Помощь в учёбе, очень быстро...
Работаем вместе до победы

Субоптимизация учебных планов образовательных программ на основе современных методов обработки информации

Диссертация: Субоптимизация учебных планов образовательных программ на основе современных методов обработки информации
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Эффективное планирование учебного процесса является залог успешной подготовки высококвалифицированных кадров. В настоящее время происходит модернизация системы высшего образования в двухуровневую. Кроме того, наблюдается повышение спроса на качественное образование и появление новых специальностей, что особенно ярко выражено в стремительно развивающихся областях высоких технологий, менеджмента… Читать ещё >

Содержание

  • 1. Учебный план образовательной программы как объект исследования
    • 1. 1. Основные документы поддержки задач планирования учебного процесса
      • 1. 1. 1. Назначение и общая характеристика учебного плана
      • 1. 1. 2. Структура построения учебного плана
    • 1. 2. Процедура составления учебного плана образовательной программы
      • 1. 2. 1. Обобщённая схема планирования учебного процесса
      • 1. 2. 2. Ограничения на структуру и параметры учебного плана
    • 1. 3. Анализ существующих программных средств поддержки процесса составления учебных планов
    • 1. 4. Анализ возможностей формализации критериальной оценки эффективности учебных планов
      • 1. 4. 1. Проблемы оценки эффективности учебного плана
      • 1. 4. 2. Критериальная стратегия решения задачи оптимизации учебного плана
    • 1. 5. Анализ возможностей методов поисковой оптимизации как инструментов построения учебных планов
      • 1. 5. 1. Точные методы решения задачи оптимального расписания
      • 1. 5. 2. Приближённые списочные алгоритмы составления оптимальных расписаний
      • 1. 5. 3. Приближённые эвристические алгоритмы составления оптимальных расписаний
    • 1. 6. Эволюционно-генетический алгоритм как метод решения экстремальных задач
      • 1. 6. 1. Общая характеристика эволюционно-генетических алгоритмов
      • 1. 6. 2. Генетическая модель оптимизируемого объекта
      • 1. 6. 3. Основные операции функционирования генетического алгоритма. Мутация
      • 1. 6. 4. Основные операции функционирования генетического алгоритма. Кроссинговер
      • 1. 6. 5. Основные операции функционирования генетического алгоритма. Отбор особей в новое поколение
      • 1. 6. 6. Некоторые итоги по перспективам использования ЭГА
    • 1. 7. Выводы по первой главе
  • 2. Эволюционно-генетическая модель учебного плана образовательной программы
    • 2. 1. Математическая модель учебного плана образовательной программы
      • 2. 1. 1. Математическая формализация понятия учебного плана
      • 2. 1. 2. Параметры и ограничения учебного плана
    • 2. 2. Критериальная стратегия оценки качества учебного плана
      • 2. 2. 1. Общая характеристика подхода
      • 2. 2. 2. Оценки равномерности освоения знаний
      • 2. 2. 3. Оценка близости зависимых дисциплин
      • 2. 2. 4. Оценка интенсивности изучения дисциплин
      • 2. 2. 5. Нормализация частных оценок и построение обобщающего критерия
    • 2. 3. Генетическая модель учебного плана образовательной программы
      • 2. 3. 1. Возможные концепции построения генетической модели УПОП
      • 2. 3. 2. Почасовая генетическая модель
      • 2. 3. 3. Поэлементная генетическая модель
      • 2. 3. 4. Семестровая генетическая модель
      • 2. 3. 5. Дисциплинарная генетическая модель
      • 2. 3. 6. Структура особи на основе ДГМ
    • 2. 4. Эволюционно-генетическая модель популяций У ПОП
      • 2. 4. 1. Структура и свойства популяции особей на основе ДГМ
      • 2. 4. 2. Принцип формирования особей первого поколения
      • 2. 4. 3. Алгоритм формирования особей первого поколения
      • 2. 4. 4. Отбор особей для скрещивания
      • 2. 4. 5. Операция кроссинговера
    • 2. 5. Перспективы структурно-параметрической модификации ЭГА применительно к задачам субоптимального конструирования УПОП
    • 2. 6. Выводы по второй главе
  • 3. Субоптимизация эволюционно-генетического алгоритма построения учебных планов
    • 3. 1. Эволюционно-генетический алгоритм составления УПОП как объект оптимизации
    • 3. 2. Выбор схемы эксперимента по оптимизации ЭГА применительно к задаче построения УПОП
    • 3. 3. Исследование и оптимизация механизма отбора родительских пар
      • 3. 3. 1. Структура задачи и выбор схемы эксперимента
      • 3. 3. 2. Проведение предварительного эксперимента
      • 3. 3. 3. Обработка и анализ результатов предварительного эксперимента
      • 3. 3. 4. Исследование эффективности отбора родительских пар в ЭГА на основе методов ш2, ш3, ш4 и ш
      • 3. 3. 5. Исследование эффективности отбора родительских пар в ЭГА на основе методов гп, гп2, гп
      • 3. 3. 6. Выводы по результатам исследования механизма формирования родительских пар
    • 3. 4. Исследование и оптимизация механизма мутации
      • 3. 4. 1. Постановка задачи
      • 3. 4. 2. Проведение исследований
      • 3. 4. 4. Выводы по результатам исследования механизма мутации
    • 3. 5. Исследование и оптимизация механизма кроссинговера
      • 3. 5. 1. Постановка задачи и выбор схемы исследования
      • 3. 5. 2. Поиск оптимального значения поправочного коэффициента
    • 3. 6. Исследование и оптимизация механизма старения
      • 3. 6. 1. Выбор структура эксперимента
      • 3. 6. 2. Проведение исследований
    • 3. 7. Выводы по третьей главе
  • 4. программный комплекс построения субоптимальных учебных планов образовательных программ
    • 4. 1. Общая характеристика информационной системы
      • 4. 1. 1. Общая характеристика комплекса
      • 4. 1. 2. Информационно-функциональная структура комплекса
      • 4. 1. 3. Интерфейс интерактивного взаимодействия с PC CAD
    • 4. 2. Структурно-топологическая схема УПОП
      • 4. 2. 1. Общая характеристика структурно-топологической схемы
      • 4. 2. 2. Функционально ориентированные области СТС
      • 4. 2. 3. Сопряжение СТС с официальной формой учебного плана
    • 4. 3. Мастер формирования исходных данных для задачи составления УПОП
      • 4. 3. 1. Объектная модель УПОП как основа для построения МФИД
      • 4. 3. 2. Система наследования в четырехуровневой объектной модели УПОП
      • 4. 3. 3. Расширение четырехуровневой объектной модели УПОП
    • 4. 4. Реализация эволюционно-генетического алгоритма. субоптимизации УПОП
      • 4. 4. 1. Общая характеристика генетического алгоритма оптимизации учебного плана специальности
      • 4. 4. 2. Объектная модель генетического алгоритма оптимизации учебного плана специальности
      • 4. 4. 3. Применение эволюционно-генетического алгоритма для субоптимизации реальных учебных планов
    • 4. 5. Выводы по четвертой главе

