D 2018

University course timetabling and International Timetabling Competition 2019

MÜLLER, Tomáš, Hana RUDOVÁ a Zuzana MÜLLEROVÁ

Základní 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.