Op een zondagnamiddag stapt een badmintonploeg uit Tessenderlo in de auto voor een uitwedstrijd. Ze rijdt gemiddeld 252 kilometer per verplaatsing, het meeste van alle Vlaamse badmintonploegen. Voor amateurs die alles uit eigen zak betalen, is dat veel tijd, benzine en ergernis. Toch kan het anders. Door de competitie wiskundig te herdenken en een ander format te gebruiken, kunnen de Vlaamse badmintonclubs samen bijna een vijfde minder kilometers rijden, zonder één wedstrijd minder te spelen. Minder rijden, evenveel sport, en meteen ook minder uitstoot.

Elk seizoen plant Badminton Vlaanderen de wedstrijden voor meer dan 300 ploegen. Voor elke ploeg moet niet alleen vastliggen wie de tegenstanders zijn, maar ook wanneer en waar die wedstrijden gespeeld worden. En daarbij gelden veel voorwaarden tegelijk. In elke zaal moeten genoeg terreinen vrij zijn voor alle wedstrijden die er tegelijk doorgaan, en elke ploeg speelt hooguit één keer per week. Ploegen van dezelfde club worden zo veel mogelijk uit elkaar gehouden, en je probeert te vermijden dat een ploeg te veel keer na elkaar thuis of op verplaatsing speelt. Dat zijn nog maar enkele van de regels: ook op feestdagen, tijdens eigen clubtornooien en in de periode tussen Kerst en Nieuwjaar spelen ploegen liever niet.
Het resultaat is een enorme puzzel. Een geldige kalender vinden die aan al die basisvoorwaarden voldoet is op zich al een uitdaging. De vraag van dit onderzoek ging nog een stap verder: kan daarbovenop ook de reisafstand voor de ploegen omlaag?
Die puzzel werd vertaald naar een wiskundig model. Zo'n model legt in precieze taal vast aan welke voorwaarden een kalender moet voldoen en wat je ermee wil bereiken. Een gespecialiseerd programma doorzoekt vervolgens het gigantische aantal mogelijke kalenders en geeft de beste terug die alle voorwaarden respecteert. Wat "de beste" kalender is, bepaal je zelf. In dit onderzoek was dat dus vooral: zo weinig mogelijk reizen.
Het onderzoek hield in eerste instantie vast aan de huidige competitieopzet van Badminton Vlaanderen, maar probeerde die beter te plannen. Eerst worden ploegen opgedeeld in groepen, waarin elke ploeg twee keer tegen elke andere ploeg in de groep speelt. Door ploegen die dicht bij elkaar liggen slim te groeperen, daalt de reisafstand meteen. Daarna komt de kalender zelf: wie speelt wanneer en waar, met minder wedstrijden op ongewenste momenten en een evenwichtiger verloop over het seizoen.
Alleen al door de groepen slimmer samen te stellen, zonder iets aan het competitieformat te veranderen, verdwijnt ruim 11 procent van alle reiskilometers. Voor de betrokken reeksen samen is dat bijna 12.000 kilometer per seizoen.
Een meer drastische aanpak was om een heel ander competitieformat te onderzoeken. In dat nieuwe format vervalt de opsplitsing in groepen: alle ploegen van hetzelfde niveau komen samen in één grote reeks, en elke ploeg speelt daaruit enkel tegen een selectie tegenstanders, bij voorkeur de dichtstbijzijnde. Ze speelt even veel wedstrijden als vroeger, maar dichter bij huis. Dat laatste bleek veruit de grootste besparing op te leveren, en dat komt door de extra vrijheid die het de computer geeft.
In een vaste groep speelt iedereen tegen iedereen. Neem een ploeg uit Mechelen, met tegenstanders uit Antwerpen en uit Leuven. Voor Mechelen is dat allebei een korte rit, maar Antwerpen en Leuven moeten dan ook tegen elkaar, en die liggen bijna het dubbele uit elkaar. Zo'n verre, verplichte match raak je nooit helemaal kwijt, hoe slim je de groepen ook samenstelt. In het nieuwe format kies je voor elke ploeg afzonderlijk haar dichtstbijzijnde tegenstanders. Zo krijgt elke ploeg als het ware haar eigen ideale groep, in plaats van één compromis voor iedereen.

