Effective learning hyper-heuristics for the course timetabling problem

برنامه ریزی دوره ای یک فعالیت مهم و مداوم در بخش مدیریت در بسیاری از موسسات آموزشی است. این مقاله ترکیبی از یک روش کلی مدل سازی با یادآوری مؤثر برای بررسی این مسئله است. هیئت اکتشافی پیشنهادی مبتنی بر یک روش جستجوی محلی تکرار شده است که به طور مستقل مجموعه ای از اپراتورهای حرکت را ترکیب می کند. دو نوع یادگیری برای انتخاب اپراتور متناقض است: یک رویکرد استاتیک (آفلاین)، با تمایز واضح بین مرحله آموزش و اجرای؛ و یک رویکرد پویا که در پرواز می آموزد. الگوریتم های حاصل بر روی مجموعه ای از نمونه های واقعی در جهان، که توسط اولین و دومین مسابقات بین المللی تدوین جدول جمع آوری شده اند، تست شده اند. طرح پویا از لحاظ آماری نسبت به همتای استاتیک بهتر عمل کرده و نتایج رقابتی را نسبت به حالت پیشرفته تولید می کند، حتی یک راه حل جدید شناخته شده جدید را تولید می کند. مهمتر از همه، مطالعه ما نشان می دهد که الگوریتم های با افزایش استقلال و عمومیت می تواند الگوریتم های خاص طراحی شده توسط انسان را بهتر کند.