Субоптимизация учебных планов образовательных программ на основе современных методов обработки информации (реферат, курсовая, диплом, контрольная)

Актуальность темы

Эффективное планирование учебного процесса является залог успешной подготовки высококвалифицированных кадров. В настоящее время происходит модернизация системы высшего образования в двухуровневую. Кроме того, наблюдается повышение спроса на качественное образование и появление новых специальностей, что особенно ярко выражено в стремительно развивающихся областях высоких технологий, менеджмента и экономики. В сложившихся условиях часто возникает необходимость в конструировании новых учебных планов, или же в преобразовании существующих. Процедура составления учебных планов достаточно длительна и трудоёмка, она требует высокой квалификации и внимания проектировщиков. Применение инструментов, позволяющих автоматизировано решать такую задачу, должно существенно повысить скорость и качество планирования учебного процесса.

Несмотря на интенсивное исследование данной проблемы практические успехи в этой области невелики. Хотя в данной области существуют отдельные программно-алгоритмические решения, однако они, по различным причинам, не предоставляют достаточных возможностей автоматизировано строить полноценные учебные планы в масштабах вузов. Их разработка затруднена рядом серьёзных проблем. В первую очередь, к ним следует отнести большую размерность задачи и её вычислительную сложность. Кроме того, для данной задачи характерна многокритериальное^ оценки качества решения, наличие ряда трудно формализуемых факторов и критериев эффективности, а также сильная неоднородность пространства поиска.

В связи со всеми указанными факторами проводимые в диссертационной работе исследования по разработке алгоритма и программного комплекса для построения учебных планов и их субоптимизации является весьма актуальными и по сути решаемых задач соответствуют заявленной научной специальности — 05.13.01.

