Aplicação de Inteligência Artificial e algoritmos de otimização no planejamento de horários acadêmicos usando um dataset universitário real: uma abordagem baseada em simulated annealing

Ano: 2024 | Volume: 40 | Número: Especial

Autores: Victor de Andrade Miranda, Matheus Vinícius Pires da Silva Garvão, Ricardo Petri da Silva, Sergio Akio Tanaka.

Palavras-chave: planejamento de horários acadêmicos, university course timetabling problem(UCTP), inteligência artificial algoritmos de otimização, simulated annealing, timefold ai, dataset universitário, restrições hard e soft, metaheurísticas, java.

Resumo Português:

Este artigo investiga o desafio do planejamento de horários acadêmicos em instituições de ensino superior, categorizado como University Course Timetabling Problem (UCTP), caracterizado por sua alta complexidade combinatória e classificado como NP-hard. O estudo utiliza um dataset real representativo de uma universidade, contendo dados sobre salas, professores, disciplinas e preferências de alocação. A proposta envolve a aplicação de técnicas de Inteligência Artificial (IA) e algoritmos de otimização, visando automatizar e melhorar o processo de geração de horários. Utilizando a linguagem Java e o framework Timefold AI, o algoritmo Simulated Annealing foi empregado para buscar soluções que minimizem as restrições hard e soft, como conflitos de sala, superlotação de turmas e preferências de professores. Os resultados preliminares indicam que a metodologia, quando aplicada ao dataset real, é eficaz na redução do tempo de planejamento e na melhoria da qualidade dos horários, oferecendo uma solução viável e escalável para o problema de agendamento universitário.

Resumo Inglês:

This paper investigates the challenge of scheduling academic timetables in higher education institutions, categorized as the University Course Timetabling Problem (UCTP), characterized by its high combinatorial complexity and classified as NP-hard. The study uses a real dataset representative of a university, containing data on classrooms, professors, courses, and allocation preferences. The proposal involves the application of Artificial Intelligence (AI) techniques and optimization algorithms, aiming to automate and improve the schedule generation process. Using the Java language and the Timefold AI framework, the Simulated Annealing algorithm was employed to seek solutions that minimize hard and soft constraints, such as classroom conflicts, class overcrowding, and professor preferences. Preliminary results indicate that the methodology, when applied to the real dataset, is effective in reducing planning time and improving the quality of schedules, offering a viable and scalable solution to the university scheduling problem.