Portfolyoya Dön

Yapay Zeka / Ar-Ge

Anatolia-Gen: Yapay Zeka Destekli Ders Programı Hazırlayıcı

Genetik Algoritmalar kullanan, TÜBİTAK 2209-A programı kapsamında geliştirilmiş araştırma odaklı otomatik akademik çizelgeleme sistemi.

Teknolojiler

LaravelPythonGenetik AlgoritmalarPostgreSQLTailwind CSS

Yayınlanma

Şubat 2026
Anatolia-Gen: Yapay Zeka Destekli Ders Programı Hazırlayıcı

Anatolia-Gen: Yapay Zeka Destekli Ders Programı Hazırlayıcı

Anatolia-Gen, karmaşık akademik ders programlarının oluşturulmasını otomatikleştirmek için tasarlanmış gelişmiş bir optimizasyon motorudur. Bu proje, kapsamlı bir Ar-Ge çalışması olarak geliştirilmiş ve TÜBİTAK 2209-A Üniversite Öğrencileri Araştırma Projeleri Destekleme Programı'na sunulmuştur.

Genel Bakış

Proje, üniversite ders çizelgelemenin "NP-hard" (çözümü zor) problemiyle ilgilenmektedir. Eğitmen uygunluğu, derslik kapasiteleri ve çakışmayan öğrenci zaman dilimleri gibi çoklu kısıtları dengeleyerek Anatolia-Gen, manuel olarak oluşturulması neredeyse imkansız olan optimal programlar üretmeyi hedefler.

Temel Özellikler

  • Genetik Algoritma Motoru: Karmaşık çizelgeleme senaryolarında yüksek optimizasyon oranlarına ulaşmak için evrimsel stratejiler (çaprazlama, mutasyon ve seçim) uygular.
  • Kısıt Yönetimi: Akademik fizibiliteyi sağlamak için hem "Sert Kısıtları" (zorunlu gereksinimler) hem de "Esnek Kısıtları" (kullanıcı tercihleri) destekler.
  • Akıllı Panel: Akademik personelin kurumsal verileri girebileceği ve üretilen çizelgeleri görselleştirebileceği bir yönetim arayüzü.
  • Çakışma Tespiti: Program çakışmalarının veya kaynak darboğazlarının gerçek zamanlı analizi ve raporlanması.

Teknoloji Yığını

  • Çekirdek Mantık: Python (yoğun algoritmik hesaplamaları yönetir) ve uygulama yönetim katmanı için PHP/Laravel.
  • Ön Uç: Tailwind CSS & Vue.js - Akademik yöneticiler için tasarlanmış reaktif, hibrit bir kullanıcı arayüzü.
  • Veritabanı: Karmaşık ilişkisel verileri ve kısıtları yönetmedeki sağlamlığı nedeniyle PostgreSQL kullanılmıştır.
  • Araştırma Çerçevesi: TÜBİTAK 2209-A programı yönergeleri altında geliştirilmiştir.

Zorluklar

Birincil zorluk, genetik algoritma parametrelerinin "erken yakınsamayı" (yerel bir optimumda takılıp kalmayı) önleyecek şekilde ince ayarının yapılmasıydı. Uygunluk fonksiyonunun yinelemeli iyileştirilmesi yoluyla, yüzlerce değişkeni olan büyük bölümler için bile yüksek kaliteli sonuçlar sunabilen bir sistem geliştirdim.