استکی، 1388). مسائل زمان­بندی ماهیتاً مسائل پویایی بوده و لحاظ نمودن انواع انعطاف پذیری­ها منجر به رفع مشکلات گلوگاهی، بهبود عملکرد سیستم و ایجاد مزیت رقابتی می­شوند (نهاوندی و عباسیان، 1389). زمان­بندی کلاس­ها در سطح دانشگاه بسیار پیچیده است، این بدان علت است که در زمان­بندی کلاس_­های دانشگاه، عامل­های زیادی اثرگذار هستند و شمار و انواع زیادی از محدودیت­ها نیز باید برآورده شوند (بابایی زاده، 1390).

در این مسئله­ها سعی بر این است که مجموعه ­ای از منابع معین، متشکل از کلاس­ها، اساتید دروس تحت شرایط خاص به مجموعه ­ای از ساعت­های درسی اختصاص یابد. بنابراین، لزوم در نظر گرفتن متغیر­های متناظر با دروس، اساتید، کلاس­ها، روزهای هفته و ساعات قابل برنامه­ ریزی در روز سبب می­ شود که با یک مسئله برنامه­ ریزی ریاضی از نوع برنامه­ ریزی غیر­خطی صفر و یک مواجه باشیم که حتی نرم افزار­های قوی نیز نمی ­توانند آن را در زمان کم حل کنند، بنابراین الگوریتم­های فراابتکاری مورد توجه قرار گرفته­اند که بتوانند مسائل بهینه­سازی با ابعاد بزرگ را با زمان اجرای مناسب تا حدودی حل کنند (خلیلی و منصورزاده، 1385).

از میان الگوریتم­های فرا­ابتکاری الگوریتم ژنتیک یکی از قوی­ترین و پرکاربرد­ترین الگوریتم­ها در مسائل جستجو و بهینه­سازی است. یکی از دلایل محبوبیت الگوریتم­های ژنتیکی عدم نیاز به مدل ریاضی سطح بالا و پیشرفته می­باشد، این الگوریتم­ها از قانون تکامل پیروی می­ کنند. عمل تکامل توسط آمیزش کروموزوم­ها و عمل جهش بر روی آن­ها انجام می­ شود و کروموزوم­هایی که دارای برازندگی بیشتری هستند شانس بیشتری برای انتقال به نسل­های بعد را دارند (مسعودیان و استکی، 1388).

1-2- بیان موضوع

با توجه به تعداد روزافزون دانشجویان، رشته­ های جدید، کمبود کلاس­ها، اتاق­های کنفرانس و آزمایشگاه­ها و تعداد رو به افزایش درس­های ارائه شده برای دانشجویان، برنامه­ ریزی با محدودیت­های بسیاری برای ساخت یک جدول مناسب مواجه خواهد بود (مسعودیان و استکی، 1388).

از این رو انتخاب این موضوع با توجه به محدودیت­های بسیار زیاد،  به جهت استفاده صحیح از منابع مختلف موجود در دانشگاه­ها و مراکز آموزشی از اهمیت خاصی برخوردار است.

 این پژوهش با توجه به موارد اشاره شده فوق و افزایش تعداد رشته­ها و دانشجویان مقاطع کارشناسی ارشد پذیرفته شده در هر نیمسال تحصیلی در دانشگاه علم و هنر یزد، با ارائه یک مدل ریاضی و حل آن با بهره گرفتن از الگوریتم ژنتیک سعی در تحقق اهداف موجود در مسئله زمان­بندی دارد.

مسئله برنامه­ ریزی دروس دانشگاهی از جمله مسائل NP-hard است که به لحاظ تاثیر عوامل بسیار و وجود محدودیت­های مختلف از مشهورترین مسائل بهینه­سازی است (راستگارامینی، 1391). یکی از دسته­های خاص مسائل زمان بندی را جدول­بندی زمانی می­نامند. جدول­بندی زمانی، در واقع زمان­بندی مجموعه ­ای از رویدادهای هم­پیوند، در کم­ترین بازه­های زمانی است به گونه ­ای که منابع مورد نیاز، همزمان توسط بیش از یک رویداد استفاده نشوند (دتین و همکاران، 2009.م).

