ĐẠI HỌC QUỐC GIA TP.HCM TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN  NGUYỄN TẤN TRẦN MINH KHANG NGHIÊN CỨU ỨNG DỤNG CÁC GIẢI THUẬT METAHEURISTIC CHO BÀI TOÁN XẾP THỜI KHÓA BIỂU MÔN HỌC TRƢỜNG ĐẠI HỌC LUẬN ÁN TIẾN SĨ KHOA HỌC MÁY TÍNH Tp.Hồ Chí Minh – Năm 2013 ĐẠI HỌC QUỐC GIA TP.HCM TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN  NGUYỄN TẤN TRẦN MINH KHANG NGHIÊN CỨU ỨNG DỤNG CÁC GIẢI THUẬT METAHEURISTIC CHO BÀI TOÁN XẾP THỜI KHÓA BIỂU MÔN HỌC TRƢỜNG ĐẠI HỌC Chuyên ngành: Khoa học máy tính Mã số chuyên ngành: 62 48.01 01 Phản biện 1: PGS.TS DƢƠNG TUẤN ANH Phản biện 2: TS NGUYỄN ĐỨC CƢỜNG Phản biện 3: TS ĐINH BÁ TIẾN Phản biện độc lập 1: PGS.TS ĐỖ PHÚC Phản biện độc lập 2: PGS.TS ĐỖ VĂN NHƠN NGƢỜI HƢỚNG DẪN KHOA HỌC PGS.TS TRẦN THỊ HUỆ NƢƠNG Tp.Hồ Chí Minh – Năm 2013 LỜI CÁM ƠN Luận án Tiến sĩ ―Nghiên cứu ứng dụng giải thuật metaheuristic cho toán xếp thời khóa biểu môn học trƣờng đại học‖ đƣợc thực nhiều năm NCS nhận đƣợc nhiều giúp đỡ gia đình, Thầy Cô bạn đồng nghiệp Trƣớc hết xin cám ơn gia đình động viên tạo điều kiện tốt giúp hoàn thành luận án Xin chân thành cám ơn PGS.TS.Trần Thị Huệ Nƣơng tận tình hƣớng dẫn suốt nhiều năm qua Cám ơn tất Thầy Cô Khoa Công nghệ thông tin hỗ trợ nhiều công việc Cám ơn bạn đồng nghiệp bạn bè bên cạnh, giúp vƣợt qua khó khăn để hoàn thành luận án LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng Các số liệu, kết nêu luận án trung thực chưa công bố công trình khác Tác giả luận án Nguyễn Tấn Trần Minh Khang Mục lục  Tóm tắt xiv Chương Giới thiệu toán 1.1 1.2 1.3 Dẫn nhập .1 Mục tiêu đóng góp luận án .2 Nội dung luận án Chương Mô hình hóa toán thời khóa biểu môn học phương pháp tiếp cận 2.1 2.2 Giới thiệu toán Mô hình hóa toán 2.2.1 Các kí hiệu .7 2.2.2 Các biến mô hình 2.2.3 Mô hình hóa ràng buộc cứng 10 2.2.4 Mô hình hóa ràng buộc mềm 11 2.2.5 Hàm mục tiêu 14 2.2.6 Các trọng số 14 2.2.7 Đặc thù toán xếp thời khóa biểu đại học Việt Nam so với toán thời khóa biểu nƣớc khác 15 2.3 Các hƣớng tiếp cận 16 2.3.1 2.3.2 2.3.3 2.3.4 2.3.5 2.3.6 2.3.7 Nhóm heuristics trực tiếp 16 Nhóm kĩ thuật dựa toán tô màu đồ thị 16 Nhóm kĩ thuật Quy hoạch ràng buộc 18 Nhóm hƣớng tiếp cận metaheuristics dựa tìm kiếm cục 19 Nhóm hƣớng tiếp cận metaheuristics dựa quần thể 33 Nhóm hƣớng tiếp cận hyper-heuristics 41 Nhóm hƣớng tiếp cận cho toán tối ƣu đa mục tiêu 42 2.4 Các kỹ thuật chung thuật giải metaheuristic áp dụng cho toán thời khóa biểu môn học Việt Nam 44 2.4.1 2.4.2 2.4.3 2.4.4 2.4.5 2.5 Biểu diễn lời giải 44 Các phƣơng pháp khởi tạo lời giải ban đầu 44 Các phép chuyển 47 Shaking – Kick Move 49 Các kỹ thuật Local search 53 Mô tả liệu dùng để đánh giá thuật toán 57 2.5.1 Độ phức tạp liệu 57 2.5.2 Cấu trúc liệu 59 Chương Các phương pháp tiếp cận đơn lời giải quần thể 63 3.1 Thuật giải Tabu Search 63 3.1.1 Thiết kế thuật giải Tabu Search cho toán xếp thời khóa biểu 63 3.1.2 Kết chạy thực nghiệm thuật giải Tabu Search 65 i 3.2 Thuật giải Simulated Annealing 68 3.2.1 Thiết kế thuật giải Simulated Annealing cho toán xếp thời khóa biểu 68 3.2.2 Kết chạy thực nghiệm thuật giải Simulated Annealing 69 3.3 Thuật giải VNS 72 3.3.1 Thiết kế Variable Neighborhood Search cho toán xếp thời khóa biểu 72 3.3.2 Kết chạy thực nghiệm thuật giải Variable Neighborhood Search 73 3.3.3 So sánh kết chạy thực nghiệm thuật giải Tabu Search, Simulated Annealing Variable Neighborhood Search 77 3.4 Thuật giải Di Truyền 78 3.4.1 Thiết kế thuật giải Di Truyền cho toán xếp thời khóa biểu 78 3.4.2 Kết chạy thực nghiệm thuật giải Di Truyền 81 3.5 Thuật giải Memetic 84 3.5.1 Thiết kế thuật giải Memetic cho toán xếp thời khóa biểu 84 3.5.2 Kết chạy thực nghiệm thuật giải Memetic 86 3.6 Thuật giải Harmony Search 89 3.6.1 Thiết kế thuật giải Harmony Search cho toán xếp thời khóa biểu 89 3.6.2 Kết chạy thực nghiệm thuật giải Harmony Search 91 3.7 Thuật giải Particle Swarm Optimization 95 3.7.1 Thiết kế Particle Swarm Optimization cho toán xếp thời khóa biểu 95 3.7.2 Giải thích mã giả thuật giải Particle Swarm Optimization cho toán xếp thời khóa biểu 96 3.7.3 Kết chạy thực nghiệm thuật giải Particle Swarm Optimization 98 3.8 Thuật giải Bees 101 3.8.1 3.8.2 3.8.3 3.8.4 BA 3.9 Thiết kế thuật giải Bees cho toán xếp thời khóa biểu 101 Giải thích mã giả thuật giải Bees cho toán xếp thời khóa biểu 103 Kết chạy thực nghiệm thuật giải Bees 107 So sánh kết chạy thực nghiệm thuật giải GA, MA, HS, PSO 110 Tóm tắt 111 Chương Các phương pháp kết hợp 112 4.1 Phƣơng pháp kết hợp thuật giải đơn lời giải thuật giải bầy đàn 112 4.1.1 4.1.2 4.1.3 4.1.4 4.2 Phƣơng pháp kết hợp thuật giải GA thuật giải TS, VNS, SA 112 Phƣơng pháp kết hợp thuật giải Harmony Search thuật giải TS, VNS, SA 124 Phƣơng pháp kết hợp thuật giải PSO thuật giải TS, VNS, SA 137 Phƣơng pháp kết hợp thuật giải Bees thuật giải TS, VNS, SA 149 Phƣơng pháp kết hợp thuật giải quần thể, bầy đàn 162 4.2.1 Phƣơng pháp kết