本文就 “标准” 规划和相应的基准实例进行了教育时间表领域的研究成果调查，找到、评估和讨论了这些规划的主要特点、相关可用数据和最新的成果研究进展。
Jan, 2022
这篇文章提出了一种综合的蒙特卡洛树搜索（MCTS）计算框架，通过结合启发式方法、无监督学习方法和监督学习方法来解决离散动作空间中的单轨铁路列车时刻表问题（TTP）。
Nov, 2023
提出了一种新的统计假设检验方法来利用数据设计鲁棒优化的不确定集合，该方法灵活适用于各种领域，并且计算复杂度可行，理论和实践上都具有可靠性。操作研究领域的计算实验证明，当数据可用时，与传统的鲁棒优化技术相比，我们的数据驱动集合显著优于传统技术。
Dec, 2013
利用机器学习技术进行的实例空间分析为体育赛程安排提供了强大的洞察力，提出了一个算法选择系统，可以根据体育赛程问题实例的特征预测最佳算法，并识别了重要的特征以及改进算法的建议，最后评估了实例的经验难度。
Sep, 2023
本文研究预约服务的 Web 和移动应用程序，针对该类问题提出了带性能保证的新算法，并在纽约市卫生系统的预约数据上进行了测试。
May, 2018
通过设计模拟测试时间适应过程，本研究揭示了数据集和算法因素对 TTA 方法逐渐退化的影响，并提出了一种名为 PeTTA 的方法，通过平衡适应和防止模型崩溃两个主要目标来调整 TTA 的适应策略，在各种基准测试中证明了 PeTTA 在面对分散的 TTA 情景时的稳定性。
该研究论文提供了现有方法的综合分类和整合，建立了统一的评估基准，并阐明了端到端训练在不同场景下的改进情况及其表现不佳的背景。此外，还介绍了一个用于工业组合式广告问题的新数据集，以帮助更方便的评估和部署，鼓励在学术界和工业界进一步的改进。
本文提出了针对测试时间适应（TTA）的测试基准 TTAB，通过实验表明：在线批次依赖性使得选择适当的超参数尤其是选择模型极为困难，TTA 的有效性取决于模型的质量和属性，并且即使在最优算法条件下，现有方法也无法处理所有常见类型的分布转移，因此需要在更广泛的模型和转移集上进行严格评估和重新审视 TTA 的实证成功条件。
Jun, 2023
本文基于对 100 个决策问题数据集的回顾，发现许多问题具有关键性质和对应的决策策略，而采用多目标优化方法能够定量地进行投资决策。作者评估了这些性质的重要程度，得到了对应问题的信息量评分，使得在关键性质的指导下，决策问题的分析复杂度显著降低。
Jan, 2023
本文主要研究在共享内存平台下内存限制下数据分配和任务调度问题，提出了一个整数线性规划模型和基于禁忌搜索算法的可行解决方案，并在随机生成的实例上验证了该方法的有效性。
May, 2022