Цели и задачи исследования. Основной целью работы является решение проблемы существенного повышения эффективности построения учебных планов образовательных программ. Для ее достижения необходимо решить следующие задачи:

1) изучить структуру и информационное наполнение учебных планов специальностей и направлений в высшей школе, рассмотреть критерии оценки их качества и требования ГОС ВПО;

2) построить концептуально-математическую модель учебного плана образовательной программы, а также формализовать систему ограничений и критериальную стратегию оценки его качества;

3) исследовать возможности применения существующих алгоритмов составления оптимального расписания для решения задачи оптимизации учебного плана;

4) разработать эволюционно-генетическую модель учебного плана;

5) адаптировать генетический алгоритм и его основные механизмы к решению задачи построения субоптимальных учебных планов;

6) исследовать разработанный эволюционно-генетический алгоритм как объект описания и формирования свойств создаваемых планов и произвести структурно-параметрическую оптимизацию его механизмов применительно к задаче конструирования и субоптимизации учебных планов образовательных программ;

7) разработать информационную систему автоматизированного формирования и субоптимизации учебных планов на основе современных принципов построения пользовательских интерфейсов.

Существенные научные результаты, полученные в диссертации:

1) концептуально-математическая модель учебного плана образовательной программы в совокупности с системой структурно-параметрических ограничений и многокритериальной стратегией оценки его качества;

2) дисциплинарно-генетическая модель учебного плана, как основа для построения эффективного эволюционно-генетического алгоритма;

3) модифицированный эволюционно-генетический алгоритм, адаптированный к решению задачи субоптимизации учебных планов образовательных программ;

4) структура операторов эволюционно-генетического алгоритма и совокупность его параметров, полученные в работе для решения задачи конструирования учебных планов образовательных программ.

Научная новизна существенных результатов диссертации определяется следующими отличительными признаками:

1) разработанная концептуально-математическая модель учебного плана образовательной программы в совокупности с гибкой критериальной стратегией, в отличие от известных, ориентирована на построение его эффективной эволюционно-генетической модели;

2) сконструированная дисциплинарно-генетическая модель учебного плана уникальна, т.к. не применялась ранее для оптимизации подобных информационных объектов;

3) модификация традиционной схемы эволюционно-генетического алгоритма, заключающаяся в совокупном использовании в нем различных методов реализации его этапов, а также в применении парадигмы старения особей, позволяет рассматривать его как новую разновидность эволюционно-генетических алгоритмов;

4) структуры операторов, реализующих этапы эволюционно-генетического алгоритма, и совокупность характеризующих их параметров найдены из условий субоптимизации процесса построения учебного плана.

Методы исследования. В работе использованы математические методы исследования операций: оптимизации, теория генетических алгоритмов, теория планирования эксперимента, теория множеств, теория графов, а также методология компьютерного имитационного моделирования.

Достоверность результатов исследования определяется корректностью приводимых выводов и доказательств, статистической представительностью обрабатываемых выборок, а также использованием апробированных пакетов программ. При этом разработанный в рамках данного диссертационного исследования программный комплекс и его основные компоненты, реализующие методики синтеза и имитационного моделирования, были зарегистрирован в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам.

Практическая значимость. Разработанный на основе проведенных системных исследований проблемно-ориентированный 111 111 позволяет существенно упростить процедуру составления учебных планов образовательных программ и устранить недостатки в их составлении, вызванные человеческим фактором, высокой размерностью и трудоемкостью задачи. Применение средств программной поддержки, реализующих полученные в диссертации решения, дает возможность повысить скорость и эффективность составления учебных планов за счет применения уникального эволюционно-генетического алгоритма их субоптимизации. Наличие в разработанном программном комплексе функции логического контроля УПОП позволяет на стадии конструирования избегать нарушений существующих образовательных стандартов и методических рекомендаций.

В условиях перехода на двухуровневую систему образования практическая значимость результатов проведенного диссертационного исследования повышается, так как они позволяют упростить, повысить качество и скорость разработки новых, и модификации существующих учебных планов.

Практическая значимость проведенных исследований и разработок подкрепляется актами об их внедрении на уровне управлений учебно-методическими процессами вузов региона, заключениями учебно-методических органов ряда вузов РФ и свидетельствами Роспатента о регистрации авторского права на разработанный программный комплекс и его компоненты.

