Stajyer Yerleştirme Simülatörü

Firmalara stajyer yerleştirme sürecini simüle eden Python uygulaması. İki farklı algoritmik yaklaşımla (Greedy ve Heuristic) öğrenci-firma eşleştirmesi yapar.

Proje Hakkında

Bu proje, sınırlı firma kontenjanları altında öğrencilerin firmalara adil ve mantıklı biçimde yerleştirilmesini sağlar. Program sonunda hiçbir öğrenci açıkta kalmaz.

Temel Özellikler

• 121 öğrenci, 30 firma, 141 toplam kontenjan
• Her öğrencinin 5 firma tercihi ve GNO'su var
• İki farklı algoritma: Greedy ve Heuristic
• 3 fazlı yerleştirme sistemi
• %30 firma reddetme mekanizması
• Basit Tkinter GUI

Kurulum

Gereksinimler

• Python 3.x (3.6 ve üzeri önerilir)
• Tkinter (genellikle Python ile birlikte gelir)

Dosyalar

py_new/
├── stajyer_simulator.py    # Ana program
├── students.csv            # Öğrenci verileri (121 öğrenci)
├── firms.csv               # Firma verileri (30 firma)
├── technical_report.md     # Teknik rapor
└── README.md               # Bu dosya

Kullanım

Programı Çalıştırma

cd /home/okaybuyukdeveci/Desktop/py_new
python3 stajyer_simulator.py

GUI Arayüzü

Program açıldığında 3 buton göreceksiniz:

Buton	Açıklama
Run Greedy	Greedy algoritmasını çalıştırır
Run Heuristic	Heuristic algoritmasını çalıştırır
Compare Results	İki algoritmayı karşılaştırır

Sekmeler

1. Loglar: Algoritma çalışırken iterasyon loglarını gösterir
2. Yerleştirmeler: Hangi öğrenci hangi firmaya yerleşti listesi
3. Karşılaştırma: Greedy vs Heuristic metrik tablosu

Algoritmalar

Greedy (Açgözlü) Algoritma

1. Öğrencileri GNO'ya göre sırala (yüksek → düşük)
2. Her öğrenci için tercihlerini sırayla kontrol et
3. İlk boş kontenjanı olan firmaya yerleştir
4. %30 red uygula, reddedilenler sonraki iterasyona kalır

Avantajları:

• Hızlı çalışır
• Basit mantık
• Düşük bellek kullanımı

Dezavantajları:

• Yerel optimum çözümler
• Daha fazla tercih dışı yerleştirme

Heuristic (Sezgisel) Algoritma

1. Tüm (öğrenci, firma) çiftleri için skor hesapla
2. En yüksek skorlu eşleşmeleri önce yap
3. %30 red uygula

Skor Formülü:

Skor = (GNO × 0.4) + (Tercih × 0.3) + (Uygunluk × 0.3)

Avantajları:

• Daha yüksek memnuniyet skoru
• Daha az tercih dışı yerleştirme

Dezavantajları:

• Daha yavaş
• Daha fazla bellek kullanır

3 Fazlı Yerleştirme Sistemi

Faz 1: Tercihli Yerleştirme

• Sadece öğrencinin 5 tercihi içindeki firmalar değerlendirilir
• Firma reddetme aktif (%30)
• 5 iterasyon ilerleme yoksa Faz 2'ye geçilir

Faz 2: Tercih Dışı Yerleştirme

• Tüm firmalar değerlendirilir (tercih dışı dahil)
• Firma reddetme aktif (%30)
• 5 iterasyon ilerleme yoksa Faz 3'e geçilir

Faz 3: Zorunlu Yerleştirme

• Tercih kısıtı yok
• Firma reddetme YOK
• GNO sırasına göre ilk boş firmaya yerleştir
• Tüm öğrenciler yerleşene kadar devam

Çıktılar

Metrikler

Metrik	Açıklama
Toplam İterasyon	Kaç tur çalıştığı
Toplam İşlem	Kaç firma kontrolü yapıldığı
Çalışma Süresi	Saniye cinsinden süre
Memnuniyet Skoru	Tercih bazlı puan (max: 605)
Toplam Red	Kaç öğrenci reddedildi

Örnek Karşılaştırma Çıktısı

============================================================
         GREEDY vs HEURİSTİK KARŞILAŞTIRMA
============================================================

Metrik                        Greedy       Heuristic
---------------------------------------------------------
Toplam İterasyon                   4               3
Toplam İşlem                     523            3842
Çalışma Süresi (sn)           0.0156          0.0891
Memnuniyet Skoru                 462             489
Toplam Red                        18              12

Veri Formatı

students.csv

student_id,preferences,gno
S1,"LogoYazilim,Insider,Huawei,Netflix,HAVELSAN",2.29
S2,"Huawei,Trendyol,SAP,HAVELSAN,TUBITAK_BILGEM",2.72
...

firms.csv

firma_id,kapasite
Google,3
Microsoft,2
Amazon,4
...

Sık Sorulan Sorular

Neden bu kadar çok 1. tercih yerleşmesi var?

• Toplam kontenjan (141) öğrenci sayısından (121) fazla
• 30 firmaya 121 öğrenci dağılıyor
• Heuristic algoritma skor bazlı optimize ediyor

Tercih dışı yerleştirme ne zaman olur?

• Öğrencinin 5 tercihinin hepsi dolu olduğunda
• Faz 2 veya Faz 3'te gerçekleşir
• Greedy'de daha sık, Heuristic'te daha nadir

Firma reddetme nasıl çalışır?

• Her iterasyon sonunda yerleşenler değerlendirilir
• %30 olasılıkla reddedilir
• Reddedilen öğrenci havuza geri döner
• Aynı firmaya tekrar başvurabilir

Algoritma neden 3 fazlı?

• Kilitlenmeyi önlemek için
• Faz 1'de ideal yerleştirme denenir
• Başarısız olursa kademeli gevşeme
• Faz 3 her zaman çözüm garantiler

Teknik Detaylar

Daha fazla teknik bilgi için technical_report.md dosyasına bakınız:

• Veri yapıları
• Algoritma karmaşıklığı
• Skor hesaplama formülleri
• Performans analizi

Lisans

Bu proje eğitim amaçlı geliştirilmiştir.

İletişim

Sorularınız için proje sahibiyle iletişime geçebilirsiniz.