hợp thuật giải Bees thuật giải GA 162 4.2.2 Phƣơng pháp kết hợp thuật giải Bees thuật giải Harmony Search 168 4.2.3 Phƣơng pháp kết hợp thuật giải PSO thuật giải Bees 173 4.3 Tóm tắt 179 Chương Kết thực nghiệm 180 5.1 5.2 5.3 Tính dễ thực thuật giải 180 Phân tích số liệu thực nghiệm 181 Lý giải kết thực nghiệm 191 ii Chương Kết luận Hướng phát triển 194 6.1 6.2 6.3 Tóm tắt đóng góp luận án 194 Những hạn chế luận án 195 Hƣớng phát triển luận án 195 Danh mục công trình tác giả 197 Tài liệu tham khảo 199 iii Danh mục thuật ngữ, ký hiệu, chữ viết tắt  GA : thuật giải di truyền (Genetic algorithm) TS : thuật giải Tabu Search VNS : thuật giải Variable Neighborhood Search ILS : thuật giải Iterated Local Search WDJU : thuật giải Walk Down Jump Up Monkey Search : thuật giải Monkey Search Simulated Annealing algorithm : thuật giải luyện thép Metropolis-Hastingalgorithm : thuật giải Metropolis-Hasting Great Delugealgorithm : thuật giải đại hồng thủy Firefly algorithm : thuật giải đom đóm Bees algorithm : thuật giải bầy ong Ant Colony optimization : thuật giải bầy kiến PSO : thuật giải Particle Swarm Optimization HS : thuật giải Harmony Search Scatter Searchalgorithm : thuật giải Scatter Search Memetic Algorithmalgorithm : thuật giải Memetic Travelling Salesman Problem : toán ngƣời du lịch (TSP) MMAS :Max-Min Ant System CBR :Case-Based Reasoning Move : phép chuyển Single move : phép chuyển đơn Swap move : phép chuyển hoán vị Timeslot : khe thời gian Course/Event : học phần High school timetabling : xếp thời khóa biểu trƣờng phổ thông Course timetabling : xếp thời khóa biểu trƣờng đại học Examination timetabling : toán xếp lịch thi iv Constraint Programming : quy hoạch ràng buộc Constraint Logic Programming : quy hoạch logic có ràng buộc Local Search : tìm kiếm cục Intensification : tính tăng cƣờng Diversification : tính đa dạng GRASP :Greedy Randomized Adaptive Search Procedure Population : quần thể (tập cá thể) Crossover : lai ghép Fitness : độ thích nghi Mutation : đột biến Musical instrument : nhạc cụ Decision variable : biến định Pitch range : miền âm Value range : miền giá trị biến định Harmony : hòa âm Aesthethics : độ thẩm mỹ Objective function : hàm mục tiêu Iteration : vòng lặp Random search : tìm kiếm ngẫu nhiên Evolutionary algorithm : thuật giải thuộc nhóm tiến hóa Integer Goal Programming :kĩ thuật quy hoạch mục tiêu nguyên v Danh mục hình  Hình 2.1 Mã giả thuật giải luyện thép 27 Hình 2.2 Mã giả quy trình thực chung phép chuyển đơn 48 Hình 2.3 Mã giả quy trình thực chung phép chuyển hoán vị 49 Hình 2.4 Mã giả kỹ thuật Kick Move 49 Hình 2.5 Mã giả kỹ thuật Kick Move 49 Hình 2.6 Mã giả kỹ thuật Kick Move 50 Hình 2.7 Mã giả Giải thuật Ejection Chain 50 Hình 2.8 Mã giả giải thuật Shaking_01 51 Hình 2.9 Mã giả giải thuật Shaking_MoveBad 51 Hình 2.10 Mã giả giải thuật Shaking_swap 52 Hình 2.11 Mã giả giải thuật Shaking_Single 52 Hình 2.12 Mã giả giải thuật Shaking_Moves 53 Hình 2.13 Mã giả thuật giải local search tổng quát 54 Hình 2.14 Mã giả thuật giải Chiến lƣợc - Hill Climbing 54 Hình 2.15 Mã giả thuật giải Chiến lƣợc - Hill Climbing 55 Hình 2.16 Mã giả thuật giải Chiến lƣợc - Hill Climbing 55 Hình 2.17 Mã giả thuật giải Chiến lƣợc - Sequential Local Search 55 Hình 2.18 Mã giả thuật giải Chiến lƣợc - Sequential Local Search 56 Hình 2.19 Mã giả thuật giải Chiến lƣợc - Sequential Local Search 56 Hình 2.20 Cấu trúc liệu dƣới dạng XML 60 Hình 3.1 Mã giả thuật giải Tabu Search 65 Hình 3.2 Kết tốt thuật giải Tabu Search 66 Hình 3.3 Kết trung bình tốt thuật giải Tabu Search 66 Hình 3.4 Giá trị vi phạm lời giải thuật giải Tabu Search 67 Hình 3.5 Giá trị vi phạm lời giải tốt thuật giải Tabu Search 67 Hình 3.6 Mã giả thuật giải Simulated Annealing 69 Hình 3.7 Kết tốt thuật giải Simulated Annealing 70 Hình 3.8 Kết trung bình tốt thuật giải SimulatedAnnealing 71 Hình 3.9 Giá trị vi phạm lời giải thuật giải Simulated Annealing 71 Hình 3.10 Giá trị vi phạm lời giải tốt thuật giải Simulated Annealing 72 Hình 3.11 Mã giả thuật giải Variable Neighborhood Search 73 Hình 3.12 Kết tốt thuật giải Variable Neighborhood Search 75 vi Danh mục công trình tác giả Hội nghị, Tạp chí Việt Nam [CT1] Minh Khang Nguyen Tan Tran, Hue Nuong Tran (2011), "Automated Systems for Educational Timetabling Problems", Journal of Technical Education Science 17(2011), Vietnam, pp 1-10 Hội nghị, Tạp chí quốc tế [CT2] Khang Nguyen Tan Tran Minh, Nguyen Dang Thi Thanh, Khon Trieu Trang and Nuong Tran Thi Hue (2010), "Using Tabu Search for Solving a High School Timetabling Problem", Studies in Computational Intelligence, 283, [CT3] [CT4] [CT5] [CT6] [CT7] pp 305-313 Khang Nguyen, Nguyen Dang, Khon Trieu, Nuong Tran (2010), "Automating a Real-World University Timetabling Problem with Tabu Search Algorithm", in Proceedings of 2010 IEEE International Conference on Computing and Communication Technologies, Research, Innovation, and