Соответствие диссертации научному плану работ и целевым комплексным программам. Тема диссертации утверждена приказом ректора РГАСХМ и выполняется в соответствии с тематическим планом госбюджетных работ академии. По содержанию диссертационные исследования соответствует задаче, направленной на обеспечение качества, доступности и эффективности образования, определенной в Концепции модернизации российского образования на период до 2010 года в Федеральной целевой программе развития образования на 2006;2010 годы, принятой постановлением правительства Российской Федерации № 803 от 23 декабря 2005 года [86].

Апробация диссертационной работы. Материалы диссертационной работы апробировались на следующих международных научных конференциях: XIX Международная научная конференция «Математические методы и технологиях 19» (ВГТА, Воронеж, 2006 г.), Первый международный научно-методический симпозиум «Современные проблемы многоуровневого образования» (ДГТУ, 2006 г.), XX Международная научная конференция «Математические методы и технологиях 20» (ЯГТА, Ярославль, 2007 г.), Второй международный научно-методический симпозиум «Современные проблемы многоуровневого образования» (ДГТУ, 2007 г.). Кроме того, промежуточные материалы исследований докладывались на ежегодных научно-технических конференциях ППС РГАСХМ и ДГТУ.

Публикации. Всего по теме диссертации опубликовано 12 работ, в которых освещены наиболее существенные её результаты. Большинство работ опубликовано в центральной печати: в журнале «Вестник ВГТУ», в сборниках научных трудов международных конференций ММТТ-19, ММТТ-20, сборниках первого и второго международного научно-методического симпозиума «Современные проблемы многоуровневого образования». Несколько статей вышли в межвузовских сборниках «Научное знание: новые реалии» и «Системный анализ, обработка информации и управление» .

Диссертационная работа состоит из введения, четырёх глав, заключения и приложений.

Результаты исследования эффективности значений вероятности мутации особи и гена.

ЗАКЛЮЧЕНИЕ

.

1. Проведённые в диссертационной работе системные исследования целей и задач учебных планов образовательных программ, их структуры, информационного наполнения, системы структурно-параметрических ограничений и критериев оценки качества позволили построить концептуально-математическую модель УПОП и гибкую критериальную стратегию, ориентированную на разработку его эволюционно-генетической модели.

2. Для решения проблемы формализации процесса поисковой оптимизации УПОП разработана уникальная проблемно ориентированная дисциплинарно-генетическая модель, позволившая эффективно реализовать решение задачи построения учебных планов и их субоптимизации.

3. Имитационно-поисковые исследования процедуры оптимизации УПОП дали возможность обоснованно модифицировать традиционную схему эволюционно-генетического алгоритма и адаптировать свойства его основных механизмов к задаче субоптимизации учебных планов, что позволило сделать эволюционно-генетический алгоритм эффективным инструментом для решения поставленной в работе задачи.

4. Проведённые с использованием разработанного программного комплекса статистически представительные исследования процессов субоптимизации УПОП показали, что PC CAD является удобным и эффективным инструментом для построения учебных планов, получаемых путем многократной локальной оптимизации характеризующего их комплексного критерия качества и формированием обозримого для проектировщика их множества.

5. Осуществляемая с помощью удобных интерактивных программных инструментов, реализованных в PC CAD, окончательная обработка выбранного проектировщиком из синтезированного множества УПОП наилучшего варианта, даёт возможность быстро довести структуру учебного плана до нужного уровня, что позволяет считать результаты планирования субоптимальными и качественно решать задачи планирования учебного процесса.

