تفکیک دانشجویان کلاسهای پرجمعیت (کلاسه بندی) یکی از مسائل مهم برنامهریزی هفتگی دروس دانشگاهی میباشد. در این مقاله الگوریتم جدیدی در تفکیک دانشجویان ارائه شده، که در آن با یک نمایش جدیدِ بیتی دادهها و معیارهای خوشه بندی، جداسازی مناسب دانشجویان انجام گردیده است. این تفکیک باعث کاهش میزان تداخل دروس دانشجویان در برنامة هفتگی میشود. ابتدا با استفاده از خوشه بندی -kمیانگین فازی دانشجویان به kدسته تقسیم میشوند. سپس با توجه به معیارهای میزان دور بودن مراکز خوشهها، میزان متراکم بودن هر خوشه، میزان هم ورودی بودن دانشجویان هر خوشه و نسبت ابعاد خوشهها و با استفاده از یک تابع فازی، ارزش خوشهبندی تعیین میشود. با انتخاب ویژگیهای(دروس) مناسب، بهترین تفکیک دانشجویان بدست میآید (بر اساس تابع فازی پیشنهادی و خوشه بندی فازی). برای نشان دادن کارائی الگوریتم پیشنهادی، برنامهریزی هفتگی دروس دانشجویان با الگوریتم ژنتیک انجام شده است. با اِعمال الگوریتم پیشنهادی، روی مجموعهای از دادههای واقعی، نسبت به فرم خوشه بندی بر اساس سال ورود، تعداد تداخلات درسی بطور متوسط %8کاهش یافته است. شیوه جدید ارائه شده میتواند در بسیاری از الگوریتمهای مسئله برنامهریزی دروس هفتگی مورد استفاده قرار گیرد.

کلمات کلیدی