論文の概要: A Constraint Programming Approach to Fair High School Course Scheduling

• arxiv url: http://arxiv.org/abs/2408.12032v1
• Date: Wed, 21 Aug 2024 23:14:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-23 15:43:40.006231
• Title: A Constraint Programming Approach to Fair High School Course Scheduling
• Title（参考訳）: 公正な高校課程スケジューリングのための制約プログラミング手法
• Authors: Mitsuka Kiyohara, Masakazu Ishihata,
• Abstract要約: 近年、学生の人口増加やコース多様性の増大に伴い、学生はコーススケジューリング法が不公平であると感じている。 本研究では,学生の選好に基づいて,実行可能で公平な授業スケジュールを生成する手法を開発した。 その結果,本アルゴリズムは実行可能かつ公平なスケジュールを生成することができることがわかった。
• 参考スコア（独自算出の注目度）: 1.749521391198341
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Issues of inequity in U.S. high schools' course scheduling did not previously exist. However, in recent years, with the increase in student population and course variety, students perceive that the course scheduling method is unfair. Current integer programming (IP) methods to the high school scheduling problem (HSSP) fall short in addressing these fairness concerns. The purpose of this research is to develop a solution methodology that generates feasible and fair course schedules using student preferences. Utilizing principles of fairness, which have been well studied in market design, we define the fair high school scheduling problem (FHSSP), a novel extension to the HSSP, and devise a corresponding algorithm based on integer programming to solve the FHSSP. We test our approach on a real course request dataset from a high school in California, USA. Results show that our algorithm can generate schedules that are both feasible and fair. In this paper, we demonstrate that our IP algorithm not only solves the HSSP and FHSSP in the United States but has the potential to be applied to various real-world scheduling problems. Additionally, we show the feasibility of integrating human emotions into mathematical modeling.
• Abstract（参考訳）: 合衆国の高校の授業スケジュールの不平等に関する問題は、これまで存在しなかった。 しかし,近年,学生数やコースの多様性の増大に伴い,コーススケジューリング法が不公平であるとの認識が高まっている。 高校スケジューリング問題(HSSP)に対する現在の整数プログラミング(IP)手法は、これらの公平性に対処するには不十分である。 本研究の目的は,学生の好みを利用して,実現可能で公平な授業スケジュールを生成する手法を開発することである。 市場設計でよく研究されている公正性の原理を利用して、HSSPの新たな拡張であるフェアスクールスケジューリング問題(FHSSP)を定義し、FHSSPを解くための整数プログラミングに基づく対応するアルゴリズムを考案する。 我々は,米国カリフォルニア州の高校における実学要求データセットを用いて,本手法を検証した。 その結果,本アルゴリズムは実行可能かつ公平なスケジュールを生成することができることがわかった。 本稿では,我々のIPアルゴリズムが米国におけるHSSPとFHSSPを解くだけでなく,様々な実世界のスケジューリング問題に適用できる可能性を実証する。 さらに,人間の感情を数学的モデリングに組み込むことの可能性を示した。

関連論文リスト

• The Practimum-Optimum Algorithm for Manufacturing Scheduling: A Paradigm Shift Leading to Breakthroughs in Scale and Performance [0.0]
  Practimum-Optimum (P-O)アルゴリズムは、自動最適化製品の開発におけるパラダイムシフトを表している。 それらをアルゴリズムにコンピュータ化することにより、P-Oは人間のスケジューラよりもはるかに高速で多くの有効なスケジュールを生成する。 P-OアルゴリズムはPlatene Schedulerの中心であり、1クリックで3万～5万のタスクを実生活の複雑な製造作業にスケジュールする。
  論文  参考訳（メタデータ） (2024-08-19T14:32:21Z)
• Differentiable Combinatorial Scheduling at Scale [18.09256072039255]
  本稿では,Gumbel-Softmax微分可能なサンプリング手法を用いて,微分可能なスケジューリングフレームワークを提案する。 スケジューリングタスクの不等式制約をエンコードするために,任意の不等式制約を積極的にエンコードするテキスト制約付きGumbel Trickを導入する。 本手法は, トレーニングデータを必要とせずに, 勾配降下による効率よく, スケーラブルなスケジューリングを容易にする。
  論文  参考訳（メタデータ） (2024-06-06T02:09:39Z)
• The Road Less Scheduled [45.01813613035411]
  最適化停止ステップTの仕様を必要としない既存の学習率スケジュールは、Tに依存する学習率スケジュールにより大幅に改善される。 本稿では,スケジュールを全面的に活用することで,この停止時間を回避するアプローチを提案する。 我々のスケジュール自由アプローチは運動量を持つ標準スケジュールに余分なハイパーパラメータを導入しない。
  論文  参考訳（メタデータ） (2024-05-24T16:20:46Z)
• Learning to Optimize Permutation Flow Shop Scheduling via Graph-based Imitation Learning [70.65666982566655]
  置換フローショップスケジューリング(PFSS)は製造業で広く使われている。 我々は,より安定かつ正確に収束を加速する専門家主導の模倣学習を通じてモデルを訓練することを提案する。 我々のモデルのネットワークパラメータはわずか37%に減少し、エキスパートソリューションに対する我々のモデルの解のギャップは平均6.8%から1.3%に減少する。
  論文  参考訳（メタデータ） (2022-10-31T09:46:26Z)
• Planning Courses for Student Success at the American College of Greece [0.0]
  我々は、ギリシャのアメリカン・カレッジ・オブ・ギリシャの学生が研究を完了するために必要となるコースのスケジュールを最適化する問題をモデル化する。 結果のスケジュールを最適化する目的として,最速の完了時間,コース難易度バランスなど,いくつかの異なる目標を定式化します。 我々は,機械学習とデータマイニングの手法を用いて,受講生が受講生に期待する成績を捉えた。
  論文  参考訳（メタデータ） (2022-06-16T10:19:37Z)
• Better than the Best: Gradient-based Improper Reinforcement Learning for Network Scheduling [60.48359567964899]
  パケット遅延を最小限に抑えるため,制約付き待ち行列ネットワークにおけるスケジューリングの問題を考える。 我々は、利用可能な原子ポリシーよりも優れたスケジューラを生成するポリシー勾配に基づく強化学習アルゴリズムを使用する。
  論文  参考訳（メタデータ） (2021-05-01T10:18:34Z)
• 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)
• Automated Large-scale Class Scheduling in MiniZinc [0.0]
  本稿では,典型的な大学のニーズをすべて満たすことのできる授業スケジュールを効率的に作成するシステムを提案する。 提案システムでは,中等教育機関のスケジュールを1分以内で把握することができる。
  論文  参考訳（メタデータ） (2020-11-15T12:02:52Z)
• Policy Gradient for Continuing Tasks in Non-stationary Markov Decision Processes [112.38662246621969]
  強化学習は、マルコフ決定プロセスにおいて期待される累積報酬を最大化するポリシーを見つけることの問題を考える。 我々は、ポリシーを更新するために上昇方向として使用する値関数の偏りのないナビゲーション勾配を計算する。 ポリシー勾配型アルゴリズムの大きな欠点は、定常性の仮定が課せられない限り、それらがエピソジックなタスクに限定されていることである。
  論文  参考訳（メタデータ） (2020-10-16T15:15:42Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。