[pt] ALOK: ALOCAÇÃO AUTOMÁTICA DE SALAS DE AULA COM AUXÍLIO DE ALGORITMOS GENÉTICOS

[en] ALOK: AUTOMATIC CLASSROOM ALLOCATION WITH THE AID OF GENETIC ALGORITHMS

[pt] BRUNO MESSEDER DOS ANJOS

[pt] ALGORITMO GENETICO

[pt] ALOCACAO DE SALAS

[pt] PYTHON

[pt] INTELIGENCIA ARTIFICIAL

[pt] OTIMIZACAO

[en] GENETIC ALGORITHM

[en] ROOM ALLOCATION

[en] PYTHON

[en] ARTIFICIAL INTELLIGENCE

[en] OPTIMIZATION

[pt] Este projeto tem o intuito de automatizar a alocação de salas de aula para as disciplinas da Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio). A motivação para o desenvolvimento deste sistema advém da complexidade e da carga de trabalho envolvida no processo manual atualmente realizado pelos departamentos e pela Coordenação Central de Graduação (CCG), que precisa alocar aproximadamente 4500 disciplinas a cada semestre. Esse processo manual é repetitivo, suscetível a erros e consome um tempo considerável dos profissionais envolvidos, o que impacta negativamente a eficiência e a precisão da alocação das salas. O software desenvolvido em Python utiliza Algoritmos Genéticos (AG), uma metaheurística de Inteligência Artificial, para encontrar uma alocação otimizada, levando em consideração requisitos e preferências de cada disciplina, como o número de vagas ofertadas e prédios e andares preferenciais. A utilização de AG no software desenvolvido é uma escolha estratégica, pois essa técnica de otimização é capaz de lidar com múltiplas restrições e preferências simultaneamente. Isso inclui considerar o número de vagas ofertadas por cada disciplina, as preferências por prédios e andares específicos, e a necessidade de recursos adicionais nas salas, como computadores. As vantagens da automação desse processo são numerosas. Primeiramente, a eficiência é significativamente aumentada, liberando os departamentos e a CCG do fardo do trabalho manual e permitindo que esses recursos humanos sejam alocados para tarefas mais estratégicas e intelectualmente desafiadoras. Em segundo lugar, a precisão na alocação das salas é aprimorada, uma vez que o algoritmo pode considerar um maior número de variáveis, que seria impraticável manualmente. O sistema desenvolvido é implementado em Python e pode ser executado em servidores web, acessível através de qualquer navegador. O software pode realizar a alocação de forma integral ou parcial, adaptando-se às necessidades específicas dos departamentos. Os testes realizados com dados reais de semestres anteriores demonstram que o sistema atende às expectativas dos departamentos e da CCG, proporcionando uma solução eficiente e precisa para o problema da alocação de salas de aula.

[en] This project aims to automate the allocation of classrooms for the disciplines at the Pontifical Catholic University of Rio de Janeiro (PUC-Rio). The motivation for developing this system arises from the complexity and workload involved in the current manual process carried out by the departments and the Central Graduation Coordination (CCG), which needs to allocate approximately 4500 disciplines each semester. This manual process is repetitive, error-prone, and consumes a considerable amount of the professionals time, negatively impacting the efficiency and accuracy of classroom allocation. The software developed in Python uses Genetic Algorithms (GA), an Artificial Intelligence metaheuristic, to find an optimized allocation, taking into account the requirements and preferences of each discipline, such as the number of offered seats and preferred buildings and floors. The use of GA in the developed software is a strategic choice, as this optimization technique can handle multiple constraints and preferences simultaneously. This includes considering the number of seats offered by each discipline, preferences for specific buildings and floors, and the need for additional resources in the rooms, such as computers. The advantages of automating this process are numerous. Firstly, efficiency is significantly increased, freeing the departments and CCG from the burden of manual work and allowing these human resources to be allocated to more strategic and intellectually challenging tasks. Secondly, the accuracy of classroom allocation is enhanced, as the algorithm can consider a greater number of variables, which would be impractical manually. The developed system is implemented in Python and can be run on web servers, accessible through any browser. The software can perform the allocation in either a full or partial manner, adapting to the specific needs of the departments. Tests conducted with real data from previous semesters demonstrate that the system meets the expectations of the departments and CCG, providing an efficient and accurate solution to the problem of classroom allocation.

MARCO AURELIO CAVALCANTI PACHECO

MANOELA RABELLO KOHLER

2024-09-05

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=67874@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=67874@2

https://doi.org/10.17771/PUCRio.acad.67874