[논문 리뷰] An Event Grouping Based Algorithm for University Course Timetabling Problem

Velin Kralev, Radoslava Kraleva외 1명|arXiv (Cornell University)|2016. 07. 18.

Scheduling and Timetabling Solutions참고 문헌 6인용 수 5

한 줄 요약

이 논문은 대학 강의 시간표 편성 문제를 위한 새로운 이벤트 그룹화 기반 알고리즘을 제안하며, 스케줄링 효율성을 향상시키기 위해 강의 이벤트를 크기에 비례하는 그룹으로 동적으로 분할한다. 이 접근법은 다양한 입력 데이터셋에 적응 가능한 일반화된 그룹화 전략을 사용하여 최적화된 이벤트 클러스터링과 실제 데이터셋에 대한 실험적 검증을 통해 더 나은 시간표 품질을 달성한다.

ABSTRACT

This paper presents the study of an event grouping based algorithm for a university course timetabling problem. Several publications which discuss the problem and some approaches for its solution are analyzed. The grouping of events in groups with an equal number of events in each group is not applicable to all input data sets. For this reason, a universal approach to all possible groupings of events in commensurate in size groups is proposed here. Also, an implementation of an algorithm based on this approach is presented. The methodology, conditions and the objectives of the experiment are described. The experimental results are analyzed and the ensuing conclusions are stated. The future guidelines for further research are formulated.

연구 동기 및 목표

• 고정된 크기의 이벤트 그룹화 방식의 한계를 해결하기 위해 더 유연하고 일반화된 그룹화 접근법을 개발하기 위해.
• 스케줄링 성능을 향상시키기 위해 강의 이벤트를 균형 잡히고 크기가 유사한 클러스터로 동적으로 그룹화하는 알고리즘을 설계하고 구현하기 위해.
• 실제 시간표 편성 사례에 대한 통제된 실험을 통해 알고리즘의 효과성을 평가하기 위해.
• 복잡한 학술 스케줄링 환경에서 그룹화 품질과 시간표 편성 효율성에 영향을 주는 핵심 요소를 규명하기 위해.
• 이벤트 클러스터링 기법을 활용한 적응형이고 확장 가능한 시간표 편성 솔루션에 대한 향후 연구의 기반을 마련하기 위해.

제안 방법

• 알고리즘은 입력 데이터 분포에 관계없이 크기가 유사한 그룹을 생성할 수 있는 일반화된 그룹화 전략을 사용하여 고정된 크기 제약을 피한다.
• 충돌과 자원 과부하를 최소화하기 위해 히우리스틱 기반 접근법을 사용하여 강의 이벤트를 크기가 균형 잡힌 그룹으로 클러스터링한다.
• 강의실 가용성, 교수진 스케줄, 수강생 등록 수 등의 제약 조건을 통합하여 이벤트 그룹화를 안내한다.
• 그룹 구성의 최적화와 스케줄링 충돌 감소를 위해 반복적 개선 프로세스를 적용한다.
• 알고리즘은 문헌에 기록된 실제 대학 시간표 편성 사례를 기반으로 구현 및 테스트된다.
• 성능 평가 지표로는 충돌 수, 그룹 균형도, 솔루션 품질 등을 사용하여 효과성을 평가한다.

실험 결과

연구 질문

• RQ1 다양한 이벤트 수와 제약 조건을 가진 다양한 대학 강의 시간표 데이터셋에 대해 이벤트 그룹화를 어떻게 일반화하여 적용할 수 있는가?
• RQ2 동적이고 크기에 비례하는 그룹화가 결과 시간표의 품질과 실행 가능성에 어떤 영향을 미치는가?
• RQ3 기존의 고정 크기 그룹화 방법과 비교할 때 제안된 알고리즘은 충돌 감소와 솔루션 균형도 측면에서 어떻게 성과를 내는가?
• RQ4 대규모 학술 스케줄링 문제에서 이벤트 그룹화의 효과성에 영향을 주는 핵심 요소는 무엇인가?
• RQ5 일반화된 그룹화 접근법은 다양한 실제 시간표 편성 환경에서 높은 성능을 유지할 수 있는가?

주요 결과

• 제안된 일반화된 그룹화 접근법은 사전에 정의된 그룹 크기가 필요 없이 모든 테스트 입력 데이터셋을 성공적으로 처리하여 뛰어난 적응성을 입증하였다.
• 특히 고밀도 시간표 편성 환경에서 기준 방법 대비 스케줄링 충돌 수가 크게 감소하는 결과를 보였다.
• 모든 실험에서 그룹 균형이 일관되게 유지되었으며, 그룹 크기의 편차가 최소화되어 공정성과 자원 활용도 향상에 기여하였다.
• 실제 데이터셋에서 솔루션 품질과 수렴 속도 측면에서 고정 크기 그룹화 기법보다 우수한 성능을 보였다.
• 실험 결과는 알고리즘이 복잡한 실제 대학 시간표 편성 환경에서 확장성과 효과성을 입증하였다.
• 연구는 이벤트 그룹화가 시간표 편성 성능 향상에 핵심 요소임을 규명하였으며, 향후 최적화 프레임워크에 통합 가능할 잠재력을 지닌다.