Computação evolutiva aplicada ao problema da geração de grade horária: o caso do Curso de Análise e Desenvolvimento de Sistemas do IFTM
AUTOR(ES)
Jairo Gervásio de Freitas
FONTE
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia
DATA DE PUBLICAÇÃO
05/10/2012
RESUMO
A elaboração de grade de horários em instituições de ensino no início de um período letivo é um processo complexo e demorado para os coordenadores de curso ou responsáveis, pois deve atender necessidades de vários envolvidos. A situação se torna ainda pior quando cada professor está disponível para lecionar aulas em apenas alguns períodos da semana. Outro fator que dificulta o processo é que o número de possibilidades de grades horárias é praticamente infinito. Como o processo de geração de grade de horários é muito particular em cada instituição, já que cada uma possui suas restrições, se torna complicado criar uma solução que atenda todas as instituições. Para auxiliar esse processo, realizado manualmente em muitas instituições, o presente trabalho tem como objetivo, utilizar o conceito de algoritmos genéticos para criar um sistema que gere em minutos uma grade horária que atenda as particularidades do curso de Análise e Desenvolvimento de Sistemas do Instituto Federal do Triângulo Mineiro, campus Uberaba.
ASSUNTO(S)
software - desenvolvimento algoritmos genéticos instituto federal de ciência, educação e tecnologia do triângulo mineiro engenharia eletrica
ACESSO AO ARTIGO
http://www.bdtd.ufu.br//tde_busca/arquivo.php?codArquivo=4479Documentos Relacionados
- Geração automática de grade horária usando algoritmos genéticos: o caso da Faculdade de Engenharia Elétrica da UFU
- 4 - Análise de sensibilidade aplicada ao problema da fratura
- O desenvolvimento de projetos de sistemas complexos na indústria aeronáutica: o caso de gestão integrada aplicada ao programa Embraer 170
- Utilização de técnica de computação evolutiva para análise de desempenho de sistemas de aterramentos modelados em PI-RL
- Sincronização de sistemas de chua com melhor desempenho utilizando backstepping modificado e computação evolutiva