Η παρούσα εργασία διερευνά την αποδοτικότητα του αλγορίθμου Cuckoo Search (CS) στην επίλυση της εύρεσης του βέλτιστου ωρολογίου προγράμματος μαθημάτων για τμήματα πανεπιστημιακών και πολυτεχνικών σχολών βάσει των προγραμμάτων σπουδών (Curriculum-Based Course Timetabling, CB-CTT). Το πρόβλημα αυτό αποτελεί ένα από τα πιο σύνθετα και απαιτητικά προβλήματα συνδυαστικής βελτιστοποίησης που αντιμετωπίζουν τα εκπαιδευτικά ιδρύματα. Ο αλγόριθμος CS, εμπνευσμένος από τη φυσική συμπεριφορά των πουλιών κούκων και την τεχνική Lévy flights, εφαρμόστηκε στα δεδομένα του διαγωνισμού ITC-2007 (Track 3).

Η έρευνα παρουσιάζει μια βελτιωμένη εκδοχή του αλγορίθμου CS, η οποία ενσωματώνει στοιχεία Simulated Annealing (SA), χρήση Tabu List και προσαρμοσμένο συντελεστή βήματος α. Η αποδοτικότητα του CS improved αξιολογήθηκε μέσω συγκρίσεων με τα αποτελέσματα των φιναλίστ του διαγωνισμού ITC-2007. Παρά τις βελτιώσεις στην απόδοση, τα αποτελέσματα υποδεικνύουν την ανάγκη για περαιτέρω βελτιστοποίηση της παραμετροποίησης του αλγορίθμου.

Η μελέτη αναδεικνύει τις προκλήσεις στη ρύθμιση των παραμέτρων του αλγορίθμου, όπως η επιλογή της γειτονιάς, το πλήθος των φωλιών, ο προσαρμοσμένος συντελεστής βήματος α  για τα Lévy flights, η ρύθμιση της θερμοκρασίας (SA) και το μέγεθος της Tabu List και πώς αυτές οι παράμετροι επηρεάζουν την απόδοση του αλγορίθμου.

Τα ευρήματα αυτής της έρευνας υποδεικνύουν ότι, αν και η βελτιωμένη εκδοχή του CS παρουσιάζει ανταγωνιστικές επιδόσεις στα χαμηλής πολυπλοκότητας στιγμιότυπα του ITC-2007, υπάρχει σημαντικό περιθώριο για περαιτέρω βελτίωση. Προτείνονται μελλοντικές έρευνες για την ενσωμάτωση επιπλέον ευρετικών και μετευρετικών τεχνικών και την ακριβέστερη προσαρμογή του αλγορίθμου στις απαιτήσεις των σύγχρονων χρονοπρογραμματιστικών προβλημάτων.

This study investigates the efficiency of the Cuckoo Search (CS) algorithm in solving the Curriculum-Based Course Timetabling (CB-CTT) problem, one of the most complex and demanding combinatorial optimization challenges faced by educational institutions. The CS algorithm, inspired by the natural behavior of cuckoo birds and the Levy flights technique, was applied to the ITC-2007 competition data (Track 3).

The research presents an improved version of the CS algorithm (CS improved), incorporating elements of Simulated Annealing, the use of a Tabu List, and an adaptive step-size coefficient alphaα. The efficiency of CS improved was evaluated through comparisons with the results of other methods and the finalists of the ITC-2007 competition. Despite improvements in performance, the results indicate the need for further optimization of the algorithm's parameterization.

The study highlights the challenges in setting the algorithm's parameters, such as neighborhood selection, number of nests, the adaptive step-size coefficient alpha for Levy flights, temperature settings (SA) and Tabu List size and how these parameters affect the algorithm's performance.

The findings of this research suggest that while CS improved demonstrates competitive performance in simple instances of ITC-2007, there is significant room for further enhancement. Future research is recommended to integrate additional heuristic and metaheuristic techniques and fine-tune the algorithm to meet the requirements of modern timetabling problems.