برنامههای زمانبندی دروس، پایه و ساختار برنامههای آموزشی یک دانشگاه هستند. ایجاد یک برنامه زمانبندی برای دروس دانشگاهی هم چنان به صورت سنتی اجرا میشود. دراین برنامهها عموماً ترجیحات شخصی دانشجویان درنظر گرفته نمیشود و در شرایط بحرانی مانند شرایط کرونا نمیتوانند اهداف آموزشی را محقق سازند. با توجه به پیشرفت نرمافزارهای حوزه ریاضی و با استفاده از کاربردهای الگوریتمهای بهینهسازی و همچنین ادغام دروس آنلاین به عنوان بخشی از برنامههای آموزشی مدرن میتوان در زمانی بسیارکوتاه برنامههای آموزشی کاملاً متنوع و انعطافپذیر بر اساس ترجیحات فردی دانشجویان ایجاد کرد که نیازهای فردی هر دانشجو را تا حد زیادی پاسخ میدهد. این پژوهش، یک فرآیند برنامهریزی چند سطحی برای زمانبندی دانشگاه توسعه داده است که در سطح تاکتیکی، کلاسهای آموزشی (سخنرانیها) و کارگاهها برای مجموعه ای از برنامههای تحصیلی تعیین میشود و در سطح عملیاتی، برنامههای زمانبندی فردی برای هر دانشجو ایجاد میشود که با انتخاب کلاسها از برنامههای کلاسی با توجه به ترجیحات فردی صورت میگیرد. در این فرآیند برنامهریزی زمانبندی از طریق الگوریتم ژنتیک بهینهسازی میشود. همچنین یک نمونه مدل برآوردکننده از مدل مصنوعی شبکه عصبی به عنوان پیشبینیگر ارائه شدهاست که نشان میدهد این رویکرد باعث تولید زمانبندیهای با کیفیت بالا میشود؛ یعنی این مدل بهبود کلیت فرآیند برنامهریزی را نشان میدهد و زمانبندیهای مطلوبتری ایجاد میکند