Vision for the Future (RIVF2010), Hanoi, pp 1-6 Khang Nguyen, Tung Pham, Nga Le, Nguyen Dang, and Nuong Tran (2010), "Simulated Annealing-Based Algorithm for a Real-World High School Timetabling Problem", in Proceedings of 2010 Second International Conference on Knowledge and Systems Engineering (KSE2010), Hanoi, Vietnam, pp 125-130 Khang Nguyen, Quang Nguyen, Hien Nguyen, Phuc Nguyen, Nuong Tran (2011), "Variable Neighborhood Search for a Real-World Curriculum-based University Timetabling Problem", 2011 Third International Conference on Knowledge and Systems Engineering (KSE2011), 10/2011, Hanoi, Vietnam, p 157-162 Khang Nguyen, Nam Nguyen, Vi Pham, Phuc Nguyen and Nuong Tran (2011), "Applications of Particle Swarm Optimization Algorithm to a Practical University Timetabling Problem", 2011 International Conference on Computer and Computational Intelligence (ICCCI2011), 12/2011, Bangkok, Thailand Khang Nguyen, Tien Lu, Trung Le, Nuong Tran (2011), "Memetic algorithm for a University Course Timetabling Problem", 2011 3rd 197 [CT8] International AsiaConference on Informatics in Control, Automation and Robotics (CAR 2011), 12/2011, Shenzen, China, p 67-71 Nguyen Tan Tran Minh Khang, Nguyen Ba Phuc, Tran Thi Hue Nuong (2011), ―The Bees Algorithm for a Practical University Timetabling Problem in Vietnam‖, Computer Science and Automation Engineering (CSAE), 2011 [CT9] IEEE International Conference, Shanghai, pp 42-47 Nguyen Ba Phuc, Nguyen Tan Tran Minh Khang, Tran Thi Hue Nuong (2011), ―A New Hybrid GA-Bees Algorithm for a Real-world University Timetabling Problem‖, The 2011 IEEE International conference on Intelligent Computation and Bio-Medical Instrumentation (ICBMI2011), Wuhan, China, 2011, p 321-326 [CT10] Khang Nguyen, Phuc Nguyen, Nuong Tran, ―An hybrid algorithm of harmony search and bees algorithm for a university course timetabling problem‖, 2012 International Journal of Computer Science Issues, Volume 9, Issue 1, January 2012, pp 12-17 [CT11] Khang Nguyen, Nuong Tran, "A Hybrid GA - SA Algorithm for University Timetabling Problem", Journal of Computing, Volume 4, Issue 10, October 2012, ISSN 2151-9617, 2012, pp 56-60 [CT12] Khang Nguyen, Nuong Tran, ―Integer Formulation and Data Analysis of a Real-World Course Timetabling Problem‖, International Journal on Computer Science and Engineering, Volume 5, Issue 1, January 2013, pp 51-55 198 Tài liệu tham khảo [1] Mucherino A and Seref O., Monkey Search (2007) A Novel Meta-Heuristic Search for Global Optimization, Data Mining, System Analysis and Optimization in Biomedicine, AIP Conference Proceedings 953, Seref O, Kundakcioglu O.E., Pardalos P.M (Eds.), 162 173 [2] Kahng A.B., Tsao C.W., Old Bachelor Acceptance - A New Class of NonMonotone Threshold Accepting Methods, Computer Science Department Technical Report, University of California, Los Angeles, CA, 1992, pp – 22 [3] Colorni A., Dorigo M., Maniezzo V., Ant System An Autocatalytic Optimizing Process, 1991 [4] Eiben A.E., Raue P.E., Ruttkay Zs., Genetic algorithms with multi-parent recombination, Gene, Volume: 866, Publisher: Springer, pp: 78-87, 1994 [5] Schaerf A., A Survey of Automated Timetabling, Artificial Intelligence Review, 13(2), 1999, pp 87-127 [6] Abdullah S., and Turabieh H., "Generating University Course Timetable Using Genetic Algorithms and Local Search", Third International Conference on Convergence and Hybrid Information Technology, Volume 1, pp 254-260, 2008 [7] Abdullah S., Burke E.K., McCollum B., An investigation of variable neighbourhood search for university course timetabling In: Proc of the 2nd Multidisciplinary Int Conf on Scheduling: Theory and Appl., pp 413-427 (2005) [8] Alexandre DUBOURG, Benoit LAURENT, Emmanuel LONG, Benoit SALOTTI (2003) "Algorithm description", International Timetabling Competition 2002-2003 [9] Atan T., and Secomandi N (1999) ―A Rollout-Based Application of the Scatter Search/Path Relinking Template to the Multi-Vehicle Routing Problem with Stochastic Demands and Restocking,‖ PROS Revenue Management, Inc., Houston 199 [10] McCollum B., Schaerf A., Paechter B., McMullan P., Lewis R., Parkes A., Gaspero L D., Qu R., and Burke E (2010) Setting the research agenda in automated timetabling: The second international timetabling competition INFORMS Journal on Computing, 22(1):120-130 [11] Bonabeau E., Dorigo M., and Theraulaz G (1999), ―Swarm Intelligence: from Natural to ArtIficial Systems‖ Oxford University Press, New York, 1999 [12] Burke E.K., Kendall G and Soubeiga E (2003), A Tabu Search Hyperheuristic for Timetabling and Rostering Journal of Heuristics 9(6), 451470 [13] Burke E.K., Kendall G., Newall J., Hart E., Ross P and Schulenburg S 2003 Hyper-heuristics: an Emerging Direction in Modern Search Technology In: Glover F and Kochenberger G (eds.) Handbook of Meta-Heuristics, Kluwer, pp 457-474 [14] Burke E.K., Landa Silva J.D., Soubeiga E (2005) Multi-objective Hyper- heuristic Approaches for Space Allocation and Timetabling, In Meta-heuristics: Progress as Real Problem Solvers, Selected Papers from the 5th Metaheuristics International Conference (MIC 2003), pp 129-158 [15] Burke E.K., Petrovic S and Qu R (2006) Case Based Heuristic Selection for Timetabling Problems, Journal of Scheduling, 2(9), 115-132 [16] Burke E.K., Jackson K., Kingston J.H and Weare R.F (1997), Automated university timetabling: the state of the art Comput J v40 i9 565-571 [17] Lara C., Flores J., Calderon F (2008), ―Solving a School Timetabling Problem Using a Bee Algorithm‖, Proceedings of the 7th Mexican International Conference on ArtIficial Intelligence: Advances in ArtIficial Intelligence, pp 664 – 674, Springer-Verlag Berlin [18] Gotlieb C.C (1963), “The construction of class-teacher timetables” In C M Popplewell, IFIP congress, 62:73 77 North-Holland 200 [19] Tarantilis C.D., Kiranoudis C.T., Vassiliadis V.S., A Threshold Accepting Metaheuristic For The Heterogeneous Fixed Fleet Vehicle Routing Problem, European Journal of Operational Research 152, 2004, pp 148 – 158 [20] Tarantilisl C.D., Kiranoudis C.T., Vassiliadis V.S., A List Based Threshold Accepting Metaheuristic for the Heterogeneous Fixed Fleet Vehicle Routing Problem, The Journal of the Operational Research Society, Vol 54, Jan., 2003, pp 65 – 71 [21] Cagdas Hakan Aladag, Gulsum Hocaoglu (2007) ―A tabu search algorithm to solve a course timetabling problem‖, Hacettepe Journal of Mathematics and Statistics [22] Camazine S., Deneubourg J., Franks NR., Sneyd J., Theraula G and Bonabeau E (2003), ―Self-Organization in Biological Systems‖ Princeton: Princeton University Press, 2003 [23] Carrasco M.P., Pato M.V (2001), A Multiobjective Genetic Algorithm for the Class/Teacher Timetabling Problem, In The Practice and Theory of Automated Timetabling III: Selected Papers from the 3rd International Conference on the Practice and Theory of Automated Timetabling (PATAT 2000), Lecture Notes in Computer Science, vol 2070, pp 3-17 [24] Chu S., Chen Y., Ho J.H (2006), Timetable Scheduling Using Particle Swarm Optimization, in Proceedings of the 1st International Conference on Innovative Computing, Information and Control, pp 324-327 [25] Chuan Kang Ting, Design and Analysis of Multi-Parent Genetic Algorithms, Dissertation of University of Paderborn, Germany, 2005 [26] Colorni A., Dorigo M., Maniezzo V., A Genetic Algorithm to Solve the Timetable Problem, Tech rep 90-060, Politecnico di Milano, (1992) [27] Corne D., Ross P., and H Fang, "Evolving Timetables," in The Practical Handbookof Genetic Algorithms, vol 1, L C Chambers, Ed.: CRC Press, 1995, pp 219-276 201 [28] Costa D (1994), ―A tabu search algorithm for computing an operational timetable‖ European Journal of Operational Research, 79:98-110 [29] De Werra D (1985), An introduction to timetabling European Journal of Operational Research, 19: 151-162 [30] Pham D.T., Koc E., Lee J.Y., and Phrueksanant J (2007), ―Using the Bees Algorithm to schedule jobs for a machine‖, Proc Eighth International Conference on Laser Metrology, CMM and Machine Tool Performance, LAMDAMAP, Euspen, UK, CardIff, p 430–439 [31] Pham D.T., Ghanbarzadeh A., Koc E., Otri S., Rahim S and Zaidi M (2005), ―The Bees Algorithm‖ Technical Note, Manufacturing Engineering Centre, CardIff University, UK [32] Pham D.T., Ghanbarzadeh A., Koc E., Otri S., Rahim S., and Zaidi M (2006), ―The Bees Algorithm - A Novel Tool for Complex Optimisation Problems‖, Proceedings of IPROMS 2006 Conference, pp.454-461 [33] Dincbas M et at, The constraint logic programming language CHIP, In Proceedings of the international Conference on Fifth Generation Computer Systems, (1988), Ohmsha Publishers, Tokyo, pp 693-702 [34] Dowsland K., Soubeiga E and Burke E.K (2005), A Simulated Annealing Hyper-heuristic for Determining Shipper Sizes, European Journal of Operational Research, 179(3), 759–774 [35] Duong Tuan Anh, Vo Hoang Tam, Nguyen Quoc Viet Hung, Combined Interactive and Automatic Course Timetabling, Proceedings of International Workshop on Advanced Computing and Applications, ACOMP’2007, HoChiMinh City, March 14-16, 2007, pp.2-7 [36] Duong Tuan Anh, Vo Hoang Tam, Nguyen Quoc Viet Hung, Generating Complete University Course Timetables by Using Local Search Methods, Proceedings of the 4th IEEE International Conference on Computer Sciences, Research, Innovation and Vision for the Future (RIVF 2006), Feb 12-16, 2006, HoChi Minh City, Vietnam, pp 67-74 202 [37] Burke E.K and Landa S.J.D., "The Design of Memetic Algorithms for Scheduling and Timetabling Problems," in Recent Advances in Memetic Algorithms, Studies in Fuzziness and Soft Computing vol 166, H W Krasnogor N., Smith J., Ed.: Springer, pp 289 312, 2004 [38] Burke E.K and Newall J.P (1999), A multi-stage evolutionary algorithm for the timetable problem IEEE Transactions on Evolutionary Computation, 3(1): 63-74 [39] Burke E.K., McCollum B., Meisels A., Petrovic S., and Qu R (2007), A graph-based hyper-heuristic for educational timetabling problems, European Journal of Operational Research, 177-192 [40] Burke E.K., Bykov Y., Newall J and Petrovic S (2003d), A time-predefined approach to course timetabling Yugoslav Journal of Operations Research (YUJOR) [41] Burke E.K and Petrovic S., Recent Research Directions in Automated Timetabling, European Journal of Operational Research, Vol 140 No 2, pp 266280 [42] Edmund K Burke E.K., James P., Newall J., Rupert F., Weare, A Memetic Algorithm for University Exam Timetabling, Selected papers from the First International Conference on Practice and Theory of Automated Timetabling, p.241-250, August 29-September 01, 1995 [43] Glover F (1998), ―A Template for Scatter Search and Path Relinking‖ in Artificial Evolution, Lecture Notes in Computer Science 1363, Hao J.K., Lutton E., Ronald E., Schoenauer M and Snyers D (Eds.), Springer, pp 13-54 [44] Glover F., Laguna M., Matin R (2003), ―Scatter Search‖, Advances in Evolutionary Computation: Theory and Applications, Ghosh A and Tsutsui S (Eds.), Springer-Verlag, New York, pp 519-537 [45] Feo, T.A and Resende, M.G.C 1995, Greedy randomized adaptive search procedures J Global Optim 6, 109 133R Qu, Burke E.K., McCollum B., Merlot L.T.G and Lee S.Y (2009), A survey of search methodologies and 203 automated system development for examination timetabling, Journal of Scheduling, 12(1), 55-89 [46] Feo, Resende T.A., M.G.C., A probabilistic heuristic for a computationally difficult set covering problem Op Res Lett 8, 67–71, 1989 [47] Fred Glover (1989) ―Tabu Search - part I‖, ORSA Journal on Computing, Vol.1, No [48] Fred Glover, Manuel Laguna (1998) ―Tabu Search‖, Kluwer Academic Publishers, Boston, London [49] Fred Glover, Manuel Laguna (1998) ―Tabu Search‖, Kluwer Academic Publishers, Boston, London [50] Dueck G., 1993 New optimisation heuristics: The great deluge algorithm and the record-to-record travel Journal of Computational Physics, 104, pp 8692 [51] Schmidt G and Strohlein T., Timetable construction - an annotated bibliography, The Computer Journal, 23(4):307-316, 1979 [52] White G and Chan W., "Towards the Construction of Optimal Examination Schedules," INFOR, vol 17, pp 219-229, 1979 [53] Geiger M.J., An application of the threshold accepting metaheuristic for curriculum based course timetabling In: Proceedings of the 7th International Conference on the Practice and Theory of Automated Timetabling, Montréal, Canada (August 2008) [54] Ghaith M., Jaradat, Masri Ayob, An Elitist-Ant System for Solving the Post- Enrolment Course Timetabling Problem FGIT-DTA/BSBT 2010 [55] Gunter Dueck, New Optimization Heuristics The Great Deluge Algorithm and the Record-to-Record Travel, Journal of Computational Physics 104, 1993, pp 86 – 92 [56] Gunter Dueck, Tobias Scheuer, Threshold Accepting - A General Purpose Optimization Algorithm Appearing Superior to Simulated Annealing, Journal of Computational Physics 90, 1990, pp 161 – 175 204 [57] Gustavo Toro, Victor Parada (2003), "The algorithm to solve the competition problem", International Timetabling Competition 2002-2003 [58] Fang H., Genetic Algorithms in Timetabling and Scheduling PhD thesis, Univ of Edimburg, 1994 [59] Goltz H.J., Matzke D (1999), University Timetabling Using Constraint Logic Programming, Proceedings of the First International Workshop on Practical Aspects of Declarative Languages, p.320-334 [60] Ueda H., Ouchi D., Takahashi K and Miyahara T (2001), A co-evolving timeslot/room assignment genetic algorithm technique for university timetabling, The Practice and Theory of Automated Timetabling III: Selected Papers from 3rd International Conference on the Practice and Theory of Automated Timetabling (PATAT III), Konstanz, Germany, Lecture Notes in Computer Science 2079, Springer-Verlag (Editors: E.K Burke and W Erben), pp 48-63 [61] Halvard Arntzen, Arne Lokketangen (2003), ―A tabu search heuristic for a university timetabling problem‖, MIC2003, Japan [62] Hansen P., Mladenovic N., A tutorial on variable neighborhood search Technical Report G-2003-46, Les Cahiers du GERAD, HEC Montreal and GERAD, Canada (2003) [63] Kennedy J and Eberhart R.C., A Discrete Binary Version of the Particle Swarm Algorithm, In Proceedings of the Conference on Systems, Man, and Cybernetics, pages 4104–4109, 1997 [64] Landa J.D Silva, Burke E.K and Petrovic S (2004), An Introduction to Multiobjective Metaheuristics for Scheduling and Timetabling, MetaHeuristics for Multiobjective Optimisation (edited by X.Gandibleux, M.Sevaux, K.Sorensen and V.T'Kindt), Springer Lecture Notes in Economics and Mathematical Systems, vol 535, 91-129 [65] Holland