論文の概要: Use of a genetic algorithm in university scheduling for equitable and efficient determination of teaching assignments
- arxiv url: http://arxiv.org/abs/2509.06981v1
- Date: Sun, 31 Aug 2025 18:06:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-10 14:38:26.99539
- Title: Use of a genetic algorithm in university scheduling for equitable and efficient determination of teaching assignments
- Title（参考訳）: 大学スケジューリングにおける遺伝的アルゴリズムを用いた授業課題の公平かつ効率的な決定
- Authors: Tom Bensky, Karl Saunders,
- Abstract要約: このアルゴリズムは、教授とクラスの列挙されたリストのペアリングを符号化する染色体によって駆動される。
このペアリングの適合度は、契約作業制約と個別の指導条件の両方を考慮して測定される。
全体としては、通常は数分で収束でき、必要なクラスの90%以上を割り当てることができるので、アルゴリズムに非常に満足しています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Here a genetic algorithm (GA) is presented that creates a teaching schedule for a university physics department by algorithmically assigning ${\sim}200$ classes to ${\sim}50$ professors for each of three academic terms per year. The algorithm is driven by chromosomes of the GA that encode proposed pairings between enumerated lists of professors and classes. The fitness of the pairings is measured by considering both contractual work constraints and individual teaching preferences. The algorithm uses standard crossover and mutation operations to seek ever more optimal schedules over many generations. Here we detail the implementation and performance of the algorithm, including some interpretability findings. Overall, we are very pleased with the algorithm, as it is typically able to converge within minutes, with over $90\%$ of needed classes assigned. A metric is used to assign each professor's schedule a score, which measures how well their preferences were satisfied. These scores can be used to ensure longitudinal equity in the assignment of classes among professors.
- Abstract（参考訳）: ここでは、毎年3つの学術用語のそれぞれに対して、${\sim}200$クラスを${\sim}50$教授にアルゴリズム的に割り当てることで、大学物理学部の教育スケジュールを作成する遺伝的アルゴリズム(GA)が提示される。
このアルゴリズムは、教授とクラスの列挙されたリストのペアリングを符号化するGAの染色体によって駆動される。
このペアリングの適合度は、契約上の作業制約と個別の指導条件の両方を考慮して測定される。
このアルゴリズムは、標準的なクロスオーバーと突然変異操作を使用して、より最適なスケジュールを何世代にもわたって探している。
本稿では,アルゴリズムの実装と性能について詳述する。
全体として、我々はアルゴリズムに非常に満足しており、通常は数分で収束でき、90\%以上の必要なクラスが割り当てられている。
測定基準は各教授のスケジュールにスコアを割り当て、彼らの好みがどの程度満足しているかを測定する。
これらのスコアは、教授間の授業の割り当てにおける時間的公平性を確保するために使用することができる。
関連論文リスト
- A General Online Algorithm for Optimizing Complex Performance Metrics [5.726378955570775]
我々は,バイナリ,マルチクラス,マルチラベルの分類問題において,様々な複雑なパフォーマンス指標を用いて,直接的に使用可能な汎用オンラインアルゴリズムを導入,分析する。
アルゴリズムの更新と予測のルールは、過去のデータを保存することなく、非常にシンプルで計算的に効率的である。
論文 参考訳（メタデータ） (2024-06-20T21:24:47Z) - Efficient Algorithms for Recognizing Weighted Tree-Adjoining Languages [104.90415092306219]
4つの形式は、ツリー随伴文法(TAG)、線形指数文法(LIG)、プッシュダウン随伴オートマトン(PAA)、組込みプッシュダウンオートマトン(EPDA)に相当する。
我々は,文字列の導出量(文字列のすべてのオートマトン重み)と全導出量(全ての導出量重み)を計算するための新しいアルゴリズムを設計する。
EPDA の場合、我々のアルゴリズムは、$mathcalO(|Gamma|2)$ および $ の因子による Alonso et al. (2001) のアルゴリズムよりも空間効率と時間効率が良い。
論文 参考訳（メタデータ） (2023-10-23T18:26:00Z) - Regularization-Based Methods for Ordinal Quantification [49.606912965922504]
順序の場合、すなわち n>2 クラスの集合上で全順序が定義される場合について研究する。
本稿では,従来のアルゴリズムよりも優れた正規化OQアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-13T16:04:06Z) - Streaming Algorithms for Learning with Experts: Deterministic Versus
Robust [62.98860182111096]
エキスパート問題を伴うオンライン学習では、アルゴリズムは、T$day(または時間)ごとに結果を予測する必要がある。
目標は最小限のコストで予測を行うことだ。
最良専門家が$M$の誤りを犯したとき、後悔する$R$を達成するような決定論的アルゴリズムに対して、$widetildeOmegaleft(fracnMRTright)$の空間下界を示す。
論文 参考訳（メタデータ） (2023-03-03T04:39:53Z) - On the Sample Complexity of Representation Learning in Multi-task
Bandits with Global and Local structure [77.60508571062958]
マルチタスク・バンディット問題に対する最適アーム学習の複雑さについて検討した。
アームは2つのコンポーネントで構成されます。1つはタスク間で共有され(表現と呼ばれます)、もう1つはタスク固有のもの(予測器と呼ばれます)です。
サンプルの複雑さが下界に近づき、最大で$H(Glog(delta_G)+ Xlog(delta_H))$でスケールするアルゴリズムOSRL-SCを考案する。
論文 参考訳（メタデータ） (2022-11-28T08:40:12Z) - Stochastic Differentially Private and Fair Learning [7.971065005161566]
我々は、収束することが保証されるフェアラーニングのための最初の微分プライベートアルゴリズムを提供する。
われわれのフレームワークは、人口格差や均等化オッズなど、さまざまな公平さを許容できるほど柔軟である。
本アルゴリズムは,複数の(非バイナリ)機密属性を持つ非バイナリ分類タスクに適用可能である。
論文 参考訳（メタデータ） (2022-10-17T06:54:57Z) - Practical, Provably-Correct Interactive Learning in the Realizable
Setting: The Power of True Believers [12.09273192079783]
我々は、対話型学習を実現可能な設定で検討し、最適な腕の識別からアクティブな分類に至るまでの問題に対処する一般的な枠組みを開発する。
我々は,最小限の値と対数係数とを一致させる,計算効率のよい新しいアルゴリズムを設計する。
論文 参考訳（メタデータ） (2021-11-09T02:33:36Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-07T08:00:02Z) - Efficient Computation of Expectations under Spanning Tree Distributions [67.71280539312536]
本稿では,エッジファクター,非プロジェクティブ・スパンニングツリーモデルにおいて,一階期待と二階期待の重要なケースに対する統一アルゴリズムを提案する。
我々のアルゴリズムは勾配と期待の基本的な関係を利用しており、効率的なアルゴリズムを導出することができる。
論文 参考訳（メタデータ） (2020-08-29T14:58:26Z) - Learning Sparse Classifiers: Continuous and Mixed Integer Optimization
Perspectives [10.291482850329892]
混合整数計画法(MIP)は、(最適に) $ell_0$-正規化回帰問題を解くために用いられる。
数分で5万ドルの機能を処理できる正確なアルゴリズムと、$papprox6$でインスタンスに対処できる近似アルゴリズムの2つのクラスを提案する。
さらに,$ell$-regularizedsに対する新しい推定誤差境界を提案する。
論文 参考訳（メタデータ） (2020-01-17T18:47:02Z)
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。