نظام ذكي لإنشاء الجداول الجامعية آلياً باستخدام خوارزميات الذكاء الاصطناعي

قمت بتطوير نظام متكامل ومؤتمت بالكامل لإنشاء الجداول الدراسية الجامعية (University Timetable Scheduling System) لقسم علوم الحاسب وتكنولوجيا المعلومات (CSIT). يهدف المشروع إلى حل مشكلة الجدولة المعقدة (NP-Hard Problem) التي تستغرق عادةً أياماً من العمل اليدوي، وإنجازها في دقائق معدودة بدقة 100%. المشكلة التي قمت بحلها: إنشاء جدول دراسي يأخذ في الاعتبار مئات القيود المتداخلة (توفر القاعات، تخصصات المحاضرين، عدم تعارض أوقات الطلاب، وسعة المعامل) هو تحدٍ رياضي وبرمجي كبير. الحل التقني والمميزات: قمت ببناء "محرك جدولة ذكي" (Intelligent Scheduling Engine) باستخدام لغة Python ومكتبات الذكاء الاصطناعي، ويتميز النظام بالتالي: منع التعارضات نهائياً (Hard Constraints): يضمن النظام عدم وجود أي تعارض في القاعات، أو أوقات المحاضرين، أو جداول الطلاب (Zero Conflicts). تحسين جودة الجدول (Soft Constraints Optimization): استخدام خوارزميات البحث الهجين (Hybrid Solver) التي تدمج بين (Backtracking) و (Hill Climbing) لتقليل الفجوات الزمنية (Gaps) بين المحاضرات وتجنب التأخير الدراسي، مما حقق تحسناً في جودة الجدول بنسبة 52%. لوحة تحكم تفاعلية (Interactive Dashboard): واجهة مستخدم متطورة باستخدام إطار عمل Streamlit تتيح للمستخدمين: تشغيل المحرك الذكي بضغطة زر. استعراض الجداول وتصفيتها حسب السنة الدراسية (L1, L2, L3, L4). تصدير الجداول النهائية بصيغة PDF جاهزة للطباعة أو ملفات CSV. معالجة القيود الهرمية: برمجة منطق متقدم للتعامل مع "المحاضرات المجمعة" (Unified Lecture Grouping) حيث يتم دمج عدة مجموعات في محاضرة واحدة، وفصلهم في المعامل العملية تلقائياً. التقنيات والأدوات المستخدمة: لغة البرمجة: Python. واجهة المستخدم: Streamlit. معالجة البيانات: Pandas. الخوارزميات: Constraint Satisfaction Problems (CSP), Heuristic Search (Fail-First), Hill Climbing. هذا المشروع يمثل نموذجاً قوياً لكيفية توظيف البرمجة لحل المشكلات الإدارية المعقدة وتوفير الوقت والمجهود