論文の概要: Meta-Heuristic Solutions to a Student Grouping Optimization Problem
faced in Higher Education Institutions
- arxiv url: http://arxiv.org/abs/2010.00499v1
- Date: Thu, 1 Oct 2020 15:44:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 08:10:26.294673
- Title: Meta-Heuristic Solutions to a Student Grouping Optimization Problem
faced in Higher Education Institutions
- Title（参考訳）: 高等教育機関が直面する学生グループ最適化問題に対するメタヒューリスティックな解決策
- Authors: Patrick Kenekayoro, Biralatei Fawei
- Abstract要約: NPハードであることが証明された組合せ問題は高等教育機関で直面している。
組織で直面しているNPハード問題の大部分は、学生やリソースをグループ化することである。
本研究は、学期成績の提示に学生をグループ化することを含む、実際の大学における最適化問題について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Combinatorial problems which have been proven to be NP-hard are faced in
Higher Education Institutions and researches have extensively investigated some
of the well-known combinatorial problems such as the timetabling and student
project allocation problems. However, NP-hard problems faced in Higher
Education Institutions are not only confined to these categories of
combinatorial problems. The majority of NP-hard problems faced in institutions
involve grouping students and/or resources, albeit with each problem having its
own unique set of constraints. Thus, it can be argued that techniques to solve
NP-hard problems in Higher Education Institutions can be transferred across the
different problem categories. As no method is guaranteed to outperform all
others in all problems, it is necessary to investigate heuristic techniques for
solving lesser-known problems in order to guide stakeholders or software
developers to the most appropriate algorithm for each unique class of NP-hard
problems faced in Higher Education Institutions. To this end, this study
described an optimization problem faced in a real university that involved
grouping students for the presentation of semester results. Ordering based
heuristics, genetic algorithm and the ant colony optimization algorithm
implemented in Python programming language were used to find feasible solutions
to this problem, with the ant colony optimization algorithm performing better
or equal in 75% of the test instances and the genetic algorithm producing
better or equal results in 38% of the test instances.
- Abstract（参考訳）: 高等教育機関や研究機関では、NPハードであることが証明された組合せ問題は、タイムタブルや学生プロジェクトアロケーション問題など、よく知られた組合せ問題を幅広く研究している。
しかし、高等教育機関が直面するNP-hard問題は、これらの組合せ問題に限ったものではない。
研究所で直面するnp-hard問題の大部分は、それぞれの問題に独自の制約があるにもかかわらず、学生やリソースをグループ化することである。
したがって、高等教育機関におけるNP-hard問題の解決手法は、異なる問題カテゴリにまたがって移行可能であると論じることができる。
すべての問題において他のすべての問題を上回る方法が保証されていないため、高等教育機関で直面するnp-hard問題ごとに、利害関係者やソフトウェア開発者が最も適切なアルゴリズムに導くために、あまり知られていない問題を解決するためのヒューリスティックな手法を検討する必要がある。
そこで本研究では,学期成績を提示するために学生をグループ化することを伴う実大学における最適化問題について述べる。
順序付けに基づくヒューリスティックス、遺伝的アルゴリズム、およびpythonで実装されたantコロニー最適化アルゴリズムは、この問題に対する実現可能な解決策を見つけるために用いられ、antコロニー最適化アルゴリズムはテストインスタンスの75%で良くも同等に動作し、遺伝子アルゴリズムはテストインスタンスの38%でより良い結果を生成する。
関連論文リスト
