MétaCan
Menu
Retour à la cohorte
Enregistrement W7018140948

A constructive and a local search method applied to the examination timetabling problem

2013· other· en· W7018140948 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpenGrey (Institut de l'Information Scientifique et Technique) · 2013
Typeother
Langueen
DomaineDecision Sciences
ThématiqueScheduling and Timetabling Solutions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConstructiveFuzzy logicBenchmark (surveying)HeuristicSet (abstract data type)Particle swarm optimizationFuzzy setFunction (biology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis addressed the Examination Timetabling Problem, in particular the Toronto and International Timetabling Competition problems which are mostly used as benchmark instances for comparison of different methods. Both Toronto and International Timetabling Competition problems were, described in detail. Although International Timetabling Competition problems were more complex, they could not be used to describe the Toronto problems. Moreover, a mathematical formulation was also presented for both of these problems. We proposed a new Unified model that encapsulated both the Toronto and the International Timetabling Competition models. A mathematical formulation was also presented for this new model. We also proposed a constructive heuristic approach based on Choquet integral. We used this method to combine the information given by different basic heuristics. We used a fuzzy measure to model the importance of each heuristic as well as the interaction between them. A new set function was also proposed. It was proven that this new set function was in fact a fuzzy measure. We also proposed to use the Differential Evolution algorithm to find good fuzzy measures which then were used in the aforementioned construction algorithm. The Differential Evolution used the new proposed set function to overcome some issues related with the tuning of fuzzy measures. Lastly, we described a new discrete Particle Swarm Optimisation algorithm. The algorithm used kempe-chain.based jumps to move the particles between different solutions. All the proposed approaches were tested using the Toronto and International Timetabling Competition instances.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,053
Tête enseignante GPT0,353
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpenGrey (Institut de l'Information Scientifique et Technique)Même sujetScheduling and Timetabling SolutionsTravaux en français237 207