Perspectivas docentes 34ESPECTROSMo<strong>de</strong>los <strong>de</strong> asignación <strong>de</strong> cargas académicas y organización <strong>de</strong> horarios para <strong>la</strong> UJATJuan Francisco Solís, José Luis Gómez RamosFigura 11. Comparación con <strong>la</strong> Asignación <strong>de</strong> cargas Académicaspara el periodo lectivo agosto 2005-enero 2006Prueba Iteraciones sin Porcentaje <strong>de</strong>cambioconcordancias1 1500 53%2 2000 55%3 3000 59%4 4000 77%5 5000 83%sesiones son programadas fuera <strong>de</strong> <strong>la</strong> disponibilidad <strong>de</strong>los profesores, conforme se incrementa el número <strong>de</strong>iteraciones, los errores en <strong>la</strong> disponibilidad disminuyen,lo cual se observa mejor en <strong>la</strong> figura 14.Figura 14. Errores <strong>de</strong> disponibilidadEn <strong>la</strong> figura 12 se muestra el porcentaje <strong>de</strong> concordancias(o coinci<strong>de</strong>ncias) entre el proceso manual y elobtenido a través <strong>de</strong>l proceso <strong>de</strong> ACA.Figura 12. Porcentaje <strong>de</strong> concordancias entre proceso manual yproceso automatizado3.2 Organización <strong>de</strong> Horario <strong>de</strong> C<strong>la</strong>se (OHC)La figura 13 muestra los resultados que se obtuvieron<strong>de</strong> <strong>la</strong>s corridas <strong>de</strong> <strong>la</strong> organización <strong>de</strong> horarios <strong>de</strong> c<strong>la</strong>separa <strong>la</strong> UJAT, don<strong>de</strong> se observa que se lograron satisfacer<strong>la</strong>s restricciones duras.Figura 13. Resultados <strong>de</strong>l algoritmo genéticcon diversidad forzada para <strong>la</strong> OHCPrueba Iteracciones Eventos Errorsin cambio Cruzados Disponibilidad1 1500 0 10352 2000 0 7553 3000 0 4564 4000 0 3025 5000 0 150Como se p<strong>la</strong>nteó anteriormente, en <strong>la</strong> función <strong>de</strong>costo se <strong>de</strong>sea minimizar <strong>la</strong> asignación <strong>de</strong> horario <strong>de</strong>c<strong>la</strong>ses fuera <strong>de</strong> <strong>la</strong> disponibilidad con <strong>la</strong> que cuentacada uno <strong>de</strong> los profesores, por lo cual en <strong>la</strong> figura13 <strong>la</strong> columna Error Disponibilidad, muestra cuantas4. ANÁLISIS DE RESULTADOSDe <strong>la</strong>s pruebas realizadas para los problemas ACAy OHC, se observa que <strong>la</strong> calidad <strong>de</strong> <strong>la</strong>s soluciones obtenidasmediante el empleo <strong>de</strong>l mo<strong>de</strong><strong>la</strong>do propuesto yutilizando un Algoritmo Genético con Diversidad Forzada[Frausto, Mora, Larre, Gómez 2006], <strong>la</strong> calidad fue aumentandoa medida que se incrementó el número <strong>de</strong>iteraciones sin cambio, lo cual es un indicador <strong>de</strong>l buen<strong>de</strong>sempeño <strong>de</strong>l mo<strong>de</strong>lo propuesto. Esto pudo constatarseal comparar <strong>la</strong>s soluciones obtenidas con el mo<strong>de</strong><strong>la</strong>doaquí propuesto, contra los obtenidos manualmente, pues<strong>la</strong>s soluciones obtenidas computacionalmente siemprefueron <strong>de</strong> mejor calidad.CONCLUSIONES Y TRABAJOS FUTUROSEn este artículo se presentó el problema <strong>de</strong> asignación<strong>de</strong> salones para <strong>la</strong> UJAT, mo<strong>de</strong><strong>la</strong>do como un problema<strong>de</strong> optimización. Se mo<strong>de</strong><strong>la</strong>n tanto restricciones durasy suaves, para los problemas <strong>de</strong> Asignación <strong>de</strong> CargasAcadémicas (ACA) y Organización <strong>de</strong> Horarios <strong>de</strong> C<strong>la</strong>se(OHC), así como <strong>la</strong> <strong>de</strong>finición <strong>de</strong> una función objetivopara cada problema. El proceso <strong>de</strong> ACA es un problemain<strong>de</strong>pendiente <strong>de</strong> OHC, sin embargo éste es un procesoprevio para que se <strong>de</strong>sarrolle <strong>la</strong> conformación <strong>de</strong> unhorario. Por lo cual, el <strong>de</strong>sarrol<strong>la</strong>r un mo<strong>de</strong>lo matemáticoque i<strong>de</strong>ntifica <strong>la</strong>s características necesarias que se <strong>de</strong>bencumplir para distribuir <strong>de</strong> manera eficiente <strong>la</strong>s cargas entre<strong>la</strong> p<strong>la</strong>ntil<strong>la</strong> docente, permite que el proceso se puedaautomatizar. No obstante que el mo<strong>de</strong><strong>la</strong>do fue resueltocon Algoritmos Genéticos, su formu<strong>la</strong>ción fue realizada•46
Perspectivas docentes 34ESPECTROSMo<strong>de</strong>los <strong>de</strong> asignación <strong>de</strong> cargas académicas y organización <strong>de</strong> horarios para <strong>la</strong> UJATJuan Francisco Solís, José Luis Gómez Ramospara que pueda ser implementado con cualquier método<strong>de</strong> optimización. Los resultados obtenidos computacionalmentemuestran un <strong>de</strong>sempeño a<strong>de</strong>cuado para losdos problemas <strong>de</strong> ETT no antes abordados en conjuntopor un mismo proceso computacional. El empleo <strong>de</strong> estemo<strong>de</strong>lo no solo repercute en <strong>la</strong> obtención <strong>de</strong> solucionesautomatizadas <strong>de</strong> ETT para <strong>la</strong> UJAT, sino también paramuchas otras áreas tanto <strong>de</strong> ingeniería computacionalcomo <strong>de</strong> <strong>la</strong>s Ciencias Sociales. La investigación <strong>de</strong> estanueva área repercutirá en ahorros <strong>de</strong> tiempo y esfuerzoasí como en un mejor servicio. Trabajos futuros estánvincu<strong>la</strong>dos con algoritmos más po<strong>de</strong>rosos así como <strong>la</strong>investigación <strong>de</strong> los principales aspectos para <strong>la</strong> administración<strong>de</strong>l cambio <strong>de</strong> esta nueva tecnología.REFERENCIASAbramson D., Abe<strong>la</strong> J. A parallel genetic algorithm for solving the SchoolTimetabling Problem. IJCAI workshop on Parallel Processing inAI, Sydney, August 91. Also appearing in 15 Australian ComputerScience Conference, Hobart, Feb 1992, pp 1-11.Burke E., Kendall G. A tabu-search hyperheuristic for timetablingand rostering. Journal of Heuristics, 2004 Kluwer Aca<strong>de</strong>micPublishers. Manufactured in The Nether<strong>la</strong>nds. Vol 9: 2003pp 451–470.C. Hervás-Martínez , D. Ortiz-Boyer , N. García-Pedrajas., (2002).Theoretical Analysis of the Confi<strong>de</strong>nce Interval Based Crossoverfor Real-Co<strong>de</strong>d Genetic Algorithms. Parallel Problem Solvingfrom Nature - PPSN VII: 7th International Conference, Granada,Spain, September 7-11, 2002. ProceedingsC.K. Chan, H.B. Goii, M.H. Lim A Coevolutionary Algorithm approachtoa University Timetable System. Evolutionary Computation,2002. CEC ‘02. Proceedings of the 2002 Congress on Volume2, 12-17 May 2002 Page(s):1946 - 1951 Digital Object I<strong>de</strong>ntifier10.1109/CEC.2002.1004541.Cinhtia M. González Segura “Timetabling educativo resuelto conrecocido simu<strong>la</strong>do y mo<strong>de</strong><strong>la</strong>do bajo una arquitectura web, congeneralización y aplicación práctiva: casos PATAT y UADY”. Tésis<strong>de</strong> Maestria en Ciencias <strong>de</strong> <strong>la</strong> Computación, ITESM CampusCuernavaca 2005.Chu S., Fang H., Genetic Algorithms vs. Tabu search in timetablescheduling. Knowledge-Based Intelligent Information EngineeringSystems, 1999. Third International Conference 31 Aug.