- Evaluating Genetic Algorithms through the Approximability Hierarchy [55.938644481736446]
本稿では,問題の近似クラスに依存する遺伝的アルゴリズムの有用性を解析する。
特に, 遺伝的アルゴリズムは階層の最も悲観的なクラスに特に有用であることを示す。
論文 参考訳（メタデータ） (2024-02-01T09:18:34Z) - A Hybrid Evolutionary Approach to Solve University Course Allocation
Problem [0.0]
本稿では,大学授業割当問題に関わる課題を克服するための様々な制約,難易度,解決策について論じる。
局所補修アルゴリズムと修正遺伝的アルゴリズムを組み合わせたハイブリッド進化アルゴリズムが定義されている。
論文 参考訳（メタデータ） (2022-11-15T09:43:02Z) - A socio-physics based hybrid metaheuristic for solving complex
non-convex constrained optimization problems [0.19662978733004596]
提案した制約付き最適化手法を批判的に検証する必要がある。
探索は、多数の線形制約と非型不等式を含むため、異なる。
最初のCIベースのアルゴリズムには、自己適応型ペナルティアプローチが組み込まれている。
第2のアルゴリズムはCI-SAPFと未来の参照特性を組み合わせたものである。
論文 参考訳（メタデータ） (2022-09-02T07:46:46Z) - A Constrained Optimization Approach to Bilevel Optimization with
Multiple Inner Minima [49.320758794766185]
そこで本研究では,両レベル問題を等価な制約付き最適化に変換する手法を提案する。
このようなアプローチには、(a)多重内極小問題への対処、(b)ジャコビアン計算のない完全一階効率など、いくつかの利点がある。
論文 参考訳（メタデータ） (2022-03-01T18:20:01Z) - Neyman-Pearson Multi-class Classification via Cost-sensitive Learning [15.574915079821473]
ローンデフォルトの予測では、異なるタイプのエラーがさまざまな結果をもたらす可能性がある。
この非対称性問題に対処するために、ネイマン・ピアソン(NP)パラダイムとコストセンシティブ(CS)パラダイムという2つの一般的なパラダイムが開発された。
我々は,強い双対性によるCS問題との接続を確立することで,マルチクラスNP問題に取り組み,2つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-08T16:09:39Z) - Algorithm Selection on a Meta Level [58.720142291102135]
本稿では,与えられたアルゴリズムセレクタの組み合わせに最適な方法を求めるメタアルゴリズム選択の問題を紹介する。
本稿では,メタアルゴリズム選択のための一般的な方法論フレームワークと,このフレームワークのインスタンス化として具体的な学習手法を提案する。
論文 参考訳（メタデータ） (2021-07-20T11:23:21Z) - An Overview and Experimental Study of Learning-based Optimization
Algorithms for Vehicle Routing Problem [49.04543375851723]
車両ルーティング問題(VRP)は典型的な離散最適化問題である。
多くの研究は、VRPを解決するための学習に基づく最適化アルゴリズムについて検討している。
本稿では、最近のこの分野の進歩を概観し、関連するアプローチをエンドツーエンドアプローチとステップバイステップアプローチに分割する。
論文 参考訳（メタデータ） (2021-07-15T02:13:03Z) - A Two-stage Framework and Reinforcement Learning-based Optimization
Algorithms for Complex Scheduling Problems [54.61091936472494]
本稿では、強化学習(RL)と従来の運用研究(OR)アルゴリズムを組み合わせた2段階のフレームワークを開発する。
スケジューリング問題は,有限マルコフ決定過程 (MDP) と混合整数計画過程 (mixed-integer programming process) の2段階で解決される。
その結果,本アルゴリズムは,アジャイルな地球観測衛星スケジューリング問題に対して,安定かつ効率的に十分なスケジューリング計画を得ることができた。
論文 参考訳（メタデータ） (2021-03-10T03:16:12Z) - Performance Analysis of Meta-heuristic Algorithms for a Quadratic
Assignment Problem [6.555180412600522]
二次代入問題 (QAP) はNPハード問題に属する最適化問題である。
ヒューリスティックスとメタヒューリスティックスアルゴリズムはこの問題の一般的な解法である。
本稿では,QAPの解法に異なるメタヒューリスティックアルゴリズムを適用するための比較研究の1つである。
論文 参考訳（メタデータ） (2020-07-29T15:02:07Z) - Quantum approximate algorithm for NP optimization problems with
constraints [12.294570891467604]
本稿では,異なる制約型を等式,線形不等式,任意の形式に定式化する。
そこで本研究では,NP最適化問題の解法としてQAOAフレームワークに適合する制約符号化方式を提案する。
提案手法の有効性と有効性を示す。
論文 参考訳（メタデータ） (2020-02-01T04:45:41Z) - Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。
我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
論文 参考訳（メタデータ） (2020-01-29T09:40:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。