مسائل زمان بندی از جمله مسائل پرکاربرد در زندگی روزمره ما می باشند. یک نمونه از مسائل زمان-بندی، برنامه ریزی دروس دانشگاهی است که هر نیم سال در آموزش دانشگاه انجام می شود. تنوع محدودیت ها در این مسأله باعث می شود برنامه ریزی در دانشکده های مختلف به گونه های متفاوتی انجام شود. برای این منظور روش های متنوعی ارائه شده است. به طور معمول به علت وجود متغیرهای غیرقطعی، این گونه مسائل، جزو مسائل np-hard شناخته می شوند و روش حل کلاسیک آن ها مستلزم جستجوی کامل در دامنه جواب های امکان پذیر است، که برای حل مسائل واقعی کارا نمی باشد. به همین دلیل روش های جستجوی تصادفی، مثل الگوریتم های تکاملی می توانند روش های موثری برای حل این گونه مسائل باشند. در این مکتوب، یک مسأله زمان بندی واقعی مطرح شده و برای حل آن یک روش مبتنی بر آتوماتای سلولی بهبود یافته که از یک همسایگی ابتکاری به عنوان رویه جستجوی محلی خود استفاده می کند، مورد بررسی قرار می گیرد. منظور از همسایگی ابتکاری، استفاده از یک همسایگی پیشنهادی جدید برای کاهش تعداد نقض محدودیت ها می باشد. همچنین چندین روش برای فرار از بهینه های محلی پیشنهاد و پیاده سازی شده است. کارآمدی این روش در مقایسه با برخی روش های جدید، با توجه به نتایج به دست آمده بر روی داده های استاندارد، نشان داده شده است. ضمنا الگوریتم پیشنهادی در نرم افزار متلب پیاده سازی شد و بر روی داده های واقعی مربوط به نیم سال اول سال تحصیلی 92-93 دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی مورد آزمایش قرارگرفت. مقایسه ی نتایج حاصل از این روش با روش انجام شده به صورت دستی بر روی داده های واقعی نشان دهنده ی برتری این روش می باشد.