Article Sidebar
Main Article Content
Jednym z problemów natury logistycznej, z którym zmagają się planiści jest takie zoptymaliozwanie planu zajęć akademickich, by spełniał on wszystkie wymagane kryteria i jednocześnie był satysfakcjonujący dla użytkowników. Wielu autorów przy projektowaniu narzędzia do wspomagania wykonania tego zadania próbuje wykorzystywać różnego rodzaju algorytmy i metody z różnym powodzeniem. W pracy zaproponowano własną aplikację, której automatyzacja może być oparta na systemie wieloagentowym, która jest dostosowana do szczególnych warunków pracy na Wydziale Zastosowań Informatyki i Matematyki SGGW. Aplikację tę można będzie rozszerzyć do pracy na całej uczelni, jak i nawet na innych uczelniach i szkołach. Pomysł automatycznego wspomagania powstał w trakcie praktycznego korzystania z aplikacji podczas układania rzeczywistych planów zajęć. Wyniki obecnych eksperymentów wydają się obiecujące.
Article Details
Ahmad I.R., Sufahani S., Ali M., Razali S.N., 2018: A heuristics approach for classroom scheduling using genetic algorithm technique, Journal of Physics: Conference Series, 995, 1, 012050. (Crossref)
Chan C.K., Gooi H.B., Lim M.H., 2002: Co-evolutionary algorithm approach to a university timetable system, Proceedings of the 2002 Congress on Evolutionary Computation, CEC’02 (Cat. No. 02TH8600), 2, 195–199.
Corman F., Meng L., 2014: A review of online dynamic models and algorithms for railway traffic management, IEEE Transactions on Intelligent Transportation Systems, 16(3), 1274-1284. (Crossref)
Deris S., Omatu S., Ohta H., Saad P., 1999: Incorporating constraint propagation in genetic algorithm for university timetable planning. Engineering applications of artificial intelligence, 12(3), 241–253. (Crossref)
Deris S., Omatu S., Ohta H., 2000: Timetable planning using the constraint-based reasoning, Computers & Operations Research, 27(9), 819–840. (Crossref)
Flasiński M., 2011: Wstęp do sztucznej inteligencji, Wydawnictwo PWN, Warszawa.
Goosuerw J.W.H.M., 2004: Models and algorithms for railway line planning problems, Universiteit Maastricht, Maastricht.
Huhns M.N., Stephens L.M., 1999: Multiagent systems and societies of agents. Multiagent systems: a modern approach to distributed artificial intelligence, 1, 79–114.
Irene H.S.F., Deris S., Hashim S.Z.M., 2009: University course timetable planning using hybrid particle swarm optimization. Proceedings of the first ACM/SIGEVO Summit on Genetic and Evolutionary Computation, 239–246. (Crossref)
Liebchen C., 2008: The first optimized railway timetable in practice, Transportation Science, 42(4), 420–435. (Crossref)
Mittal D., Doshi H., Sunasra M., Nagpure R., 2015: Automatic timetable generation using genetic algorithm, International Journal of Advanced Research in Computer and Communication Engineering, 4(2), 245–248. (Crossref)
Papadimitriou C.H., Płoski Z., 2012: Złożoność obliczeniowa, Helion, Gliwice.
Prosad R., Khan M.A.R., Ahammad I., 2022: Design of Class Routine and Exam Hall Invigilation System based on Genetic Algorithm and Greedy Approach, Asian Journal of Research in Computer Science, 13(3), 28–44. (Crossref)
Rutkowski L., 2006: Metody i techniki sztucznej inteligencji: inteligencja obliczeniowa, Wydawnictwo Naukowe PWN, Warszawa.
Wagner D., 2003: Algorithms and models for railway optimization, Workshop on Algorithms and Data Structures, Springer, Berlin, Heidelberg. (Crossref)
Weiss G. (red.), 1999: Multiagent systems: a modern approach to distributed artificial intelligence, MIT Press, Cambridge, Massachusetts.
Downloads
- Grzegorz Koszela, Grzegorz Gostkowski, Vasilis Kostoglu, Luiza Ochnio, Porównanie poziomu rozwoju logistyki w krajach Unii Europejskiej z zastosowaniem metod Topsis i Vikor , Ekonomika i Organizacja Logistyki: Tom 5 Nr 1 (2020)
- Paweł Hoser, Luiza Ochnio, Komputerowe wspomaganie układania planu zajęć oparte na wybranych metodach heurystycznych , Ekonomika i Organizacja Logistyki: Tom 7 Nr 2 (2022)
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne 4.0 Międzynarodowe.