Conference session scheduling by using modified ant colony algorithm

Abstract

Bu tez çalışmasında, konferans sunumlarını planlamaya yardımcı olabilecek güncellenmiş karınca kolonisi algoritması kullanan bir yazılım geliştirilmiştir. Konferanslarda en büyük problemlerden biri zaman yönetimidir ve yüzlerce sunumun programını el ile oluşturmak çok zaman alıcı ve zorlayıcı bir görevdir. Konferans programı planlarken neredeyse sonsuz sayıda olası tasarım bulunmaktadır. Program planlaması çok önemli bir konudur çünkü en yüksek kaliteli sunumlar bile kötü programlama dolayısı ile değerini yitirebilirler.Olası sunum oturumlarını hesaplayabilmek için ilk olarak karınca başarılı bir şekilde kullanılmıştır. Karınca kolonisi algoritması, sunum programı oluşturma konusunda başarılı idi, fakat performans ve esneklik konularında başarısızdı. Performans problemlerinden kurtulmak için karınca kolonisi algoritması güncelledik ve esneklik katmak için genetik algoritmasının bazı özellikleri örnek alındı.Sonuç olarak genel karınca kolonisi algoritmasına göre hem performansı hem de esnekliği daha yüksek spesifik ve odaklı bir sonuç elde edildi.

This study deals with the issue of automatizing the session schedules of conferences. One of the biggest concerns for many conferences is time management considering there are hundreds of presentations and doing the session scheduling manually is a time consuming and challenging operation.In planning the conference program, you can create an almost infinite number of possible designs. This is an important process because even high-quality sessions can lose their value if the program is not properly planned.To calculate the possible presentation schedules, we started using ant colony algorithm and successfully implemented the algorithm, which was successful for building session schedules but was lacking the performance and flexibility. To fight the performance issues the ant colony algorithm was modified, and to give it flexibility, some of the properties of genetic algorithm was imitated.In the end, both increasing the performance and flexibility of the generic ant colony algorithm was making it a bit more specific and focused.