J.H (1975), Adaptation in natural and artificial systems, Ann Arbor: University of Michigan Press 205 [66] Jacques A Ferland, Daniel Costa, Heuristic Search Methods for Combinatorial Programming Problem NSERC grant (OGP0008312) 2001 [67] Jain A.S and Meeran S (1998b), ―A Multi-Level Hybrid Framework for the General Flow-Shop Scheduling Problem,‖ Department of Applied Physics, Electronic and Mechanical Engineering, University of Dundee, Dundee, Scotland [68] Jaradat G.M., Ayob M (2011), Scatter search for solving the course timetabling problem, in Proceedings of the 3rd Conference on Data Mining and Optimization (DMO), Malaysia, pp 213-218 [69] Jean-Francois Cordeau, Brigitte Jaumard, Rodrigo Morales (2003) "Efficient Timetabling Solution with Tabu Search", International Timetabling Competition 2002-2003 [70] Helsgaun K., ―An effective implementation of the Lin-Kernighan traveling salesman heuristic,‖ Eur J Oper Res., vol.126, pp.106–130, 2000 [71] Socha K., Knowles J., Sampels M (2002), A MAX-MIN Ant System for the University Course Timetabling Problem, Proceedings of the Third International Workshop on Ant Algorithms, pp.1-13 [72] Socha K., Knowles J.D., Sampels M (2002), A MAX-MIN Ant System for the University Course Timetabling Problem In Proceedings of Ant Algorithms '2002 pp.1-13 [73] Kennedy J., Eberhart R (1995), Particle Swarm Optimization, IEEE International Conference on Neural Networks, Perth, Australia, pp 1942-1948 [74] Kirkpatrick S., Gelatt C.D., Vecchi M.P (1983), Optimization by Simulated Annealing, Science, vol 220 (4598), pp 671-680 [75] Lewis R., "A survey of metaheuristic-based techniques for university timetabling problems," OR Spectrum, v30, pp 167-190, 2008 [76] Lourenco H.R., Martin O., and Stutzle T (2001), A beginner's introduction to Iterated Local Search In Proceedings of MIC'2001 Metaheuristics International Conference vol 1, 1—6 206 [77] Luca Di Gaspero and Andrea Schaerf (2003) "Timetabling Competition TTComp 2002: Solver Description", International Timetabling Competition 2002-2003 [78] Lukasik S and Zak S (2009), Firefly algorithm for continuous constrained optimization tasks, Lecture Notes in Computer Science, vol 5796,, 21– 37 [79] Al-Betar M.A., Khader A.T., and Liao I.Y., A harmony search algorithm with multi-pitch adjusting rate for university course timetabling In Z Geem, editor, Recent Advances In Harmony Search Algorithm, volume 270 of Studies in Computational Intelligence (SCI), pages 147 162 Springer-Verlag, Berlin, Heidelberg, 2010 [80] Al-Betar M.A., Khader A.T., and Gani T.A., A harmony search algorithm for university course timetabling In 7th International Conference on the Practice and Theory of Automated Timetabling (PATAT 2008), Montreal, Canada, August 18-22 2008 [81] Saleh Elmohamed M.A., Paul D., Coddington, Geoffrey Fox, A Comparison of Annealing Techniques for Academic Course Scheduling, Selected papers from the Second International Conference on Practice and Theory of Automated Timetabling II, p.92-114, August 20-22, 1997 [82] Dorigo M et Gambardella L.M., Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem, IEEE Transactions on Evolutionary Computation, volume 1, numéro 1, pages 53-66, 1997 [83] Carter M.W., Laporte G and Lee S.Y (1996), Examination timetabling: Algorithmic strategies and applications Journal of Opera tional Research Society, 47(3):373-383 [84] Marcone Jamilson Freitas Souza, Nelson Maculan, Luiz Satoru Ochi (2001) ―A GRASP-Tabu Search Algorithm to Solve a School Timetabling Problem‖, 4th Metaheuristics International Conference [85] Mayer A., Nothegger C., Chwatal A., & Raidl G.R (2008), Solving the post enrolment course timetabling problem by ant colony optimization In 207 Proceedings of the conference on the practice and theory of automated timetabling (PATAT 2008), Montreal, Canada, 2008 [86] Metropolis N., Rosenbluth A.W., Rosenbluth M.N, Teller A.H., Teller E (1953), Equation of State Calculation by Fast Computing Machines, Journal of Chemistry and Physical, vol 21, pp 1087-1091 [87] Mirrazavi S.K., Mardle S.J., and Tamiz M (2003), A two phase multiple objective approach to university timetabling utilising optimisation and evolutionary solution methodologies, Journal of Operational Research Society, 11, 1155-1166 [88] Moscato P (1989), On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms, Technical Report, Caltech Concurrent Computation Program [89] Mladenovic N., Hansen P., Variable neighborhood search, Computers and Operations Research, v.24 n.11, p.1097-1100, Nov 1997 [90] NB Phuc, NTTM Khang, TTH Nuong (2011), ―A New Hybrid GA-Bees Algorithm for a Real-world University Timetabling Problem‖, The 2011 IEEE International conference on Intelligent Computation and Bio-Medical Instrumentation (ICBMI2011), Wuhan, China, 2011 (accepted) [91] Nguyen Quoc Viet Hung, Ta Quang Binh