Details

Рассматривается задача автоматизированного составления учебных расписаний для образовательного учреждения – от формализации постановки до экспериментальной проверки на реальных данных. Разработанная система развёрнута как веб-сервис с клиент-серверной архитектурой и поддерживает многопользовательский доступ, асинхронную обработку задач и ролевое разграничение прав (FastAPI, Angular 17, PostgreSQL, Redis, Keycloak). Алгоритмическое ядро объединяет жадный конструктор с лучевым поиском, генетический алгоритм и локальный поиск: три стратегии генерации выполняются параллельно, итоговое расписание отбирается по упорядоченному вектору штрафов за жёсткие и мягкие ограничения. Последовательно решены задачи проектирования архитектуры системы и штрафной функции, реализации алгоритмов и REST API с веб-интерфейсом. Тестирование охватило 34 модульных тест-кейса. На реальном наборе (505 занятий) режим dataset в среднем за 890 с устраняет жёсткие нарушения и снижает мягкий штраф на 44% относительно quick (средние значения по 10 независимым запускам). Основные результаты представлены на конференции СПбПУ (апрель 2026 г.).

The work addresses automated course scheduling for an educational institution, from problem formalization through experimental evaluation on real-world data. The system is deployed as a web service with client-server architecture; it supports concurrent multi-user access, asynchronous task processing, and role-based access control (FastAPI, Angular 17, PostgreSQL, Redis, Keycloak). The algorithmic core combines a greedy constructor with Beam Search, a genetic algorithm, and local search – all three generation strategies execute in parallel, with the final schedule selected according to a lexicographically ordered penalty vector for hard and soft constraint violations. The system architecture, penalty function, scheduling algorithms, and a REST API with a web interface were all implemented and verified across 34 unit test cases. On a real dataset of 505 lessons, dataset mode resolved all hard constraint violations and cut the soft penalty by 44% compared to quick mode, averaging 890 s per run (10 independent runs). Key results were presented at the SPbPU conference in April 2026.