Введение
1. Обзор и анализ моделей, методов и программных комплексов, используемых в корпоративных системах обучения персонала 15
1.1 Роль персонала в работе современного предприятия 15
1.2 Обзор корпоративных систем обучения персонала 20
1.3 Математические модели, используемые при построении корпоративных систем обучения персонала 29
Выводы по главе 1 35
2. Методы и алгоритмы организации и управления деятельностью обучаемого с учебным материалом 38
2.1 Базовая графовая модель процесса освоения учебного материала 38
2.2. Оценка времени освоения программы обучения с помощью имитационного моделировани 42
2.3 Темпоральная графовая модель, учитывающая эффект «забывания» изученного учебного материала 46
2.4 Алгоритмы имитационного моделирования процесса обучения с учетом нестационарности графа программы обучения
2.4.1 Равновероятный случайный выбор доступного учебного объекта 48
2.4.2 Равновероятный случайный выбор доступного учебного объекта с учетом приоритетов 51
2.4.3 Построение рациональных стратегий выбора учебных объектов при освоении учебного материала
2.5 Генерация случайных графов 55
2.6 Численные эксперименты с имитационными моделями
2.6.1 Численный эксперимент «20/31» 59
2.6.2 Численный эксперимент «20/48» з
2.6.3 Численный эксперимент «25/33» 61
2.6.4 Численный эксперимент «25/53» 62
2.6.5 Численный эксперимент «30/42» 63
2.6.6 Численный эксперимент «30/61» 64
2.6.7 Численный эксперимент «35/43» 65
2.6.8 Численный эксперимент «35/58» 66
2.6.9 Численный эксперимент «40/59»
2.6.10 Численный эксперимент «40/89» 68
2.6.11 Анализ результатов численных экспериментов 69
Выводы по главе 2 70
3. Методы и алгоритмы структуризации образовательного контента систем электронного обучения 74
3.1 Задача формирования оптимального состава учебных модулей 74
3.2 Обзор известных постановок задачи о разбиения ориентированного ациклического графа 77
3.3 Комбинаторные соотношения, необходимые для оценки мощности множества решений и его декомпозиции 79
3.4 Решение задачи прямым перебором 83
3.5 Решение задачи методом ненаправленного случайного поиска 85
3.6 Решение задачи методом локального поиска 86
3.7 Популяционные методы
3.7.1 Эволюционные стратегии 89
3.7.2 Модифицированный алгоритм искусственной иммунной системы с клональной селекцией 91
3.7.3 Генетический алгоритм 93
3.7.4 Островная модель параллелизма и критерий останова вычислительного процесса 99
3.8 Численные эксперименты 102
3.8.1 Численный эксперимент «20/31/[7,7,6]» 102
3.8.2 Численный эксперимент «20/48/[7,7,6] 104 3.8.3 Численный эксперимент «25/33/[8,8,9] 106
3.8.4 Численный эксперимент «25/53/[8,8,9] 108
3.8.5 Численный эксперимент «30/42/[8,8,7,7] 109
3.8.6 Численный эксперимент «30/61/[8,8,7,7] 111
3.8.7 Численный эксперимент «35/43/[9,9,9,8] 113
3.8.8 Численный эксперимент «35/58/[9,9,9,8] 115
3.8.9 Численный эксперимент «40/59/[10,10,10,10]» 117
3.8.10 Численный эксперимент «40/89/[ 10,10,10,10]» 119
Выводы по главе 3 121
4. Программная реализация методов и алгоритмов структуризации образовательного контента и управления процессом электронного обучения 124
4.1 Разработка классов для работы с графовыми моделями 124
4.1.1 Шаблонный класс Graph 124
4.1.2 Классы меток вершин и дуг 129
4.2 Генерация случайных графов 130
4.2.1 Классы для работы с псевдослучайными числами 130
4.2.2 Программный модуль генерации случайных графов
4.3 Программный модуль имитационного моделирования 136
4.4 Класс Partition для работы с разбиениями 138
4.5 Класс Population для работы с множествами разбиений и поддержки функциональности иммунного алгоритма 148
4.6 Классы для поддержки островной схемы организации вычислений 156
4.7 Программный модуль поиска наилучшего разбиения 159
4.8 Реализация системы электронного обучения 160
Выводы по главе 4 160
Заключение 162
Список использованной литературы
