論文の概要: Beyond Manual Planning: Seating Allocation for Large Organizations

• arxiv url: http://arxiv.org/abs/2602.05875v1
• Date: Thu, 05 Feb 2026 16:52:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:09.060317
• Title: Beyond Manual Planning: Seating Allocation for Large Organizations
• Title（参考訳）: 手作業の計画を超えて - 大規模組織の配置
• Authors: Anton Ipsen, Michael Cashmore, Kirsty Fielding, Nicolas Marchesotti, Parisa Zehtabi, Daniele Magazzeni, Manuela Veloso,
• Abstract要約: 本稿では,階層型チームからフロアプラン上の物理的な座席配置への最適割り当てに対処する階層型座席配置問題(HSAP)を提案する。 この問題は、大きな階層を持つ大企業が、研究グループが連続した領域を占めることなど、密接な階層的な関係を持つチームが互いに近くに座っていることを保証する必要性によって引き起こされる。 道路マップと高速探索ランダムツリー(RRT)を用いて任意の座席間の距離を計算するスケーラブルな手法と,確率的探索法と動的プログラミング法を組み合わせて,整数計画法を用いてHSAPを解く。
• 参考スコア（独自算出の注目度）: 16.77097902601697
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce the Hierarchical Seating Allocation Problem (HSAP) which addresses the optimal assignment of hierarchically structured organizational teams to physical seating arrangements on a floor plan. This problem is driven by the necessity for large organizations with large hierarchies to ensure that teams with close hierarchical relationships are seated in proximity to one another, such as ensuring a research group occupies a contiguous area. Currently, this problem is managed manually leading to infrequent and suboptimal replanning efforts. To alleviate this manual process, we propose an end-to-end framework to solve the HSAP. A scalable approach to calculate the distance between any pair of seats using a probabilistic road map (PRM) and rapidly-exploring random trees (RRT) which is combined with heuristic search and dynamic programming approach to solve the HSAP using integer programming. We demonstrate our approach under different sized instances by evaluating the PRM framework and subsequent allocations both quantitatively and qualitatively.
• Abstract（参考訳）: 階層化された組織チームからフロアプラン上の物理的な座席配置への最適な割り当てに対処する階層的座席配置問題(HSAP)を導入する。 この問題は、大きな階層を持つ大企業が、研究グループが連続した領域を占めることなど、密接な階層的な関係を持つチームが互いに近くに座っていることを保証する必要性によって引き起こされる。 現在、この問題は手動で管理され、頻繁で最適でない計画作業に繋がる。 この手動処理を緩和するために,HSAPを解決するためのエンドツーエンドフレームワークを提案する。 確率的道路マップ (PRM) と高速探索ランダムツリー (RRT) を用いて任意の座席間の距離を計算するスケーラブルな手法と, 整数計画法を用いてHSAPを解くためのヒューリスティック探索および動的プログラミング手法を組み合わせた。 PRMフレームワークとその後のアロケーションを定量的かつ定性的に評価することにより,異なるサイズのインスタンス下でのアプローチを実証する。

関連論文リスト

• Structural Induced Exploration for Balanced and Scalable Multi-Robot Path Planning [6.823580643749891]
  マルチロボット経路計画は、その複雑さと、ロボット間の公平なタスク割り当てとグローバル効率のバランスをとる必要があるため、基本的な課題である。 従来のSwarmインテリジェンス手法は、小さなインスタンスでは有効だが、しばしば早めに収束し、複雑な環境にスケールするのに苦労する。 アリコロニー最適化(ACO)の探索プロセスに構造先行を組み込んだ構造誘発探索フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-25T12:53:24Z)
• DecoupleSearch: Decouple Planning and Search via Hierarchical Reward Modeling [56.45844907505722]
  二重値モデルを用いて計画と探索プロセスを分離するフレームワークであるDecoupleSearchを提案する。 提案手法は,各ノードが計画と探索のステップを表す推論木を構築する。 推論中、階層的ビームサーチは、計画と探索候補を二重値モデルで反復的に洗練する。
  論文  参考訳（メタデータ） (2025-09-07T13:45:09Z)
• Reinforcement learning with combinatorial actions for coupled restless bandits [62.89013331120493]
  提案するSEQUOIAは,動作空間に対する長期報酬を直接最適化するRLアルゴリズムである。 我々は,複数介入,経路制約,二部間マッチング,容量制約という,制約を伴う4つの新しいレスレス・バンディット問題に対して,SEQUOIAを実証的に検証した。
  論文  参考訳（メタデータ） (2025-03-01T21:25:21Z)
• A Multiagent Path Search Algorithm for Large-Scale Coalition Structure Generation [61.08720171136229]
  結合構造生成はマルチエージェントシステムにおける基本的な計算問題である。 我々はCSGの多エージェントパス探索アルゴリズムであるSALDAEを開発し、連立構造グラフ上で運用する。
  論文  参考訳（メタデータ） (2025-02-14T15:21:27Z)
• Hierarchical Constrained Stochastic Shortest Path Planning via Cost Budget Allocation [16.150627252426936]
  本稿では,これら2つの重要な要件を満たす階層的制約付き最短経路問題(HC-SSP)を提案する。 結果として生じる問題は非常に複雑であり、最適な解を見つけるのが難しくなる。 提案手法は,提案手法を高速かつ漸進的に更新するために,ブランチ・アンド・バウンド・スキームに基づく低レベルの計画問題に対して,コスト予算を反復的に割り当てるアルゴリズムである。
  論文  参考訳（メタデータ） (2022-05-11T01:25:38Z)
• Multi-objective Conflict-based Search Using Safe-interval Path Planning [10.354181009277623]
  低レベル探索のための新しい多目的セーフインターバルパス計画法 (MO-SIPP) アルゴリズムを利用するMO-CBS(Multi-objective conflict-based search)を提案する。 我々は, 平均低レベル探索時間において, 等級が大幅に改善されていることを示すために, 広範囲な数値計算結果を示す。 また,建設現場計画における提案アルゴリズムの適用可能性を示すケーススタディも提示する。
  論文  参考訳（メタデータ） (2021-08-02T09:42:08Z)
• Cooperative Multi-Agent Path Finding: Beyond Path Planning and Collision Avoidance [5.785285760361722]
  本稿では,従来のMAPF問題の拡張であるCooperative Multi-Agent Path Finding (Co-MAPF)問題を紹介する。 この環境では、自律的なエージェントのグループは共有環境で活動し、協調的なタスクを完了する必要があります。 Co-MAPF問題を最適に解くためのCBSベースのアルゴリズムであるCooperative Conflict-Based Search(Co-CBS)を紹介する。
  論文  参考訳（メタデータ） (2021-05-23T18:25:46Z)
• Scalable Anytime Planning for Multi-Agent MDPs [37.69939216970677]
  動的協調を必要とする大規模マルチエージェント連続的決定問題に対するスケーラブルな木探索計画アルゴリズムを提案する。 提案アルゴリズムは,モンテカルロ木探索 (MCTS) を用いたオンライン計画,協調グラフを用いた局所エージェント相互作用の因子表現,および協調行動選択のための反復マックスプラス法からなる。
  論文  参考訳（メタデータ） (2021-01-12T22:50:17Z)
• Bottom-up mechanism and improved contract net protocol for the dynamic task planning of heterogeneous Earth observation resources [61.75759893720484]
  地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。 観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。 不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
  論文  参考訳（メタデータ） (2020-07-13T03:51:08Z)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)

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。