[论文解读] An Event Grouping Based Algorithm for University Course Timetabling Problem

Velin Kralev, Radoslava Kraleva+1 more|arXiv (Cornell University)|Jul 18, 2016

Scheduling and Timetabling Solutions参考文献 6被引用 5

一句话总结

本文提出了一种基于事件分组的新型大学课程时间表安排算法，通过动态地将课程事件划分为规模相当的组别，以提高调度效率。该方法采用一种通用的分组策略，可适应多种输入数据集，在通过优化事件聚类和真实世界数据集的实验验证后，实现了更优的时间表质量。

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.

研究动机与目标

• 为解决固定大小事件分组在大学课程时间表安排中的局限性，开发一种更具灵活性和通用性的分组方法。
• 设计并实现一种算法，将课程事件动态划分为平衡且规模相近的聚类，以提升调度性能。
• 通过在真实世界时间表实例上进行受控实验，评估该算法的有效性。
• 识别在复杂学术调度场景中影响分组质量和调度效率的关键因素。
• 为未来研究提供基础，推动基于事件聚类技术的自适应、可扩展时间表解决方案。

提出的方法

• 该算法采用一种通用的分组策略，无论输入数据分布如何，均可实现规模相当的组别，避免了刚性大小限制。
• 采用基于启发式的策略，将课程事件聚类为规模平衡的组别，最大限度减少冲突和资源超载。
• 该方法结合了诸如教室可用性、教师时间表和学生选课人数等约束，以指导事件分组。
• 应用迭代优化过程以优化组别构成并减少调度冲突。
• 该算法在文献中提供的真实世界大学时间表实例上实现并进行了测试。
• 实验评估使用冲突数量、组别平衡度和解决方案质量等性能指标，以评估其有效性。

实验结果

研究问题

• RQ1 如何使事件分组在具有不同事件数量和约束条件的多样化大学课程时间表数据集中具有普遍适用性？
• RQ2 动态的、规模相当的分组对最终时间表的质量和可行性有何影响？
• RQ3 与现有固定大小分组方法相比，所提出的算法在冲突减少和解决方案平衡方面表现如何？
• RQ4 在大规模学术调度问题中，影响事件分组有效性的关键因素有哪些？
• RQ5 通用分组方法是否能在不同真实世界时间表场景中保持高性能？

主要发现

• 所提出的通用分组方法在无需预设组大小的情况下成功处理了所有测试输入数据集，表现出强大的适应能力。
• 与基线方法相比，该算法在高密度时间表场景中显著减少了调度冲突。
• 所有实验中组别平衡均得到一致维持，组别规模偏差极小，从而提升了公平性和资源利用率。
• 在真实世界数据集上，该方法在解决方案质量和收敛速度方面优于固定大小分组技术。
• 实验结果证实了该算法在复杂真实世界大学时间表环境中的可扩展性和有效性。
• 本研究识别出事件分组是提升时间表性能的关键因素，具有集成到更大优化框架中的潜力。