Fugu-MT 論文翻訳(概要): Fuzzy Logic -- Based Scheduling System for Part-Time Workforce

論文の概要: Fuzzy Logic -- Based Scheduling System for Part-Time Workforce

arxiv url: http://arxiv.org/abs/2504.17805v1
Date: Mon, 21 Apr 2025 16:44:17 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-02 19:15:53.501302
Title: Fuzzy Logic -- Based Scheduling System for Part-Time Workforce
Title（参考訳）: ファジィ論理-パートタイムワークフォースのためのスケジューリングシステム
Authors: Tri Nguyen, Kelly Cohen,
Abstract要約: 本稿では,大学在勤アルバイトのスケジュールを効率的に作成するための遺伝的ファジィシステムの適用について検討する。本モデルでは,週の最大就業時間,就業時間,就業時間,就業時間,就業時間など,様々な要因を考慮し,実現可能なソリューションを生成する。その結果,運用基準を満たすスケジュール作成におけるアルゴリズムの効率性と,不飽和条件下でのロバスト性を示した。
参考スコア（独自算出の注目度）: 1.8072937486647043
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This paper explores the application of genetic fuzzy systems to efficiently generate schedules for a team of part-time student workers at a university. Given the preferred number of working hours and availability of employees, our model generates feasible solutions considering various factors, such as maximum weekly hours, required number of workers on duty, and the preferred number of working hours. The algorithm is trained and tested with availability data collected from students at the University of Cincinnati. The results demonstrate the algorithm's efficiency in producing schedules that meet operational criteria and its robustness in understaffed conditions.
Abstract（参考訳）: 本稿では,大学在勤アルバイトのスケジュールを効率的に作成するための遺伝的ファジィシステムの適用について検討する。従業員の就業時間と就業時間が望ましいことを踏まえ, 週最大就業時間, 就業時間, 就業時間など, 様々な要因を考慮し, 実現可能なソリューションが得られた。このアルゴリズムは、シンシナティ大学の学生が収集したアベイラビリティーデータをトレーニングし、テストする。その結果,運用基準を満たすスケジュール作成におけるアルゴリズムの効率性と,不飽和条件下でのロバスト性を示した。

関連論文リスト

Optimization of Worker Scheduling at Logistics Depots Using Genetic Algorithms and Simulated Annealing [12.052513851250467]
この研究は、0-1整数線形プログラミングモデルを確立することから始まる。目的関数は、時間労働の要求を満たすことを保証する一方で、個人日を最小化することを目的としている。最適解法は最低29857人日を明らかにする。
論文参考訳（メタデータ） (2024-05-20T02:21:01Z)
Dynamic Scheduling for Federated Edge Learning with Streaming Data [56.91063444859008]
我々は,長期的エネルギー制約のある分散エッジデバイスにおいて,トレーニングデータを時間とともにランダムに生成するフェデレーションエッジ学習(FEEL)システムを検討する。限られた通信リソースとレイテンシ要件のため、各イテレーションでローカルトレーニングプロセスに参加するのはデバイスのサブセットのみである。
論文参考訳（メタデータ） (2023-05-02T07:41:16Z)
A Reinforcement Learning-assisted Genetic Programming Algorithm for Team Formation Problem Considering Person-Job Matching [70.28786574064694]
解の質を高めるために強化学習支援遺伝的プログラミングアルゴリズム(RL-GP)を提案する。効率的な学習を通じて得られる超ヒューリスティックなルールは、プロジェクトチームを形成する際の意思決定支援として利用することができる。
論文参考訳（メタデータ） (2023-04-08T14:32:12Z)
Compactness Score: A Fast Filter Method for Unsupervised Feature Selection [66.84571085643928]
本稿では,CSUFS (Compactness Score) と呼ばれる高速な教師なし特徴選択手法を提案する。提案アルゴリズムは既存のアルゴリズムよりも正確で効率的である。
論文参考訳（メタデータ） (2022-01-31T13:01:37Z)
Apply Artificial Neural Network to Solving Manpower Scheduling Problem [15.848399017432262]
本稿では,マルチシフトマンパワースケジューリング問題を解決するために,ディープラーニングと組み合わせた新しいモデルを提案する。我々は,時系列に基づくニューラルネットワークトレーニング手法を用いて,長期・長期のスケジューリング課題を解決する。我々の研究は、ニューラルネットワークとディープラーニング戦略が、同様の問題を効果的に解決する可能性を示唆している。
論文参考訳（メタデータ） (2021-05-07T23:54:00Z)
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)
Optimal Task Assignment to Heterogeneous Federated Learning Devices [0.0]
本研究では,各デバイスがトレーニングに使用するデータ量を制御することにより,フェデレート学習ラウンドの期間を最小化する問題について検討する。 OLARというメイクタイムアルゴリズムを提案し、最適なスケジュールを提供することを示す。この結果から,OLARは少ない実行時間で最適解を提供することがわかった。
論文参考訳（メタデータ） (2020-10-01T07:58:48Z)
Computer-Aided Generation of N-shift RWS [0.0]
回転労働スケジュールを作成するための従来の方法は、連続した勤務日数シフトのシーケンスの長さを定義することであった。この方法では、アルゴリズムがスケジュール作成者からの入力(または制約)を考慮に入れ、可能な解決策を提示する。次に、スケジュール作成者は、最終スケジュールを構築してエクスポートする第2フェーズで、どのソリューションを最も実行可能かを選択することができる。
論文参考訳（メタデータ） (2020-09-11T18:56:20Z)
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)
Data-driven Algorithm for Scheduling with Total Tardiness [0.6606016007748989]
本稿では,古典的なNP-Hard単一マシンスケジューリング問題に対するディープラーニングの適用について検討する。我々は、与えられたジョブセットの基準を学習し、予測するディープニューラルネットワークを含む回帰器を設計した。データ駆動型アプローチは、トレーニングフェーズからかなり大きなインスタンスへの情報を効率的に一般化することができます。
論文参考訳（メタデータ） (2020-05-12T07:16:43Z)
Hierarchical Reinforcement Learning as a Model of Human Task Interleaving [60.95424607008241]
我々は、強化学習によって駆動される監督制御の階層モデルを開発する。このモデルは、タスクインターリービングの既知の経験的効果を再現する。その結果、階層的RLがタスクインターリービングのもっともらしいモデルとして支持された。
論文参考訳（メタデータ） (2020-01-04T17:53:28Z)

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。