Zwei Klicks für mehr Datenschutz: Erst wenn Sie hier klicken, wird der Button aktiv und Sie können Ihre Empfehlung an Facebook senden. Schon beim Aktivieren werden Daten an Dritte übertragen.Zwei Klicks für mehr Datenschutz: Erst wenn Sie hier klicken, wird der Button aktiv und Sie können Ihre Empfehlung an Twitter senden. Schon beim Aktivieren werden Daten an Dritte übertragen.Zwei Klicks für mehr Datenschutz: Erst wenn Sie hier klicken, wird der Button aktiv und Sie können Ihre Empfehlung an Google senden. Schon beim Aktivieren werden Daten an Dritte übertragen.Zwei Klicks für mehr Datenschutz: Erst wenn Sie hier klicken, wird der Button aktiv und Sie können Ihre Empfehlung an Xing senden. Schon beim Aktivieren werden Daten an Dritte übertragen.

RWTH Aachen University course timetabling: carpe diem!


Project Image
Zusammenfassung:  Steigende Studierendenzahlen insbesondere durch den Doppelabiturjahrgang in NRW, der im WS 13/14 an die Hochschulen drängen wird, erfordern nicht unerhebliche Veränderungen. Stetig steigende Lehrverflechtungen durch Interdisziplinarität erschweren dabei jedoch partielle Lösungen. Einzelne Studiengänge können kaum mehr losgelöst vom Gesamtzusammenhang in der Ressourcenverteilung berücksichtigt werden. Die einzelne Stundenplanerinnen und Stundenplaner kommen an die Grenzen dessen, was ohne eine Planungsunterstützung möglich ist. Hinzukommt, dass durch die Unwägbarkeiten im Hörsaalbau für die Semesterplanung variable Rahmenbedingungen vorliegen, die mehrere verschiedene Szenarien wünschenswert erscheinen lassen. In diesem Projekt soll die bisherige händische Planung durch eine automatisierte, optimierten Planung durch eine auf mathematischer Optimierung basierende Software abgelöst werden.



The old days of timetabling

The Project

Objectives

  1. Efficient usage of available rooms and facilities
  2. Give students more freedom of choice among the available lectures of their curricula
  3. Decrease amount of inter campus travels

Steps

  1. Set up database and UIs to gather the relevant information about available courses, rooms, staff, curricula and additional constraints and conflicts. These were originally developed for use at TU Berlin by the innoCampus Team and are now beeing adapted for use at RWTH Aachen.
  2. Establishing processes at the university for using the new timetabling procedures. This includes redefining the existing administrative roles and scheduling the new necessary tasks involved.
  3. Educating and supporting the university staff in the new system
  4. Developing new algorithms and software for solving the associated university course timetabling problem.
  5. Expand the mathematical theory with respect to timetabling optimization.

Research directions

  1. The university timetabling problems we encounter exhibit a lot of structure that can be exploited for efficient optimization. Gerald Lach and Marco Lübbecke have already shown that one can decompose timetabling problems into two stages using Halls Marriage theorem. We try to generalize these results to make them applicable for wider ranges of problems.
  2. In order to deal with changing conditions we develop a robustness concept for timetabling. Here we want to find timetables that can resist modifications of the original constraints or can be easily recovered from such.

People involved in the project (in alphabetical order):

Byproducts from the project

In addition to optimized timetables we achieved some additional benefits:

  1. Before carpe diem! there did not exist a proper timeslot grid along which the courses where aligned during the course of the day. This made changes in the timetable particularly difficult and created unnecessary collisions between, e.g., just 5 minutes of two courses. With the optimization procedures we also introduced timeslots which circumvent these problems.
  2. Access to better curricula data was gained through the data that was collected to calculate the conflicts between courses. This curricula data now allows us to calculate estimates of how many students will be moving between which parts of the city to reach their lecture rooms. This information can be used to
    1. calculate how many students will be at which Mensa at which point in time. Distributing these numbers evenly over the lunch time period is one of the new goals in the optimization algorithm
    2. calculate which bus lines will be utilized by how many students at which time. The algorithm tries to keep the amount of inter campus travels small. Nevertheless this data helps us to find bottlenecks in the bus system. A potential cooperation with Opens external link in new windowASEAG in order to optimize these is currently being discussed.