لاله عسگری

مدلسازی و تحلیل تعارض از منظر رشته های گوناگونی صورت گرفته است. روشهای مبتنی بر تئوری بازی از جامعترین مدلهایی است که برای مدلسازی و تحلیل تعارض مورد استفاده قرار گرفته است. یکی از چالشهای دستگاهها عدم یکپارچگی اطلاعات بین آنهااست که منجر به عدم ایجاد بانک اطلاعاتی جامع شده است. هدف تحقیق تحلیل تعارضات و تدوین استراتژی جذب اعضای هیأت علمی با استفاده از تئوری درام بود. تحقیق حاضر از نوع هدف کاربردی، از لحاظ نوع داده ها کیفی به شمار بود .ماهیت پژوهش نیز اکتشافی بوده است. روش پژوهش به کارگیری تئوری درام برای تدوین استراتژی جذب هیأت علمی بوده است. جامعه آماری حاضر مدیران فناوری اطلاعات سازمانها و اعضای هیأت علمی دانشگاهها در حوزه فناوری اطلاعات بوده اند. در این تحقیق برای جمع آوری اطلاعات از مصاحبه با خبرگان، بررسی اسناد و مدارک بهره گرفته شده است. ابزار به کارگرفته شده جداول مطلوبیت و نمودار تحلیل تعارض بود. از بین استراتژیهای جذب هیأت علمی به صورت الکترونیکی، پیاده سازی سامانه یکپارچه جذب با مدیریت هیأت عالی جذب یک گزینه، پیاده سازی سامانه وزارت علوم و وزارت بهداشت به تنهایی و پیاده سازی سامانه های وزارتین در وزارتخانه های فوق به صورت جداگانه با نظارت هیأت عالی جذب و تدوین ویژگیهای عملیاتی و گزارشات روتین ابلاغی از گزینه های دیگر بوده اند. یافته تحقیق پیدا کردن بهترین استراتژی مورد تأیید همه ذینفعان، پیاده سازی سامانه های وزارتین در وزارتخانه های فوق به صورت جداگانه با نظارت هیأت عالی جذب و تدوین ویژگیهای عملیاتی و گزارشات روتین بوده است.

زمان بندی در برنامه ریزی درسی دانشجویان و استادان با روش های متنوعی صورت می گیرد. این تحقیق به حل مسئله برنامه آموزشی استادان با تأمین نظر دانشجویان می پردازد. در این مسئله، تخصیص درس و زمان به استادان با در نظر گرفتن ساعت جلسه مشترک استادان و زمان بندی ساعات تدریس فشرده آنان و محدودیت کلاس ها انجام می شود. بدین منظور، روش الگوریتم ژنتیک در دو مرحله به کار برده شده است. در مرحله اول الگوریتم، از عملگرِ برش تک نقطه ای استفاده شد و در مرحله دوم الگوریتم، عملگر هوشمند جدیدی به نام فهرست معکوس حلقوی با در نظر گرفتن زمان های طلایی، نقره ای و برنزی برای درس های مختلف به کار رفت. مزیت این الگوریتم استفاده از تابع برازندگی جدید و همچنین معیار انتخاب جدید و یک عملگر جدید است. این روش برخلاف روش های معمول، برازش کل جمعیت را در نظر می گیرد و تلاش می کند جواب های امکان ناپذیر را حذف کند. در این الگوریتم، جواب نهایی از جواب های بهینه متعدد تولید شده انتخاب می شود. نتایج نشان داد این روش با برازش بهتری به جواب های بهینه می رسد.