Показать весь текст

Список литературы

  1. Arshad F. N. SOLA: Students On-Line Advisor / Arshad F. N., Kelleher G. // Int. J. Man-Machine Studies. 1993. № 38. P. 281−312.
  2. Benoot M. XML by Example / Benoot M. Que, 1999. — 505p.
  3. Bogoiavlenski I. A. The Computer Assisted Planning of a Curriculum for Lacal and Distance Education / Bogoiavlenski I. A., Sigovtsev G. S.// Proc. of East-West Int. Conf. Computer Technologies in Education, 1994. 127 p.
  4. Bui T.N. A new approach on the traveling salesman problem by genetic algorithms / Bui T.N., Moon B.R. // Evolutionary Computation. 1994. — pp. 7−12.
  5. Cohoon J.P., Herde S.V., Martin W. N., Richards D. S. Distributed genetic algorithms for the floorplan design problem. IEEE Trans on CAD, vol. 10, April, 1991, pp. 483−491.
  6. Cohoon J.P., Martin W. N., Richards D.S. A multi-population genetic algorithm for solving the k-partition problem on huper-cube. San Diego, 1991.
  7. Coley D.A. An introduction to genetic algorithms for scientists and engineers. World Scientific Publishing, 1999. 244 p.
  8. Davis L. Handbook of genetic algorithms. New York: Van Nostrand Reinhold, 1991.-528 pps.
  9. Ebbinghaus H. Memory: A contribution to experimental psychology Электронный ресурс. / Canadian Libraries- H. Ebbinghaus Toronto, 2001. — Режим доступа: http://www.archive.org/, свободный. — Загл. с экрана.
  10. Herrera F., Lozano M., Verdegay J.L. Tackling real-coded genetic algorithms: operators and tools for the behaviour analysis. Artificial Intelligence Review,
  11. Vol. 12, No. 4, 1998.-P. 265−319.
  12. Holland J.H. Adaptation in natural and artificial systems: an introductory analysis with application to biology, control, and artificial intelligence. University of Michigan, 1975.
  13. John R. Durant. XML Programming Bible / John R. Durant. New York Wiley Publishing, Inc., 2003. — 934 p.
  14. Mange A.P. Genetics: human aspects / Mange A.P., Mange E.J.// Anatomy. -1982. -№ 3.- pp. 591 -592.
  15. Potvin J. Genetic algorithms for the travelling salesman problem // Annals of Operations Research. 1996. — V.63. — № 3. — pp. 337 — 370.
  16. Shahookar K. Genetic approach to standard cell placement using meta-genetic parameter optimization // IEEE Trans. On CAD. 1990. — V.9. — № 5. — pp.500 511.
  17. Srinivas H. An integrated approach for optimum design of bridge decks using genetic algorithms and artificial neural networks / Srinivas H. //Advances in Engineering Software. 2007. — № 7. — pp. 475 — 487.
  18. M. Т. Моделирование иерархической структуры управления образованием / Агиева М. Т., Мальсагов М. Х., Угольницкий Г. А. Ростов н/Д: ЦВВР, 2003.-208с.
  19. О.Г. Комплексное применение методов дискретной оптимизации. М.: Наука, 1987.-248 с.
  20. С.В. Управление университетскими комплексами: математические модели и методы / Арженовский С. В. Ростов н/Д: СКНЦ ВШ, 2002.-256с.
  21. M.K. Конструктор генетических алгоритмов и способы кодирования хромосом // Вестник Московского университета. Серия 15. Вычислительная математика и кибернетика. М.: Изд-во Московского университета, 2001. -№ 3.-С. 43−49.
  22. Д.И. Генетические алгоритмы решения экстремальных задач: учеб. пособие / Батищев Д. И. Воронеж, ВГТУ, 1995. — 69с.
  23. А.Н. Обзор существующих методов составления расписания. Информационные технологии и программирование / Безгинов А. Н. Трегу-бов С.Ю. // Межвузовский сборник статей. Вып. 2(14). М.:МГИУ, 2005. -60с.
  24. JI.H. Таблицы математической статистики / Большев Л. Н., Смирнов H.B. М.: Наука. — 416с.
  25. Большой экономический словарь / Под ред. А. Н. Азрилияна -5-е изд. -М.:ин-т новой экономики, 2002. 1472 с.
