論文の概要: A genetic algorithm for student academic resource allocation

• arxiv url: http://arxiv.org/abs/2607.23316v1
• Date: Sat, 25 Jul 2026 18:12:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.059509
• Title: A genetic algorithm for student academic resource allocation
• Title（参考訳）: 学生の資源配分のための遺伝的アルゴリズム
• Authors: Ana F. Hernández, Andrej Franulic, Fernando Jiménez,
• Abstract要約: 本稿では,二項決定空間を効率的に探索するために,特殊制約修復機構と統合された遺伝的アルゴリズムを提案する。 これらの結果は,中等教育におけるリアルタイム意思決定支援システムにおけるメタヒューリスティックアプローチの実用性を確認するものである。
• 参考スコア（独自算出の注目度）: 42.99590778345055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The optimal allocation of academic resources to individual students is essential for addressing learner diversity and fostering equitable educational outcomes. Within the framework of the Erasmus+ KA220-SCH project, this paper models the selection of educational materials for high school mathematics students as a 0--1 binary combinatorial optimization problem subject to strict study time constraints. Given the NP-hard complexity of the formulation, exact solution methods become computationally intractable as resource catalogs scale. To address this challenge, we propose a Genetic Algorithm integrated with a specialized constraint repair mechanism to effectively search the binary decision space. Experimental evaluation across 10 independent runs demonstrates fast convergence, high solution quality, and strong algorithmic stability across different base seeds. These results confirm the practical utility of metaheuristic approaches for real-time decision-support systems in secondary education.
• Abstract（参考訳）: 学習者の多様性に対処し、平等な教育成果を育成するためには、各学生に対する学習資源の最適配分が不可欠である。 The framework of the Erasmus+ KA220-SCH project, this paper models models the selection of educational materials for high school mathematics students as a 0--1 binary combinatorial optimization problem subject to strict study time constraints。 定式化のNPハードな複雑さを考えると、正確な解法は資源カタログの規模が大きくなるにつれて計算的に難解になる。 この課題に対処するために,二項決定空間を効率的に探索するために,特殊制約修復機構と統合された遺伝的アルゴリズムを提案する。 10個の独立ランに対する実験的な評価は、高速収束、高い溶液品質、および異なる塩基種子に対する強いアルゴリズム安定性を示す。 これらの結果は,中等教育におけるリアルタイム意思決定支援システムにおけるメタヒューリスティックアプローチの実用性を確認するものである。

関連論文リスト

• 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)
• Mining Large Independent Sets on Massive Graphs [47.21699378695116]
  ARCISは、巨大なグラフ上の大きな独立した集合をマイニングするための効率的なアルゴリズムである。 ARCISは、ほとんどのインスタンスで最高の、または最も結びついたソリューション品質が得られることを示す。
  論文  参考訳（メタデータ） (2022-08-16T14:39:38Z)
• The Statistical Complexity of Interactive Decision Making [126.04974881555094]
  複雑度尺度であるDecision-Estimation Coefficientは,サンプル効率のインタラクティブ学習に必要かつ十分であることが証明された。 統合アルゴリズム設計原則であるE2Dは、教師付き推定のための任意のアルゴリズムを、意思決定のためのオンラインアルゴリズムに変換する。
  論文  参考訳（メタデータ） (2021-12-27T02:53:44Z)
• 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)
• Resource Allocation via Model-Free Deep Learning in Free Space Optical Communications [119.81868223344173]
  本稿では,自由空間光学(FSO)通信におけるチャネルフェージング効果の緩和のための資源配分の一般的な問題について検討する。 本フレームワークでは,FSO資源割り当て問題を解決する2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:38:51Z)

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。