and Duong Tuan Anh A Memetic Algorithm for Timetabling, Proceedings of 3nd Int Conf RIVF’05 Research Informatics Vietnam-Francophony, Feb 2-5, Can Tho, Vietnam, 2005, pp 289 – 294 [92] Olivia Rossi-Doria1, Michael Sampels, Mauro Birattari, Marco Chiarandini, Marco Dorigo, Luca M Gambardella, Joshua Knowles, Max Manfrin, Monaldo Mastrolilli, Ben Paechter, Luis Paquete, Thomas Stutzle (2003) "A comparison of the performance of different metaheuristics on the timetabling problem", Metaheuristic Network, pp 17-18 [93] Kostuch P.A (2002), Timetabling Competition – Simulated Anealing-based Heuristic 208 [94] Ross P and Marin-Blazquez J.G (2005), Constructive hyper-heuristics in class timetabling", in Proc Congress on Evolutionary Computation, pp.14931500 [95] Ross P., Hart E., Corne D., Genetic algorithms and timetabling, Advances in evolutionary computing: theory and applications, Springer-Verlag New York, Inc., New York, NY, 2003 [96] Paquete L.F., Fonseca C.M (2001), A Study of Examination Timetabling with Multiob-jective Evolutionary Algorithms, Proceedings of the 2001 Metaheuristics Interna-tional Conference (MIC 2001), pp 149-153 [97] Peter Wilke, Helmut Killer (2010), ―Walk Down Jump Up – a new Hybrid Algorithm for Time Tabling Problem‖ International Conference on the Practice and Theory of Automated Timetabling (PATAT 2010) Queen’s University Belfast Publications [98] Pham D.T., Zaidi Muhamad, Massudi Mahmuddin, Afshin ghanbarzadeh, Ebubekir Koc, Sameh Otri (2007), ―Using the bees algorithm to optimise a support vector machine for wood defect classIfication‖ IPROMS 2007 Innovative Production Machines and Systems Virtual Conference, CardIff, UK [99] Pham D.T., Ghanbarzadeh A (2007), ―Multi-Objective Optimisation using the Bees Algorithm‖, Proceedings of IPROMS 2007 Conference [100] Lewis R and Paechter B (2004), New crossover operators for timetabling with evolutionary algorithms The 5th International Conference on Recent Advances in Soft Computing (RASC 2004), Nottingham, UK, 5, pp 189-195 [101] Lewis R.M (2006), Metaheuristics for University Course Timetabling, PhD Thesis, Napier University, England, chapter 2, pp 8-33 [102] Qu R., Burke E.K., Mccollum B., Merlot L.T., Lee S.Y., A survey of search methodologies and automated system development for examination timetabling, Journal of Scheduling, v.12 n.1, p.55-89, February 2009 209 [103] Ramon Alvarez-Valdes, Enric Crespo, Jose M Tamarit (2002), "Design and implementation of a course scheduling system using Tabu Search", European Journal of Operational Research 137, pp 517-518 [104] Rossi-Doria O., Samples M., Birattari M., Chiarandini M., Dorigo M., Gambardella M., Knowles J., Manfrin M., Mastrolilli M., Paechter B., Paquete L., Stutzle T., A comparison of the performance of different metaheuristics on the timetabling problem In: Burke E.K., De Causmaecker P (eds.) PATAT 2002 LNCS, vol 2740, pp 329-351 Springer, Heidelberg (2003) [105] Schimmelpfeng K., Helber S., Application of a real-world university-course timetabling model solved by integer programming OR Spectrum 29, 783-803 (2007) [106] Seeley T.D (1996), ―The Wisdom of the Hive: The Social Physiology of Honey Bee Colonies‖ Massachusetts: Harvard University Press, Cambridge, 1996 [107] Socha K., Sampels M., and Manfrin M., "Ant algorithms for the university course timetabling problem with regard to the state-of-the-art," in G R Raidl el at (eds.), Applications of Evolutionary Computing: Proceedings of Evo Workshops 2003, vol 2611 of Lecture Notes in Computer Science, pp 334-345 Springer Vertag, Berlin, Germany (2003) [108] Stutzle T et Hoos H.H., MAX MIN Ant System, Future Generation Computer Systems, volume 16, pages 889-914, 2000 [109] Cooper T.B and Kingston J.H (1996), The Complexity of Timetable Construction Problems, in the Practice and Theory of Automated Timetabling, ed EK Burke and P Ross, pp 283-295, Springer-Verlag (Lecture Notes in Computer Science), Basser Department of Computer Science, University of Sydney, Australia [110] Tomas Muller.2007 ITC2007: Solver Description [111] Von Frisch K (1976), ―Bees: Their Vision, Chemical Senses and Language‖ (Revised edn) Cornell University Press, N.Y., Ithaca, 1976 210 [112] Yang X.S., Deb S (2009), Cuckoo search via Levy flights, in Proceeding of World Congress on Nature & Biologically Inspired Computing, 210-214 [113] Yang X.S (2005), ―Engineering Optimizations Via Nature-Inspired Virtual Bee Algorithms‖ ArtIficial Intelligence and Knowledge Engineering Applications: A Bioinspired Approach, LECTURE NOTES IN COMPUTER SCIENCE 3562:2005, pp 317-323, Springer Berlin / Heidelberg [114] Kochetov Yu., Obuhovskaya P., Paschenko M., Local Search Heuristics for the Teacher Class Timetabling Problem Proceedings of 6th International conference on the Practice and Theory of Automated Timetabling (PATAT2006) Brno, The Chech Republic 2006 P 454-457 [115] Geem Z.W., Kim J.H., and Loganathan G.V., A New Heuristic Optimization Algorithm: Harmony Search Simulation, 76(2):60 68, 2001 211 [...]