  26. A.B. Системный подход к определению структуры, объёмов и содержания учебных программ повышения профессиональной квалификации специалиста по охране труда в металлургическом производстве: автореф. дис. к-та техн. наук: 05.26.01. М., 2007.-21 с.
  27. А.Г. Критерии оценки качества учебного плана специальности // Меж. вуз. сборник «Системный анализ, обработка информация, управление». Ростов-н/Д, 2007. — С. 100−101.
  28. А.Г. Математическое описание государственного образовательного стандарта к составлению учебных планов И Математические методы в технике и технологиях ММТТ-19: сб. трудов XIX Международ, науч.конф.- Воронеж, ВГТА, 2006. Т. 4.- С. 95−96.
  29. А.Г. Операции мутации и скрещивания в генетических алгоритмах синтеза учебных планов // Математические методы в технике и технологиях ММТТ-20: сб. трудов XX Междун. науч. конф. — Ярославль: изд-во ЯГТУ, 2007. — Т.2. — С. 143−145.
  30. А.Г. Применение информационных технологий для планирования учебного процесса высшей школы // Математические методы в технике и технологиях ММТТ-19: сб. трудов XIX Междун. науч. конф. — Воронеж, ВГТА, 2006.-Т.4 .-С. 100−101.
  31. А.Г. Применение структурно-топологических схем для построения учебного плана высшей школы // Математические методы в технике и технологиях ММТТ-19: сб. трудов XIX Междун. науч. конф. — Воронеж, ВГТА, 2006.-Т.4. — С. 96−100.
  32. А.Г. Псевдогенетический подход к задачам конструирования учебных планов специальностей/ А. Г. Вишталь, P.A. Нейдорф // Вестник Вор.гос.техн.ун-та. 2007.-Т.З, — № 6. — С. 133−137.
  33. Гандэрлой М. ADO и ADO. NET. Полное руководство / Гандэрлой М. -М.:Корона, 2003. 912с.
  34. Гиббоне Д. XML. / Гиббоне Д., Кэгл К., Хантер Э. М.: Лори, 2006. — 408 с.
  35. O.JI. Основы алгоритмизации и программирования / Голицына O. JL, Попов И. И. 2-е изд. — М.: Форум: Инфра-М, 2006. — 432с.
  36. Дж. Опыты со зрением / Грегг Дж. М.:Мир, 1970. — 200с.
  37. Дарахвелидзе П.Г. Delphi 4 / Дарахвелидзе П. Г., Марков Е. П. СПб.: БХВ-Санкт-Петербург, 1999. — 816 с.
  38. М.В. О задаче автоматизации построения и поддержки учебныхпланов / Дьяконов М. В., Сиговцев С. Г. // Труды Петрозаводского государственного университета, серия «Прикладная математика и информатика». -1997.- № 6. -С. 1−16.
  39. С.М. Математическая теория оптимального эксперимента: учебное пособие / Ермаков С. М., Жиглявский A.A. М.:Наука, 1987. — 320с.
  40. A.B. Развитие восприятия и деятельность. Хрестоматия по ощущению и восприятию / Запорожец A.B. МГУ, 1975. — 290с.
  41. .А. Планирование эксперимента в электромеханике / Ивобо-тенко Б.А., Ильинский Н. Ф., Копылов И. П. М.:Наука, 1975. — 184с.
  42. А.Ф. Численные методы оптимизации / Измаилов А. Ф., Солодов M.B. М.: Физматлит, 2005. — 304с. о и
  43. П. Потоковое программирование / Иенсен П., Барнес Д. М.: Радио и связь, 1984. — 392 с.
  44. A.C. Сокращение объема статистических испытаний, проводимых с целью выявления эффективных эвристических алгоритмов решения задач теории расписаний / Касимов A.C. // Информационное противодействие угрозам терроризма. 2005. — № 5. — С. 115−121.
  45. В.В. Методы оптимизации в химической технологии / Бояринов А. И., Кафаров В. В. М.:Химия, 1975. — 576 с.
  46. М.Д. Статистические выводы и связи / Кендалл М.Дж., Стъюарт А.-М.: Наука, 1973.-900с.
  47. Клемент Росс. Генетические алгоритмы: почему они работают? когда их применять? Компьютерра. 1999. — № 11.- С. 71 — 76.
  48. В.Г. Модификации алгоритма Алексеева при точном решении минимаксной задачи теории расписания. / Кобак В. Г., Федоров С. Е. // Многопроцессорные вычислительные системы. 2004. — № 2(8). — С. 144 — 156.
  49. В.Г. Сравнительный анализ приближенных алгоритмов решения минимаксной задачи для однородных приборов/ Будиловский Д. М., Кобак В.Г.// Вестник Дон. гос. техн. ун-та.- 2006.- № 4.- С. 327−333