-1Sept. 1999 Page(s):492 - 495 Digital Object I<strong>de</strong>ntifier 10.1109/KES.1999.820230.Cook S. A., The complexity of theorem proving procedres, Proceedingof the 3rd. ACM Symposium on Theory of Computing Ohio1971pp 151-158.Cor<strong>de</strong>au J., Jaumard B. Efficient Timetabling solution with tabu search.International Timetabling Competition 2002. KaHo St.-Lieven,Gent, Belgica 21-23 <strong>de</strong> agosto 2002.David E. Goldberg Genetic Algorithms in Search, Optimization, andMachine Learning. Assison-Wesley Publising Company, Inc.1989.De Werra, D. An in troduction to timetabling. European Journal ofOperational Research 1985, 19, 151-162.Desroches S.Horex: A computer Program for the Construction ofExamination Schedules INFOR 1978 16 294-298.E.K. Burke, B. MacCarthy, S. Petrovic, R. Qu*. Case-based Reasoningin Course Timetabling: An Attribute Graph Approach. Case-Based Reasoning Research and Development, Proceedingsof the 4th International Conference on Case-Based Reasoning(ICCBR-2001). Vancouver, Jul-Aug, Canada, 2001. LNAI 2080.pp 90-104.Estatuto <strong>de</strong>l Personal Académico <strong>de</strong> <strong>la</strong> Universidad Juárez Autónoma<strong>de</strong> Tabasco. Aprobado por el H. Consejo Universitario en sureunión plenaria el 14 <strong>de</strong> Junio <strong>de</strong> 1985.Enzhe Yu, Ki-Seok Sung, A genetic algorithm for a university weeklytimetables problem. International Fe<strong>de</strong>ration of OperationalResearch Societies 2002. vol 9 pp 703-717. revisada 10Julio 1999, recibida en revision 11 Febrero 2002, aceptada4 Abril 2002Fe<strong>de</strong>rico Alonso Pecina. Programación <strong>de</strong> horarios con coloreo <strong>de</strong>grafos Tesis. <strong>de</strong> maestría Instituto Tecnológico <strong>de</strong> CiudadMa<strong>de</strong>ro 2002.––––. Propuesta <strong>de</strong> tésis doctoral en proceso. ITESM Campus Cuernavaca2005.Fernan<strong>de</strong>s C., Cal<strong>de</strong>ira J., Melicio F., Rosa A., High school weeklytimetabling by evolutionary algorithm. ACM 1998.G. Rodríguez, J. Frausto “Diseño conceptual <strong>de</strong> bases <strong>de</strong> datos paracntros <strong>de</strong> control <strong>de</strong> energía” en proceso of IEEE Mexicon,1983 Mexico.Gervas Pablo, San Miguel Beatriz, Un sistema basado en reg<strong>la</strong>s para <strong>la</strong>automatización <strong>de</strong> <strong>la</strong> e<strong>la</strong>boración <strong>de</strong> horarios para un conjunto<strong>de</strong> restricciones particu<strong>la</strong>res. III Jornadas <strong>de</strong> trasnferenciatecnológica <strong>de</strong> Inteligencia Artificial, Murcia 16-19 noviembre,1999.Gómez Ramos José Luis, “Algoritmos Geneticos con Diversidad Forzadapara resolución <strong>de</strong>l prolema <strong>de</strong> Timetabling Educativo”, Tesis<strong>de</strong> Maestría en Ciencias <strong>de</strong> <strong>la</strong> Computación, IITESM CampusCuernavaca, 2005.Gotlieb, C.C. The construccion of c<strong>la</strong>ss teacher timetables. In Popplewell,C.M. (Ed.), IFIP congress 62, North-Hol<strong>la</strong>nd 1963 pp 73-77.Hans-Joachim Goltz, Georg Küchler, Dirk Matzke, INAP’98, 11 thInternational Conference of Prolog, Tokyo, September 1998,pp. 75-80.Hanna Rudova, Keith Murray. “University Course Timetabling with SoftConstraints” International Timetabling Competition 2002. KaHoSt.-Lieven, Gent, Belgica 21-23 <strong>de</strong> agosto 2002.Juán Frausto Solís, Jaime Mora Vargas, Monica Larre, José Luis GómezRamos; “A New Genetic Algorithm For the University TimeTablingProblem Using Forced Diversity”; WSEAS TRANSACTIONS onSYSTEMS , Issue 10, Volume 5 Atenas Grecia, Octubre 2006,pp 2398-2403.•47