جدولة الحصص الدراسية باستخدام الخوارزمية الجينية

الملخّص

في ظل التطور المستمر والمتسارع في مجال تطوير البرمجيات، شهدت تقنيات الذكاء الاصطناعي (AI) والتعلّم العميق نموًا ملحوظًا، مما أحدث تحولًا جوهريًا في أساليب معالجة المشكلات وحلها. ومع دخول العالم في هذا العصر التحويلي، أصبح الاطلاع على أحدث منهجيات حل المشكلات ومواكبتها أمرًا بالغ الأهمية. ولإتقان هذه التقنيات وفهم آليات عملها، تُعدّ التجارب والتطبيقات العملية عنصرًا أساسيًا. ومن بين هذه التقنيات، تبرز الخوارزميات الجينية (Genetic Algorithms) بوصفها إحدى الأدوات الراسخة في مجال حل المشكلات المعقدة، حيث يشهد استمرار استخدامها على مدى سنوات طويلة بفعاليتها وقدرتها على التعامل مع مسائل التحسين المختلفة. وتُستخدم الخوارزميات الجينية بصورة خاصة في المشكلات التي تتطلب عمليات بحث وتحسين تكرارية في ظل مجموعة متنوعة ومتعددة من القيود والشروط. وتشمل تطبيقاتها العديد من المجالات، مثل تحسين الجداول الزمنية، وتحسين توزيع الموارد، ودعم عمليات اتخاذ القرار. كما تتميز هذه الخوارزميات بمرونتها وقابليتها للتطبيق في مجالات مختلفة، مما يجعلها من الأدوات الفعالة لمعالجة مشكلات التحسين الحديثة. وتتطلب دراسة الخوارزميات الجينية إجراء تجارب عملية للتحقق من مدى فعاليتها. فمن خلال إخضاع هذه الخوارزميات لاختبارات دقيقة ودراسات تجريبية، يمكن تحديد حدود إمكاناتها، وتقييم قدراتها، والكشف عن تطبيقاتها المحتملة. ومن خلال التعمق في هذا المجال، يمكن الوصول إلى حلول مبتكرة تسهم في تطوير أساليب جديدة لحل المشكلات وتحسينها. يركز هذا البحث بصورة أساسية على توضيح مبادئ عمل الخوارزميات الجينية، وتحديدًا في سياق تحسين جداول الحصص الدراسية باستخدام الخوارزميات التطورية (Evolutionary Algorithms - EAs). ويتناول البحث تطوير تطبيق باستخدام منصة .NET يعتمد على المنهجية المقترحة للخوارزميات الجينية، بهدف البحث عن الحل الأمثل لجدولة الحصص الدراسية في الكلية، مع مراعاة مجموعة من القيود والمتطلبات المتعددة. وفي المرحلة اللاحقة، تُجرى دراسة مقارنة للنتائج التي تم الحصول عليها باستخدام خوارزميتين مختارتين، وذلك بهدف تقييم أدائهما وتحديد مدى كفاءة كل منهما في الوصول إلى حلول مناسبة لمشكلة جدولة الحصص الدراسية.