  50. В.Г. Уменьшение времени работы точного алгоритма при решении задачи о камнях / Кобак В. Г. // Современные проблемы информатизации в непромышленной сфере экономики. 2003. -№ 3 С. 100−101.
  51. А. Павлова. О. Доступ к данным с помощью технологии ADO / Колесов А. Павлова. О. // КомпьютерПресс. 1999. — № 7. — С.71 — 76.
  52. . Р. В. Теория расписаний / Р. В. Конвей, В. Л. Максвелл, JT. В. Миллер. М.: Наука, 1975. — 360с.
  53. Э. Г. Теория расписаний и вычислительные машины/ под ред. Э. Г. Коффмана. М.:Наука, 1984.-334 с.
  54. В.А. Поиск оптимального варианта структуры учебного плана в условиях непрерывного образования / Кочнев В. А. // Материалы конференции Проблемы подготовки высококвалифицированных преподавателей математики. Пермь, 2004. — С.
  55. Г. Математические методы статистики / Крамер Г. М.: Мир, 1975.- 648с.
  56. Г. К. Планирование эксперимента в задачах идентификации и экстро-поляции / Круг Г. К., Сосулин Ю. А., Фатуев В.А.- М.:Наука, 1977. 206с.
  57. Н.Б. Программирование на Object Pascal в Delphi 5 / Культин Н.Б.- СПб.:БХВ-Санкт-Петербург, 2000. 464 с.
  58. В.М. Теория и практика эволюционного моделирования / Емельянов В. В., Курейчик В. В., Курейчик В. М. М.:Физматлит, 2003. — 432 с.
  59. В. Создание таблиц и OLE-приложений в среде программирования Delphi / Кучеренко В. М.: Познавательная книга плюс, 2000. — 192с.
  60. Л.П. Проблемы управления учебным процессом. Математические модели / Леонтьев Л. П., Гохман О.Г.- Рига: Зинатне, 1984 239 с.
  61. В. В. Эффективность детерминированного планирования вычислительного процесса / Липаев В. В. Собкин С. С.// Техническая кибернетика. 1960.-№ 1.-С. 128—133.
  62. В.И. Генетические алгоритмы в математическом моделировании / Литвиненко В. И., Фефелов A.A., Ткачук A.A. // BicHmc Запор1зького державного ушверситету. 2001. — № 2 — с.85−91.
  63. Лю. Б. Теория и практика неопределенного программирования / Лю. Б. -Минск: Бином, 2005. 416с.
  64. A.C. Концепция индивидуального обучения в телекоммуникационной компьютерной образовательной среде / Минзов A.C. // Дистанционное образование. 1998. — № 3.- С. 19 — 22.
  65. А. Д. Delphi 7 / Моненко А. Д. СПб.: БХВ-Петербург, 2006. -476с.
  66. И. Б. Основы дискретной оптимизации некоторых задач упорядочения (на примере учебного процесса). М., 1994. — 215 с.
  67. Э. А. Точный алгоритм составления расписания для одностадийной системы с независимыми параллельными машинами / Мухачева Э. А., Орехов Э. Ю. // Информационные технологии. 2004. — № 2. — С. 85 — 88.
  68. Д.А. Закономерности итеративного научения / Новиков Д. А. -М.:Институт проблем управления РАН, 1998. 77 с.
  69. В.Д. Принятие решений в многокритериальной среде. М.: Физмат-лит, 2005.- 176с.
  70. И.П. Генетический алгоритм, создающий предупреждающий планировщик для сборки печатных плат / Чепрасов В., Панч У. Ф., Гудман Э. Д., Рагатц Г // Обозрение прикладной математики. 1996. — Т.З. — № 6. -С. 102−123.
  71. Л.А. Теория вероятностей и ее инженерные приложения: учебное пособие для втузов / Овчаров Л. А., Вентцель Е. С. М.: Высшая школа, 2007. — 491с.
  72. И.О. Профессиональное программирование. Системный подход /Одинцов. СПб.:БХВ-Петербург, 2002. — 512 с.
  73. Е. В. Алгоритмы и методы решения задач составления расписаний и других экстремальных задач на графах больших размерностей / Панкратьев Е. В., Чеповский А. М. // Фундаментальная и прикладная математика. 2003. — Т.9. — № 1. — С. 235−251.
  74. Д.Ф. Генетика с основами селекции / Петров Д. Ф. М.: Высшая школа, 1971.-410с.
  75. С.И. Парадоксы высшего образования /С.И. Плаксий.- М.: Национальный институт бизнеса. 2005. 503 с.
  76. В.В., Парето-оптимальные решения многокритериальных задач. — М.: Наука, 1982. 256с.
  77. В. М. Теория расписаний / В. М. Португал, А. И. Семенов. М.: Знание, 1972.-60с.