... trung giải quyết bài toán xếp thời khóa biểu dựa trên nhóm học phần có mang đặc trƣng riêng của các trƣờng đại học Việt Nam, một bài toán có nhiều ứng dụng trong thực tế Điểm khác biệt giữa bài toán xếp thời khóa biểu môn học tại các trƣờng đại học của Việt Nam với các bài toán xếp thời khóa biểu đại học trên thế giới là sự đa dạng hơn về mặt ràng buộc, ví dụ: một phân công khi đƣợc sắp thời khóa biểu. .. pháp tiếp cận 2.1 Giới thiệu bài toán Bài toán xếp thời khóa biểu cho trƣờng đại học thuộc lớp các bài toán xếp thời khóa biểu cho giáo dục, đây là lớp các bài toán rất thực tế, xuất hiện ở tất cả các trƣờng phổ thông và đại học Mục tiêu của bài toán là tìm cách xếp lịch học, lịch dạy cho các sinh viên (học sinh) và giảng viên (giáo viên) vào các tiết học, các phòng học sao cho thỏa một số ràng buộc nhất... xếp cho bài toán xếp thời khóa biểu cho trƣờng đại học là cố định, thƣờng là 1 tuần), 2 môn thi có thể dùng chung 1 phòng học tại cùng 1 thời điểm, hoặc 1 môn thi có thể tách ra thi ở 2 phòng khác nhau tại cùng 1 thời điểm (bài toán xếp thời khóa biểu cho trƣờng đại học thƣờng không cho phép điều này) Với yêu cầu phức tạp của bài toán xếp thời khóa biểu cho đại học, việc thực hiện xếp thời khóa biểu. .. khóa biểu quốc tế 2007[10] (International Timetabling Competition 2007 – gọi tắt là ITC07), có thể phân các bài toán xếp thời khóa biểu cho giáo dục thành ba nhóm chính:  Bài toán xếp thời khóa biểu cho trƣờng phổ thông (high school timetabling)  Bài toán xếp thời khóa biểu cho trƣờng đại học (course timetabling) 1  Bài toán xếp lịch thi (examination timetabling) Các bài toán xếp thời khóa biểu cho. .. của bài toán xếp thời khóa biểu Dựa theo bài khảo sát của tác giả A Schaerf [5] và bài báo cáo kĩ thuật của cuộc thi Xếp thời khóa biểu quốc tế 2007 (International Timetabling Competition 2007 – gọi tắt là ITC07) [10], có thể phân các bài toán xếp thời khóa biểu cho giáo dục thành ba nhóm chính: - Bài toán xếp thời khóa biểu cho trƣờng phổ thông (high school timetabling): xếp lịch học hàng tuần cho các. .. để xếp thời khóa biểu sao cho các sinh viên đều có thể học đƣợc tất cả các môn mà mình đăng kí mà không bị đụng độ giờ học - Bài toán xếp lịch thi (examination timetabling): tƣơng tự nhƣ bài toán xếp thời khóa biểu cho truờng đại học, nhƣng bài toán này có 1 số điểm khác biệt, chẳng hạn nhƣ: xếp lịch thi sao cho thời gian kéo dài của lịch thi là ít nhất (trong khi độ dài của 1 thời khóa biểu đƣợc xếp. .. tuần cho các giáo viên sao cho không có giáo viên nào phải dạy 2 lớp tại cùng 1 thời điểm, và không có lớp nào học 2 giáo viên tại cùng 1 thời điểm - Bài toán xếp thời khóa biểu cho trƣờng đại học (course timetabling), gồm có 2 lớp bài toán con: o Bài toán xếp thời khóa biểu cho trƣờng đại học dựa trên nhóm học phần (curriculum-based course timetabling): sinh viên đăng kí học sau khi thời khóa biểu. .. dụng trong thực tế Các ràng buộc cứng và ràng buộc mềm đƣợc đánh trọng số thống nhất trong tất cả các phiên bản cài đặt của các thuật toán khác nhau Các phân tích, đánh giá đều đƣợc qui chiếu về mô hình bài toán đã phát biểu một cách nhất quán 2.2.7 Đặc thù của bài toán xếp thời khóa biểu tại các đại học Việt Nam so với các bài toán thời khóa biểu các nước khác 2.2.7.1 Thách thức  Bài toán bùng nổ tổ... và bài toán xếp thời khóa biểu mà trong khoảng trƣớc năm 1990, có khá nhiều thuật giải để giải bài toán tô màu đồ thị đã đƣợc áp dụng vào bài toán xếp thời khóa biểu và đƣợc trình bày khá rõ trong bài khảo sát của tác giả D de Werra[29] Ý tƣởng chung của các thuật giải thuộc nhóm này là: các học phần sẽ đƣợc sắp xếp theo một thứ tự nào đó, sau đó, các học phần này sẽ lần lƣợt đƣợc gán vào các khe thời. .. một bài toán xếp thời khóa biểu cụ thể nào đó và thuật giải sẽ đƣợc thiết kế để giải quyết tốt nhất có thể bài toán cụ thể này Các thuật giải này thƣờng có hạn chế là chỉ giải quyết một bài toán cụ thể nào đó, và có thể sẽ rất khó để áp dụng cho bài khác xếp thời biểu khác dù thuộc cùng một nhóm 2.3.2 Nhóm các kĩ thuật dựa trên bài toán tô màu đồ thị Bài toán tô màu đồ thị là bài toán kinh điển trong ...ĐẠI HỌC QUỐC GIA TP.HCM TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN  NGUYỄN TẤN TRẦN MINH KHANG NGHIÊN CỨU ỨNG DỤNG CÁC GIẢI THUẬT METAHEURISTIC CHO BÀI TỐN XẾP THỜI KHĨA BIỂU MƠN HỌC TRƢỜNG ĐẠI HỌC... phân tốn xếp thời khóa biểu cho giáo dục thành ba nhóm chính:  Bài tốn xếp thời khóa biểu cho trƣờng phổ thơng (high school timetabling)  Bài tốn xếp thời khóa biểu cho trƣờng đại học (course... xếp thời khóa biểu cho truờng đại học, nhƣng tốn có số điểm khác biệt, chẳng hạn nhƣ: xếp lịch thi cho thời gian kéo dài lịch thi (trong độ dài thời khóa biểu đƣợc xếp cho tốn xếp thời khóa biểu