2018
University course timetabling and International Timetabling Competition 2019
MÜLLER, Tomáš, Hana RUDOVÁ a Zuzana MÜLLEROVÁZákladní údaje
Originální název
University course timetabling and International Timetabling Competition 2019
Autoři
MÜLLER, Tomáš (203 Česká republika), Hana RUDOVÁ (203 Česká republika, garant, domácí) a Zuzana MÜLLEROVÁ (203 Česká republika, domácí)
Vydání
UK, Proceedings of the 12th International Conference on the Practice and Theory of Automated Timetabling, od s. 5-31, 27 s. 2018
Nakladatel
PATAT
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Velká Británie a Severní Irsko
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
elektronická verze "online"
Odkazy
Kód RIV
RIV/00216224:14330/18:00103569
Organizační jednotka
Fakulta informatiky
ISBN
978-0-9929984-2-4
Klíčová slova anglicky
University cours timetabling; Competition; Real-world problems
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 4. 9. 2018 13:19, doc. Mgr. Hana Rudová, Ph.D.
Anotace
V originále
Abstract University course timetabling belongs to classical problems which have been studied for many years by many researchers. This paper will outline existing research and emphasize new research directions and challenges in this area. It is clear that the organization of international competitions has a high impact on the timetabling research. We intend to discuss the organization of the new International Timetabling Competition (ITC 2019) with the aim to motivate further research on complex university course timetabling problems coming from practice. Our goal is the creation of rich real-world data sets. Thanks to the UniTime timetabling system, we can collect a strong set of data with diverse characteristics which we will discuss in the paper. The key novelty lies in the combination of student sectioning together with standard time and room assignment of events in courses. To make the problems more attractive, we remove some of the less important aspects of the real-life data while retaining the computational complexity of the problems.