در این مسئله سعی بر این است که مجموعه ­ای از منابع معین، متشکل از کلاس­ها، اساتید و دروس تحت شرایط خاص به مجموعه ­ای از ساعت­های درسی اختصاص یابد (خلیلی و منصورزاده، 1385). با توجه به توضیحات و پیچیدگی مسئله، روش­های مختلفی برای حل این مسئله در مقالات مختلف پیشنهاد شده است (غافری، 1387)، مانند برنامه­ ریزی­های خودکار (باشی زاده، 1391) و در نظرگیری معیار­های ارزیابی نظیر ترجیحات اساتید ­(­اولویت زمانی و اولویت درسی­) و رعایت محدودیت­هایی مانند تعداد ظرفیت کلاس­ها می­باشد (راستگار­امینی، 1391).

در مسئله زمان­بندی کلاس­های دانشگاه، این محدودیت­ها به دو دسته محدودیت­های سخت و محدودیت­های نرم گروه بندی می­شوند. محدودیت­های سخت، محدودیت­هایی هستند که در هر زمان­بندی، باید رعایت شوند. اگر یک زمان­بندی، این دسته از محدودیت­ها را نقض کند، آن زمان­بندی پذیرفتنی نخواهد بود. هر چه این محدودیت­ها بیشتر برآورده شوند، زمان­بندی به دست آمده از مطلوبیت بیشتری برخوردار خواهد بود (بابایی زاده، 1390).

الگوریتم ژنتیک یکی از قوی­ترین و پرکاربردترین الگوریتم­ها در مسائل جستجو و بهینه­سازی است. یکی از دلایل محبوبیت الگوریتم­های ژنتیکی عدم نیاز به مدل ریاضی سطح بالا و پیشرفته می­باشد، این الگوریتم­ها از قانون تکامل پیروی می­ کنند. عمل تکامل توسط آمیزش کروموزوم­ها و عمل جهش بر روی آنها انجام می­ شود و کروموزوم­هایی که دارای برازندگی بیشتری هستند، شانس بیشتری برای انتقال به نسل­های بعد را دارند یکی از دلایل محبوبیت الگوریتم­های ژنتیکی عدم نیاز به مدل ریاضی سطح بالا و پیشرفته می­باشد (مسعودیان و استکی، 1388). این الگوریتم­ها بر روی یک سری از جواب­های مسئله، به امید به دست آوردن جواب­های بهتر، قانون بقای بهترین را اعمال می­ کند. در هر نسل به کمک فرایند انتخابی متناسب با ارزش جواب­ها و تولید مثل جواب­های انتخاب شده به کمک عملگرهایی که از ژنتیک طبیعی تقلید شده ­اند، تقریباً جواب­های بهتری از جواب نهایی به دست می ­آید (باوی و صالحی، 1389).  

 1-3- اهمیت و ضرورت تحقیق

مسئله زمان­بندی کلاس­های دانشگاه، چالشی جدی برای مدیران دانشگاهی در هر نیم­سال تحصیلی است، زیرا در این­گونه مسائل با محدودیت­های فراوانی مواجه خواهیم بود، تمامی محققان در این زمینه اتفاق نظر دارند که مسئله جدول­های زمانی دارای فضای پاسخ نمایی بوده و مانند تمامی مسائل NP-hard  نیاز به استفاده از الگوریتم­های هوشمند جهت حل آن اجتناب ناپذیر است (غافری، 1387).

دستیابی به یک برنامه زمان­بندی پذیرفتنی که محدودیت­های سخت را برآورده نماید و بتواند محدودیت­های نرم را تا حد ممکن برآورده کند، کاری بس دشوار و بسیار زمان­بر است (بابایی زاده، 1390). در مورد محدودیت­های سخت می­توان به قوانین و مقررات آموزشی اشاره نمود که این گونه محدودیت­ها حتماً باید در نظر

بنابراین با توجه به افزایش تعداد رشته­ها و دانشجویان مقاطع کارشناسی ارشد پذیرفته شده در هر نیم­سال تحصیلی در دانشگاه علم و هنر یزد به برنامه­ای جامع که علاوه بر رعایت کردن محدودیت­های سخت و نرم بتواند در زمان کم جواب­های بهینه را در بهترین شرایط ایجاد کند نیاز است.

