یک مدل بهینه سازی ریاضی برای تخصیص خوابگاه های دانشجوئی در شرایط کرونا زیستی

نوع مقاله : مقاله پژوهشی

نویسنده

دانشکده آمار، دانشگاه علامه طباطبائی، تهران، ایران.

10.22105/dmor.2020.238929.1178

چکیده

بسیاری از دانشگاه‌های برتر جهان، از هم‌اکنون تصمیم گرفته‌اند که ترم آینده را به‌صورت مجازی برگزار کنند. در کشور ما هم پیش‌بینی‌ها وضعیت قرمزی برای برخی مناطق از لحاظ شیوع کرونا، نشان می‌دهد. همچنین، تعدادی از دانشجویان دانشگاه‌ها در این مناطق سکونت دارند. بنابراین، در برنامه‌ریزی ترم آینده باید تمرکز بیشتری روی آموزش مجازی صورت پذیرد. پیشنهاد می‌شود ترم آینده به‌صورت دو بخش شامل آموزش مجازی به‌مدت 10 هفته و آموزش حضوری به‌مدت 3 هفته به اجرا درآید. در آموزش حضوری با نیازمندی­های فضای آموزشی و خوابگاهی، دانشجویان به دو زیر رسته (A) و (B) تقسیم می‌شود به‌گونه‌ای که اجرای پروتکل‌های بهداشتی در دانشگاه و خوابگاه‌ها امکان‌پذیر باشد. در این مقاله، برای تعیین تعداد دانشجویان پسر و دختر قابل اسکان در خوابگاه‌ها برای هر دو زیر رسته (A) و (B) در آموزش حضوری، یک مدل بهینه‌سازی ریاضی به‌صورت برنامه‌ریزی غیرخطی با متغیرهای صحیح پیشنهاد می‌شود. در تابع هدف مدل، توزیع دانشجویان در فضای آموزشی و خوابگاه‌ها به‌گونه‌ای انجام شده که حداکثر پراکندگی (حداقل اختلاف) ممکن را، به‌دلیل جلوگیری از شیوع بیماری کرونا داشته باشد. این مدل برای تخصیص خوابگاه‌های دانشجوئی در دانشگاه علامه طباطبائی، پیاده‌سازی شده و استفاده از آن می‌تواند نتایج مثبتی برای تصمیم‌ گیرندگان به همراه داشته باشد. تجزیه‌وتحلیل حساسیت با تغییر یک پارامتر و حفظ دیگر پارامترها در مقدار اصلی خود انجام شده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

A Mathematical optimization model for allocating student dormitories in corona-living conditions

نویسنده [English]

  • Hassan Rashidi
Faculty of Statistic, Allameh Tabataba’i University, Tehran, Iran.
چکیده [English]

Many of the world's top universities have already decided to hold the next semester with e-education. In our country, the forecasts show a red situation for some areas in terms of the prevalence of corona. Also, a number of university students are living in these areas. Therefore, in the planning of the next semester, more attention should be paid to e-education. It is recommended that the next semester be implemented in two parts, including e-education for 10 weeks and face-to-face training for 3 weeks. In face-to-face training with the needs of the educational and dormitory space, students are divided into two sub-categories (A) and (B) so that it is possible to implement health protocols in universities and dormitories. In this paper, to determine the number of male and female students accommodated in dormitories for both subcategories (A) and (B) in face-to-face training, a mathematical optimization model is proposed in the form of nonlinear programming with integer decision variables. In the objective function of the model, the distribution of students in the educational space and dormitories is done in such a way that it has the maximum possible dispersion (minimum difference), due to the prevention of the spread of corona disease. This model has been implemented for the allocation of student dormitories at Allameh Tabatabai University, and its use can bring positive results for decision makers.

کلیدواژه‌ها [English]

  • Corona prevalence
  • face-to-face Education
  • dormitory allocation
Al-Rabiaah, A., Temsah, M. H., Al-Eyadhy, A. A., Hasan, G. M., Al-Zamil, F., Al-Subaie, S., ... & Somily, A. M. (2020). Middle East respiratory syndrome-corona virus (MERS-CoV) associated stress among medical students at a university teaching hospital in Saudi Arabia. Journal of infection and public health, 13(5), 687-691. https://doi.org/10.1016/j.jiph.2020.01.005
Ashokka, B., Ong, S. Y., Tay, K. H., Loh, N. H. W., Gee, C. F., & Samarasekera, D. D. (2020). Coordinated responses of academic medical centres to pandemics: Sustaining medical education during COVID-19. Medical teacher, 1-10. https://doi.org/10.1080/0142159X.2020.1757634
Baker, K. R. (2011). Optimization modeling with spreadsheets. Wiley.
Chimmula, V. K. R., & Zhang, L. (2020). Time series forecasting of COVID-19 transmission in Canada using LSTM networks. Chaos, solitons & fractals, 135. https://doi.org/10.1016/j.chaos.2020.109864
Eiselt, H. A., & Sandblom, C. L. (2019). Nonlinear optimization. Springer International Publishing. https://doi.org/10.1007/978-3-030-19462-8.
Frontline Solvers Excel Product Overview. (2020). Analytic solver - our all-in-one solution. Retrieved June 19, 2020, from https://www.solver.com/products-overview
Khodabakhshi-koolaee, A. (2020). Living in home quarantine: Analyzing psychological experiences of college students during COVID-19 pandemic. Journal of military medicine, 22(2), 130-138. https://doi.org/10.30491/JMM.22.2.130
Mesiono, M. (2020). E-Learning management of state Islamic University of North Sumatera in Pandemic Covid-19. International journal of advanced science and technology, 29(05), 9573-9582. Retrieved from http://sersc.org/journals/index.php/IJAST/article/view/19133
Peyravi, M., Marzaleh, M. A., Shamspour, N., & Soltani, A. (2020). Public education and electronic awareness of the new coronavirus (COVID-19): Experiences from Iran. Disaster medicine and public health preparedness, 14(3), 1-2. https://doi.org/10.1017/dmp.2020.94
Powell, S. G., & Baker, K. R. (2007). Management science: The art of modeling with spreadsheets. Wiley.
Rachmadtullah, R., Marianus Subandowo, R., Humaira, M. A., Aliyyah, R. R., Samsudin, A., & Nurtanto, M. (2020). Use of blended learning with moodle: study effectiveness in elementary school teacher education students during the COVID-19 pandemic. International journal of advanced science and technology, 29(7), 3272-3277.
Raja Murugadoss, J., & Krishna Kishore, K. (2020). Effectiveness of E-learning in rural India and significance of self-directed learning. International journal of advanced science and technology, 29(6), 6015-6020. Retrieved from http://sersc.org/journals/index.php/IJAST/article/view/19879
Rudd, K., Foderaro, G., Zhu, P., & Ferrari, S. (2017). A generalized reduced gradient method for the optimal control of very-large-scale robotic systems. IEEE transactions on robotics, 33(5), 1226-1232. https://doi.org/10.1109/TRO.2017.2686439
Schreck, J., Baretton, G., & Schirmacher, P. (2020). Situation der deutschen universitätspathologien unter den einschränkungen der corona-pandemie–auswertung einer ersten repräsentativen umfrage. Der pathologe, 41(4), 400-405. https://doi.org/10.1007/s00292-020-00791-y