De onmisbare rol van roosters in onze economie en samenleving wordt bevestigd door het belang van les- en examenroosters aan universiteiten, dienstroosters in ziekenhuizen, en logistieke roosters in havens. Het opstellen van deze roosters is een complex optimalisatieprobleem waarbij men rekening dient te houden met een groot aantal wensen. De keuze van een geschikt roosteralgoritme is echter allesbehalve triviaal aangezien een algoritme moet gekozen worden lang voordat concrete data voorhanden is. Op het moment van de beslissing is enkel een generieke beschrijving van de beperkingen bekend die zich waarschijnlijk zullen voordoen tijdens de ingebruikname van het algoritme. Ondanks het belang van een geschikte keuze, stellen we vast dat roosteralgoritmen nog steeds ad hoc gekozen worden, wat dan ook leidt tot gebrekkige roosters. Dit project pakt deze kenniskloof aan door de ontwikkeling van een roosteralgoritme aanbevelingssysteem, AutoTime, dat het meest geschikte algoritme voorstelt op basis van de aanwezige beperkingen. Deze aanbevelingen zullen resulteren in nieuwe inzichten met betrekking tot wanneer, en vooral waarom, sommige algoritmen beter presteren dan andere. Daarnaast stellen we een methode voor om de diversiteit van bestaande archieven van probleeminstanties in kaart te brengen wat betreft de aanwezige beperkingen. Bovendien tonen we aan hoe probleeminstanties te genereren voor realistische combinaties van beperkingen die niet voorkomen in de literatuur.