Solving Examination Timetabling Problem By Using Genetic Algorithm
-
5% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 71.90
-
30 499 Ft (29 047 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 5% (cc. 1 525 Ft off)
- Discounted price 28 974 Ft (27 595 Ft + 5% áfa)
30 499 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó LAP Lambert Academic Publishing
- Megjelenés dátuma 2015. január 1.
- ISBN 9783659761881
- Kötéstípus Puhakötés
- Terjedelem184 oldal
- Méret 220x150 mm
- Nyelv angol 0
Kategóriák
Hosszú leírás:
Many researchers over the last decade have established numerous researches and used many methods to handle universities' final examination timetabling problem, such as simulated annealing, tabu search and genetic algorithms. In this Book, Genetic Algorithm (GA) is used to solve the College of Graduate Studies (CoGS) final examination timetabling problem as it is capable of solving many complex problems. This problem belongs to a class of scheduling problems which is highly constrained and known to be NP-hard. The algorithm has been adapted to solve the research problem whose procedure is different from the common algorithm. The Book attempts to find the best solution (best timetable) for CoGS to help UNITEN reduce time and effort for creating examination timetables. New approaches to some of the GAs operators are introduced. These operators include Adaptive Mutation operator that tackles the stasis problem and a crossover scheme called Scattered Crossover to enhance the GA's ability to produce better solutions with best fitness value in lesser generations.
Több