Combineer je die vrijheid met de slimmere indeling, dan rijden de clubs samen bijna 21.000 kilometer minder per seizoen. Dat is meer dan een halve rit rond de aarde, elk jaar opnieuw uitgespaard.
Voor sommige ploegen is het verschil spectaculair. De ploeg uit Tessenderlo, goed voor gemiddeld 252 kilometer per uitwedstrijd, ziet die afstand meer dan halveren tot 119 kilometer. En dat terwijl ze even veel wedstrijden blijft spelen.
Dit idee is minder vergezocht dan het klinkt, want ook het voetbal stapte er onlangs op over. Vroeger speelde elke club in de UEFA Champions League enkel tegen de andere clubs uit haar poule van 4. Sinds 2024 zit de hele competitie in één grote rangschikking, en speelt elke club tegen een wisselende selectie tegenstanders. Het voetbal deed dat om een andere reden dan reisafstand: meer verschillende affiches en topmatchen, en dus meer spektakel voor de fans. Wel wordt er, net als in het model uit dit onderzoek, rekening gehouden met de sterkte van de ploegen, zodat het toch eerlijk blijft.
Want dat is meteen de belangrijkste vraag: blijft zo'n competitie wel eerlijk? Als niet iedereen meer dezelfde tegenstanders krijgt, mag de ene ploeg geen veel zwaardere reeks trekken dan de andere. Daarom werkt het model met ploegindexen, afgeleid uit de ranking van de spelers in elk team. Zo treft elke ploeg tegenstanders van een vergelijkbaar niveau, en blijft de sportieve kant overeind terwijl de kilometers dalen.
Voorlopig blijft het bij onderzoek: voor het seizoen 2026-2027 verandert er nog niets aan de kalender. Binnenkort worden de resultaten voorgesteld aan de technische commissie van Badminton Vlaanderen, die dan beslist wat ze ervan overneemt.
"Soms ligt de kortste weg naar een beter seizoen gewoon in de wiskunde"
Het mooie is dat deze aanpak niet bij badminton hoeft te stoppen. Ook in sporten als volleybal of tafeltennis rijden ploegen naar elkaars zaal, en duikt dus dezelfde vraag op: hoe beperk je de kilometers?
En dat raakt aan iets groters dan sport alleen. Minder nodeloze ritten betekent lagere kosten, minder tijd verloren op de baan en minder uitstoot. In een tijd waarin elke bespaarde kilometer telt, laat dit onderzoek zien dat slimme planning en gezond verstand hand in hand gaan.
Ariyaratne, M. K. A., & Silva, R. M. (2022). Meta-heuristics meet sports: a systematic review from the viewpoint of nature inspired algorithms. International Journal of Computer Science in Sport, 21(1), 49–92.
Badminton Vlaanderen. (2024). Jaarverslagen - Badminton Vlaanderen. https://www.badmintonvlaanderen.be/page/38896/Jaarverslagen
Badminton Vlaanderen. (2025). C320 competitiereglement Vlaamse en provinciale competities. https://www.badmintonvlaanderen.be/file/970526/?dl=1
Badminton World Federation. (2025). BWF Annual Report 2024. https://extranet.bwf.sport/docs/document-system/81/82/1695/BWF%20Annual…
Casier, J. (2025). Input voor planning. Badminton Vlaanderen.
Csató, L. (2021). Coronavirus and sports leagues: Obtaining a fair ranking when the season cannot resume. IMA Journal of Management Mathematics, 32(4), 547–560.
de Werra, D. (1981). Scheduling in sports. In P. Hansen (Ed.), Studies on Graphs and Discrete Programming (pp. 381–395). North-Holland.
de Werra, D., Urrutia, S., & Assunção, L. (2025). Minimizing breaks in incomplete round-robin tournaments. Procedia Computer Science, 273, 94–101.
Devriesere, K., & Goossens, D. (2025). Redesigning Belgian Youth Field Hockey Competitions Using an Incomplete Round-Robin Tournament. INFORMS Journal on Applied Analytics, 55(6), 457–468.
Drexl, A., & Knust, S. (2007). Sports league scheduling: Graph- and resource-based models. Omega, 35(5), 465–471.
Fronček, D. (2013). Handicap distance antimagic graphs and incomplete tournaments. AKCE International Journal of Graphs and Combinatorics, 10(2), 119–127.
