“Generación de horarios académicos en INACAP utilizando algoritmos genéticos” Alumno: Jorge Ahumada A. Profesor Guía : Nelson Baloian T. 30 de junio de 2014

“Generación de Horarios Académicos en INACAP” Introducción “La generación de un horario de una institución de educación, no es un proceso fácil”

Estado del Arte Concepto de Timetabling. Enfoques de solución. “Generación de Horarios Académicos en INACAP” Estado del Arte Concepto de Timetabling. Enfoques de solución. Tipos de problemas. Tipos de restricciones.

Justificación y contexto “Generación de Horarios Académicos en INACAP” Justificación y contexto INACAP 26 sedes. 115.000 alumnos. Crecimiento explosivo. Generación de horarios en INACAP Cursos Salas Docentes

Justificación y contexto “Generación de Horarios Académicos en INACAP” Justificación y contexto Restricciones “duras” para asignación de horarios en INACAP Un docente no puede asignarse a dos o más cursos en un mismo horario. No se pueden planificar dos o más cursos de una misma carrera y un mismo nivel en un mismo horario. No se pueden planificar dos o más cursos en una misma sala en un mismo horario. A un docente no se le puede planificar más horas que el máximo de horas diarias y semanales. Todo curso debe tener asignado una sala y un docente. Las secciones debe programarse en horario según su jornada, diurna o vespertina.

Justificación y contexto “Generación de Horarios Académicos en INACAP” Justificación y contexto Restricciones “suaves” para asignación de horarios en INACAP Se debe minimizar las “ventanas” para los docentes. Se debe minimizar las “ventanas” en la planificación de cursos de un mismo nivel y carrera. Se debe asignar en primer lugar a los profesores con mayor prioridad. Se debe asignar en primer lugar las salas con mayor prioridad.

Estrategias de solución “Generación de Horarios Académicos en INACAP” Estrategias de solución Algoritmos genéticos “los algoritmos genéticos son algoritmos de búsqueda basados en la mecánica de selección natural y de la genética natural. Combinan la supervivencia del más apto entre estructuras de secuencias con un intercambio de información estructurado, aunque aleatorizado, para constituir así un algoritmo de búsqueda que tenga algo de las genialidades de las búsquedas humanas” [Goldberg, 1989]

Estrategias de solución “Generación de Horarios Académicos en INACAP” Estrategias de solución Algoritmos genéticos La estructura general de un algoritmo genético puede representarse con los siguientes pasos: Define población inicial. Evalúa población inicial. Selecciona padres. Cruza. Muta. Evalúa. Selecciona y descarta soluciones no aptas. Mientras no exista solución, vuelve a 3.

Cromosomas Representación para el problema de asignación de horarios. “Generación de Horarios Académicos en INACAP” Cromosomas Representación para el problema de asignación de horarios.

“Generación de Horarios Académicos en INACAP” Función de cruza Una función de cruza usa dos cromosomas padres y los combina, generando nuevos individuos que a su vez son evaluados y seleccionados como padres de nuevas generaciones.

“Generación de Horarios Académicos en INACAP” Función de cruza

Función de cruza (dirigida) “Generación de Horarios Académicos en INACAP” Función de cruza (dirigida)

“Generación de Horarios Académicos en INACAP” Función de mutación Una función de mutación se encarga de realizar una modificación en un cromosoma, sin combinarlo con otro. Esto ayuda a explorar nuevas posibles soluciones que no se alcanzarían mediante la cruza.

“Generación de Horarios Académicos en INACAP” Función de mutación

Algoritmo genético Define población inicial. Evalúa población inicial. “Generación de Horarios Académicos en INACAP” Algoritmo genético Define población inicial. Evalúa población inicial. Selecciona padres. Cruza. Muta. Evalúa. Selecciona y descarta soluciones no aptas. Mientras no exista solución, vuelve a 3.

“Generación de Horarios Académicos en INACAP” Caso de estudio

Caso de estudio – Resultados preliminares “Generación de Horarios Académicos en INACAP” Caso de estudio – Resultados preliminares

Caso de estudio - Problemas “Generación de Horarios Académicos en INACAP” Caso de estudio - Problemas Mala calidad de la población inicial. No convergencia Alto tiempo de ejecución Alto uso de espacio de almacenamiento

Caso de estudio – resultados finales “Generación de Horarios Académicos en INACAP” Caso de estudio – resultados finales

“Generación de Horarios Académicos en INACAP” Conclusiones Técnica de algoritmos genéticos es apropiada para problemas de timetabling. Soluciones rápidas y eficientes. Técnica de algoritmos genéticos entrega flexibilidad. Entrega una solución óptima y varias “casi” óptimas. Dificultad para modelar restricciones “suaves”. Objetivos cumplidos : menor tiempo en generar un horario y fácil integración con sistemas existentes

“Generación de horarios académicos en INACAP utilizando algoritmos genéticos” Alumno: Jorge Ahumada A. Profesor Guía : Nelson Baloian T. 30 de junio de 2014