Examining Genetic Algorithm with Guided Search and Self-Adaptive Neighborhood Strategies for Curriculum-Based Course Timetable Problem

Matias, Junrie B.; Fajardo, Arnel C.; Medina, Ruji P.

doi:10.1109/icaccaf.2018.8776728

Cited by 7 publications

(15 citation statements)

References 24 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pendekatan yang banyak digunakan untuk mengatasi masalah tersebut adalah dengan menggunakan strategi pencarian lokal (local search) [3], [11]- [15]. Selain itu, pendekatan lainnya yang juga pernah diusulkan adalah pencarian terpandu (guided search) di mana kromosom akan direkombinasi atau dimutasi berdasarkan suatu aturan tertentu sehingga kromosom yang dihasilkan mampu memenuhi aturanaturan penjadwalan yang ditentukan oleh sekolah atau perguruan tinggi [3], [5], [16], [17].…”

Section: Pendahuluanunclassified

Model Paralelisasi Algoritma Genetika Terpandu pada Sistem Penjadwalan Kuliah Universitas dengan Alokasi Waktu Dinamis

Fachrie

Waluyo

2021

RESTI

View full text Add to dashboard Cite

One of the many techniques used to solve the University Course Timetable Problem (UCTP) is Genetic Algorithm (GA) which is a technique in the field of Evolutionary Computation. However, GA has high computational complexity due to the large number of evolutionary operators that must be performed during the evolutionary process, so it takes a long time to produce an optimal timetable. The computation time will also increase when the number of optimized variables is very large, such as in UCTP. Of course, this makes the application less reliable by users. Therefore, this article proposes a parallelization model for GA to reduce computation time in solving UCTP problems. The proposed AG is designed with a multithreading CPU scheme and implements a guided creep mutation mechanism and eliminates the recombination mechanism to reduce more computation time. The proposed system was tested and evaluated using two different UCTP datasets from the University of Technology Yogyakarta which contained 878 and 1140 lecture meetings in even and odd semesters. Unlike the previous ones, this study discusses UCTP with dynamic time slots where the duration of the lecture depends on the course credits. From the tests that have been done, it is found that the GA that was built is able to generate optimal course timetable without any clashes in a relatively fast time, that is less than 60 minutes for 1140 lecture meetings and less than 20 minutes for 878 lecture meetings. The use of the multithreading CPU model has succeeded in reducing computation time by 62% when compared to the conventional model which only uses one thread.

show abstract

Section: Pendahuluanunclassified

Model Paralelisasi Algoritma Genetika Terpandu pada Sistem Penjadwalan Kuliah Universitas dengan Alokasi Waktu Dinamis

Fachrie

Waluyo

2021

RESTI

View full text Add to dashboard Cite

show abstract

“…De acuerdo al número de soluciones a emplear en el proceso de búsqueda, las metaheurísticas pueden ser catalogadas en dos grupos: las estrategias que emplean una sola solución [37] y las técnicas que utilizan un grupo de soluciones [38]. Esta propiedad es muy importante al momento de elegir un algoritmo, debido a que cada enfoque posee una serie de ventajas y desventajas intrínsecas en su planteamiento [2].…”

Section: Enfoque De Solución úNica Y Basado En Poblaciónunclassified

“…Para el enfoque donde se emplea un grupo de candidatos (también denominado población), el algoritmo trabaja con todo el conjunto de soluciones empleadas en proceso de optimización [6]. Durante cada etapa del algoritmo, la población debe ser alterada con el objetivo de expandir el rango de exploración e ir acumulando conocimiento de las regiones visitadas [29] [38].…”

Section: Enfoque De Solución úNica Y Basado En Poblaciónunclassified

“…Por lo general, este tipo de algoritmos emplean mecanismo que tienen el objetivo de manipular un subgrupo de soluciones con el propósito de: generar múltiples combinaciones entre individuos, modificar propiedades de los candidatos y refinar las soluciones. Por lo cual, son los métodos internos los que proporcionan las características de exploración y exploración [6] [38].…”

Section: Enfoque De Solución úNica Y Basado En Poblaciónunclassified

“…Cabe mencionar que los enfoques de población consumen un mayor número de recursos de memoria y procesamiento en el equipo de cómputo [38]. Debido a que cada mecanismo de la metaheurística debe ser aplicado a los individuos de la población, pero es compensado con la ventaja de explorar una mayor región del espacio solución [6].…”

Section: Enfoque De Solución úNica Y Basado En Poblaciónunclassified

See 2 more Smart Citations