De la programación entera al aprendizaje automático: una revisión técnica sobre la resolución de problemas de horarios universitarios
Autores: Gu, Xin; Krish, Muralee; Sohail, Shaleeza; Thakur, Sweta; Sabrina, Fariza; Fan, Zongwen
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
De la programación entera al aprendizaje automático: una revisión técnica sobre la resolución de problemas de horarios universitarios
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Problema de programación de horarios universitarios
Algoritmos de programación entera
Conflictos de programación
Instituciones de educación superior
Solucionadores comerciales
Algoritmos de aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 41
Citaciones: Sin citaciones
Resolver el problema de programación horaria universitaria es crucial ya que garantiza el uso eficiente de los recursos, minimiza los conflictos de programación y mejora la productividad general. Este documento presenta una revisión exhaustiva de los problemas de programación horaria universitaria utilizando algoritmos de programación entera. Este estudio explora diversas técnicas de programación entera y su efectividad en la optimización de requisitos de programación complejos en instituciones de educación superior. Analizamos 95 modelos basados en programación entera desarrollados para resolver problemas de programación horaria universitaria, cubriendo investigaciones relevantes desde 1990 hasta 2023. El objetivo es proporcionar información sobre la evolución de estos algoritmos y su impacto en la mejora de la programación universitaria. Identificamos que la tasa de implementación de modelos que utilizan programación entera es del 98%, mucho más alta que la tasa de implementación del 34% utilizando algoritmos metaheurísticos según la revisión existente. Los modelos de programación entera son analizados por tipos de problemas, soluciones, herramientas y conjuntos de datos. Para tres tipos de problemas de programación horaria que incluyen la programación de cursos, la programación de clases y la programación de exámenes, nos adentramos más en los solucionadores comerciales CPLEX (47), Gurobi (11), Lingo (5), Open Solver (4), C++ GLPK (4), AIMMS (2), GAMS (2), XPRESS (2), CELCAT (1), AMPL (1) y Google OR-Tools CP-SAT (1) e identificamos que CPLEX es el solucionador de programación entera más utilizado. Exploramos los usos de algoritmos de aprendizaje automático y las soluciones híbridas que combinan la programación entera y los algoritmos de aprendizaje automático en soluciones de programación horaria en educación superior. También identificamos áreas para trabajos futuros, que incluyen un énfasis en el uso de algoritmos de programación entera en otras áreas industriales y el uso de modelos de aprendizaje automático para la programación horaria universitaria para permitir soluciones basadas en datos.
Descripción
Resolver el problema de programación horaria universitaria es crucial ya que garantiza el uso eficiente de los recursos, minimiza los conflictos de programación y mejora la productividad general. Este documento presenta una revisión exhaustiva de los problemas de programación horaria universitaria utilizando algoritmos de programación entera. Este estudio explora diversas técnicas de programación entera y su efectividad en la optimización de requisitos de programación complejos en instituciones de educación superior. Analizamos 95 modelos basados en programación entera desarrollados para resolver problemas de programación horaria universitaria, cubriendo investigaciones relevantes desde 1990 hasta 2023. El objetivo es proporcionar información sobre la evolución de estos algoritmos y su impacto en la mejora de la programación universitaria. Identificamos que la tasa de implementación de modelos que utilizan programación entera es del 98%, mucho más alta que la tasa de implementación del 34% utilizando algoritmos metaheurísticos según la revisión existente. Los modelos de programación entera son analizados por tipos de problemas, soluciones, herramientas y conjuntos de datos. Para tres tipos de problemas de programación horaria que incluyen la programación de cursos, la programación de clases y la programación de exámenes, nos adentramos más en los solucionadores comerciales CPLEX (47), Gurobi (11), Lingo (5), Open Solver (4), C++ GLPK (4), AIMMS (2), GAMS (2), XPRESS (2), CELCAT (1), AMPL (1) y Google OR-Tools CP-SAT (1) e identificamos que CPLEX es el solucionador de programación entera más utilizado. Exploramos los usos de algoritmos de aprendizaje automático y las soluciones híbridas que combinan la programación entera y los algoritmos de aprendizaje automático en soluciones de programación horaria en educación superior. También identificamos áreas para trabajos futuros, que incluyen un énfasis en el uso de algoritmos de programación entera en otras áreas industriales y el uso de modelos de aprendizaje automático para la programación horaria universitaria para permitir soluciones basadas en datos.