  78. Программный комплекс «ПЛАНЫ» Электронный ресурс. / ММиИС- Vebмастер Медведев Д. В. — Шахты, 1997. — Режим доступа: http://www.mmis.ru/Default.aspx?tabid=56, свободный. Загл. с экрана
  79. К.А. Оценка и планирование эксперимента / Пупков К. А., Костюк Г. А. М. Машиностроение, 1977. 118с.
  80. P. JI. Естественный отбор в мире битов / Риоло Р. Л// В мире науки.- 1992,-№ 9.-С. 160- 163.
  81. И. В. Алгоритмы решения экстремальных задач. М.: Наука, 1977.-352 с.
  82. Рубинштейн СЛ. Основы общей психологии / Рубинштейн СЛ. СПб: Питер, 2007. 688 с.
  83. Рэй Э. Изучаем XML / Рэй Э. М.:Символ-Плюс, 2001. — 408 с.
  84. P.P., Алгоритм решения задач теории расписания для одного прибора: автореф. дис. к-та физ.-мат. наук: 01.01.09. М., 2006. — 18с.
  85. Комплексная программа образование и здоровье Электронный ресурс. / КГУ- Салахов М. Х. Казань, 2004. — Режим доступа: http://www.ksu.ru/usvr/progzdor.htm, свободный. — Загл. с экрана.
  86. . А.Н. Генетические алгоритмы // Новости искусственного интеллекта. 1995. — № 4. — С. 6−46.
  87. И. Инженерия программного обеспечения / Соммервил И.- 6-е изд. М.?Издательский дом Вильяме, 2002. — 624 с.
  88. Стариков Алексей. Генетические алгоритмы математический аппарат Электронный ресурс. / BaseGroup Labs- Стариков Алексей. — Рязань, 2007.- Режим доступа: http://www.basegroup.ru/genetic/math.htm, свободный. -Загл. с экрана.
  89. Струнков Тимофей. Что такое генетические алгоритмы Электронный ресурс. / НейроПроект- Струнков Тимофей. Москва, 2007. — Режим доступа: http://www.neuroproject.ru/gene.php, свободный. — Загл. с экрана.
  90. B.C. Введение в теорию расписаний / Танаев B.C., Шкурба В. В. М.: Наука, 1975.-256с.
  91. B.C. О построении расписаний с наименьшим взвешенным числом запаздывающих требований / Танаев B.C., Гордон В. С. // Изв. АН БССР. Сер. физ.-матем. наук. 1982. — № 5. — С. 114 — 125.
  92. Ф. Нейрокомпьютерная техника: теория и практика / Уос-сермен Ф. М.:Мир, 1992. — 184 с.
  93. В. 0 композиции. / Фаворский В. // Творчество. 1967. — № 1. -С.118- 124.
  94. А.З. Разработка и исследование генетических методов размещения двумерных геометрических объектов: автореф. дис. канд. тех. наук. Таганрог: 05.13.12. — Таганрог, ТРТУ, 1996. — 16 с.
  95. В.В. Теория оптимального эксперимента (планирование регрессионных экспериментов) / Федоров В. В. М.'.Наука, 1971.-312с.
  96. Д. Введение в теорию планирования экспериментов / Финни Д. -М.:Наука, 1970.-286с.
  97. И. Структуры и управление данными / Флорес И. М.:Финансы и статистика, 1982. — 319 с.
  98. К. Планирование эксперимента в исследовании технологических процессов / Хартман, Э. Лецкий, В. Шефер и др.-М.:Наука, 1977.-552с.
  99. Ху Т. Целочисленное программирование и потоки в сетях / Ху Т. М.: Мир, 1979.-520с.
  100. Цой Ю.Р., Спицын В. Г. Эволюционный подход к настройке и обучению искусственных нейронных сетей // Электронный журнал «Нейроинформа-тика». 2006. — Т. 1. — № 1. — С. 34−61.
  101. А. Ф. Оператор кроссинговера в мажоритарном генетическом алгоритме / Чипига А. Ф., Р. А. Воронкин // Вестник СевКавГТУ Серия «Физико-химическая». 2004. — № 1(8). — С. 54 -58
  102. К.В. Эффективные методы оптимизации составления расписаний для одной машины / Шахбазян К. В., Лебединская Н. Б. // Записки научных семинаров ЛОМИ АН СССР. 1981. — № 3. — С. 195 — 217.
  103. X. Теория инженерного эксперимента. / пер. с англ. под ред. Н. П. Бусленко. М.:Мир 1972. — 384с.
  104. Д. Освой самостоятельно XML за 21 день. СПб.: Вильяме, 2002.-432 с.
  105. Г. Е., Акимов Ю. П. Компьютерная система оценки качества образования в вузе / Шепитько Г. Е., Акимов Ю. П., Шишкин И. Ф. // Материалы Международной конференции «Системы безопасности. М.: МАИ, 2002. — С. 84 — 89.
Заполнить форму текущей работой

Пора сдавать?