1-4-­تعریف مسئله

با توجه به مواردی از قبیل ساختار دروس دانشگاهی، انواع دروس دانشگاهی، دسترسی به منابع و دوره­ های زمانی، مسئله زمان­بندی دروس دانشگاهی با هدف معین و محدودیت­های سخت و نرم تعریف خواهد شد، هدف مسئله زمان­بندی دروس، حداقل نمودن فاصله بین دو کلاس متوالی در برنامه نیمسال گروه دانشجویان است به صورتی که محدودیت­هایی از قبیل تداخل برنامه اساتید، تداخل برنامه دانشجویان، تداخل برنامه کلاس­ها، ترجیحات اساتید، تعداد جلسات مورد نیاز هر درس در هفته، وسایل و تجهیزات مورد نیاز برگزاری هر درس، ظرفیت کلاس­ها، زمان­های استفاده از کلاس­ها، دروس از پیش زمان­بندی شده و از این دست محدودیت­ها که در قوانین و مقررات آموزشی آورده شده و رعایت کردن آنها اجباری است نیز لحاظ گردند، بدین ترتیب مسئله زمان­بندی این پژوهش با در نظر گرفتن هدف و محدودیت­های مسئله به صورت یک مدل برنامه­ ریزی غیر­خطی صفر و یک (با توجه به تابع هدف و یافتن متغیرهای صفر و یکی) درآمد و برای حل این مسئله، روش ابتکاری کدنویسی در نرم افزار ریاضی MATLAB جهت رسیدن به جواب نهایی مطلوب به کار گرفته شد.

1-5-­اهداف تحقیق

هدف اصلی از اجرای این پژوهش، دسترسی به یک برنامه درسی بهینه با رعایت کردن تمامی شرایط برای مقاطع کارشناسی ارشد در دانشکده فنی­- مهندسی دانشگاه علم و هنر می­باشد. اهداف فرعی که در طول اجرای پروژه محقق گردیده به شرح ذیل است:

• دستیابی به مدلی با در نظرگرفتن ترجیحات اساتید
• یافتن بازه­های زمانی مناسب با رعایت کردن حداقل فاصله بین بازه ها برای دروس هر گروه

1-6-سوالات پژوهشی

در این پژوهش به سوالات زیر پاسخ داده می­ شود:

• با توجه به محدودیت­های مسئله زمان­بندی دروس دانشگاهی چه مدلی مناسب است؟

1-7-قلمرو تحقیق

قلمرو تحقیق در سه بعد موضوعی، مکانی و زمانی در این پژوهش به شرح زیر می­باشد:

قلمرو موضوعی: قلمرو موضوعی این پژوهش  بر اساس مسئله زمان­بندی برای دروس دانشگاهی می­باشد که این دسته مسائل جزء مسائل بسیار سخت و پیچیده شناخته شده ­اند و برای حل این­گونه مسائل نیاز به مدل­سازی­های ریاضی می­باشد که بتوان تمامی محدودیت­های نرم و سخت را در آن گنجاند و به دلیل زیاد بودن متغیرها نیاز به استفاده از الگوریتم­های هوشمند و فراابتکاری می­باشد. در این پژوهش پس از نوشتن مدل از الگوریتم ژنتیک برای حل مدل استفاده شده است.

قلمرو مکانی: قلمرو مکانی این پژوهش دانشکده فنی- مهندسی دانشگاه علم و هنر یزد است، که با توجه به وجود مقاطع کارشناسی و کارشناسی ارشد این دانشکده، 4 گروه­ از مقاطع کارشناسی ارشد سال 1391 انتخاب

شده ­اند، می­توان این پژوهش را برای گروه­ های مختلف و تعداد بیشتری از گروه­ ها در مقاطع کارشناسی و کارشناسی ارشد در این دانشکده اجرا نمود.

قلمرو زمانی: قلمرو زمانی این پژوهش اطلاعات تمامی گروه­ های مقطع کارشناسی ارشد در نیم­سال دوم تحصیلی سال 1391 می­باشد. که داده ­های این نیم­سال، مورد استفاده جهت نوشتن مدل و سپس حل آن بوده است.

1-8-روش انجام تحقیق

در این پژوهش ابتدا کلیه منابع اطلاعاتی در زمینه مسئله مورد نظر یعنی مدل­سازی برای زمان بندی دروس دانشگاهی مطالعه شد و با در نظر گرفتن محدودیت­های سخت و نرم این مسئله و مصاحبه­ای که با مسئولان  برنامه­ ریزی دروس دانشگاهی در دانشکده فنی- مهندسی دانشگاه علم و هنر یزد انجام شد، مدل ریاضی دو­مرحله­ ای غیر­خطی با متغیرهای صفر و یک نوشته شد و پس از آن برای حل مدل کدهای مورد نظر برای الگوریتم ژنتیک، ثبت و برای دست­یابی به جواب نهایی مسئله اجرا شدند.