Goossens, D. (2018). Optimization in sports league scheduling: experiences from the Belgian Pro League soccer. In G. H. Parlier, F. Liberatore, & M. Demange (Eds.), Operations Research and Enterprise Systems (pp. 3–19). Springer.
Goossens, D., & Spieksma, F. (2012a). Soccer schedules in Europe: An overview. Journal of Scheduling, 15(5), 641–651.
Goossens, D., & Spieksma, F. (2012b). The carry-over effect does not influence football results. Journal of Sports Economics, 13(3), 288–305.
Haimes, Y. (1971). On a Bicriterion Formulation of the Problems of Integrated System Identification and System Optimization. IEEE Transactions on Systems, Man, and Cybernetics, 1(3), 296–297.
Kendall, G., Knust, S., Ribeiro, C. C., & Urrutia, S. (2010). Scheduling in sports: An annotated bibliography. Computers and Operations Research, 37(1), 1–19.
Knust, S. (2010). Scheduling non-professional table-tennis leagues. European Journal of Operational Research, 200(2), 358–367.
Lambrechts, E., Ficker, A. M. C., Goossens, D., & Spieksma, F. (2018). Round-robin tournaments generated by the Circle Method have maximum carry-over. Mathematical Programming, 172(1–2), 277–302.
Li, M. (2024). Multi-league sports scheduling: design, mathematical models and algorithms [Doctoral Dissertation]. Ghent University.
Li, M., Davari, M., & Goossens, D. (2023). Multi-league sports scheduling with different leagues sizes. European Journal of Operational Research, 307(1), 313–327.
Li, M., & Goossens, D. (2025). Grouping and scheduling multiple sports leagues: an integrated approach. Journal of the Operational Research Society, 76(4), 739–757.
Li, M., Van Bulck, D., & Goossens, D. (2025). Beyond leagues: A single incomplete round robin tournament for multi-league sports timetabling. European Journal of Operational Research, 323(1), 208–223.
Nemhauser, G. L., & Trick, M. A. (1998). Scheduling a major college basketball conference. Operations Research, 46(1), 1–8.
Nurmi, K., Goossens, D., Bartsch, T., Bonomo, F., Briskorn, D., Duran, G., Kyngäs, J., Marenco, J., Ribeiro, C., Spieksma, F., Urrutia, S., & Wolf, R. (2010). A framework for a highly constrained sports scheduling problem. Proceedings of the International MultiConference of Engineers and Computer Scientists, 1991–1997.
Nurmi, K., Kyngäs, J., Goossens, D., & Kyngäs, N. (2015). Scheduling The Finnish Major Ice Hockey League Using The PEAST Algorithm. In G.-C. Yang, S.-I. Ao, X. Huang, & O. Castillo (Eds.), Transactions on Engineering Technologies (pp. 155–168). Springer.
Ribeiro, C. C. (2012). Sports scheduling: Problems and applications. International Transactions in Operational Research, 19(1–2), 201–226.
Schönberger, J. (2015). Scheduling of Sport League Systems with Inter-League Constraints (Discussion Papers No. 2/2015, Technische Universität Dresden).
Schönberger, J., Mattfeld, D. C., & Kopfer, H. (2004). Memetic Algorithm timetabling for non-commercial sport leagues. European Journal of Operational Research, 153(1), 102–116.
Swaenepoel, L. (2023). Planning a Provincial Badminton Competition: a Multi-League Timetabling Problem [Thesis]. Ghent University.
Toffolo, T. A. M., Christiaens, J., Spieksma, F., & Vanden Berghe, G. (2019). The sport teams grouping problem. Annals of Operations Research, 275(1), 223–243.
Van Bulck, D., & Goossens, D. (2021). Relax-fix-optimize heuristics for time-relaxed sports timetabling. INFOR: Information Systems and Operational Research, 59(4), 623–638.
Van Bulck, D., Goossens, D., Schönberger, J., & Guajardo, M. (2020). RobinX: A three-field classification and unified data format for round-robin sports timetabling. European Journal of Operational Research, 280(2), 568–580.
Wright, M. (2018). Scheduling an amateur cricket league over a 9-year period. Journal of the Operational Research Society, 69(11), 1854–1862.
Yi, X. (2021). Dealing with uncertainty in round robin sports scheduling. 4OR, 19(4), 635–636.