[논문 리뷰] Greedy Ants Colony Optimization Strategy for Solving the Curriculum Based University Course Timetabling Problem

Patrick Kenekayoro, Godswill Zipamone|arXiv (Cornell University)|2016. 02. 16.

Scheduling and Timetabling Solutions인용 수 4

한 줄 요약

이 논문은 ITC 2007 데이터셋을 사용하여 교과과정 기반 대학 수업 시간표 편성 문제를 해결하기 위해 탐욕적 개미집단최적화(GACO) 전략을 제안한다. 이 방법은 탐욕적 선택을 개미집단최적화와 융합하여 타당하고 근사 최적의 시간표를 생성하며, 일부 기존 메타휴리스틱보다 뛰어난 성능을 보이지만, 최고의 발표된 결과에는 미치지 못한다.

ABSTRACT

Timetabling is a problem faced in all higher education institutions. The International Timetabling Competition (ITC) has published a dataset that can be used to test the quality of methods used to solve this problem. A number of meta-heuristic approaches have obtained good results when tested on the ITC dataset, however few have used the ant colony optimization technique, particularly on the ITC 2007 curriculum based university course timetabling problem. This study describes an ant system that solves the curriculum based university course timetabling problem and the quality of the algorithm is tested on the ITC 2007 dataset. The ant system was able to find feasible solutions in all instances of the dataset and close to optimal solutions in some instances. The ant system performs better than some published approaches, however results obtained are not as good as those obtained by the best published approaches. This study may be used as a benchmark for ant based algorithms that solve the curriculum based university course timetabling problem.

연구 동기 및 목표

• 고등교육 기관에서 흔히 발생하는 복잡한 교과과정 기반 대학 수업 시간표 편성 문제를 해결하기 위해.
• ITC 2007 기준 데이터셋에서 기반으로 한 개미집단최적화 기반 알고리즘의 성능을 평가하기 위해.
• 수업 시간표 편성 문제에서 해의 품질과 타당성을 향상시키기 위한 하이브리드 GACO 전략을 개발하기 위해.
• 유사한 시간표 편성 문제를 해결하기 위한 향후 개미 기반 알고리즘에 대한 기준을 제공하기 위해.

제안 방법

• 제안된 방법은 해의 구성 요소 중 고급 품질의 요소들을 우선순위에 따라 선택하는 탐욕적 선택 메커니즘을 통합한 개미집단최적화 프레임워크를 사용한다.
• 개미들은 피톤 농도와 히우리스틱 정보에 기반하여 반복적으로 수업을 시간대에 할당함으로써 시간표를 구성한다.
• 히우리스틱 정보는 학생 수강 및 교수가 이용 가능한 시간과 같은 교과과정 제약 조건을 포함하여 타당한 해에 수렴하도록 탐색을 이끈다.
• 각 반복 후에 피톤 농도 업데이트 규칙을 적용하여 좋은 해를 강화하고 수렴성을 향상시킨다.
• 알고리즘은 ITC 2007 교과과정 기반 수업 시간표 데이터셋의 모든 12개 인스턴스에서 테스트된다.
• 지역 탐색 또는 집중화 단계가 해를 정밀하게 다듬기 위해 적용될 수 있으나, 초록에서는 구체적인 설명이 제공되지 않는다.

실험 결과

연구 질문

• RQ1 탐욕적 강화된 개미집단최적화 접근법은 ITC 2007 교과과정 기반 수업 시간표 편성 문제에 대해 타당한 시간표를 효과적으로 생성할 수 있는가?
• RQ2 제안된 GACO 전략의 성능은 동일한 기준에서 다른 발표된 메타휴리스틱 접근법과 비교해 볼 때 어떻게 되는가?
• RQ3 탐욕적 선택의 통합이 이 문제에 대한 개미집단최적화에서 해의 품질과 수렴 속도를 얼마나 향상시키는가?
• RQ4 알고리즘은 ITC 2007의 모든 12개 인스턴스에서 일관되게 근사 최적의 해를 생성하는가?

주요 결과

• GACO 알고리즘은 ITC 2007 데이터셋의 모든 12개 인스턴스에 대해 타당한 해를 성공적으로 생성하였다.
• 몇몇 인스턴스에서 근사 최적의 해를 달성하여 해의 품질 면에서 뛰어난 성능을 보였다.
• 문헌에 보고된 일부 기존 메타휴리스틱 방법보다 제안된 접근법이 뛰어난 성능을 보였다.
• 그러나 분야에서 가장 뛰어난 성능을 보인 발표된 방법의 결과에는 미치지 못했다.
• 이 알고리즘은 향후 교과과정 기반 수업 시간표 편성 문제를 해결하기 위한 개미 기반 알고리즘의 타당한 기준이 된다.
• 이 연구는 탐욕적 선택과 개미집단최적화를 융합하는 것이 복잡한 시간표 문제에 잠재력을 지닌다는 것을 확인한다.