論文の概要: School network reorganization under educational and spatial constraints using classical and quantum optimization

• arxiv url: http://arxiv.org/abs/2608.05427v1
• Date: Wed, 05 Aug 2026 21:42:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.790129
• Title: School network reorganization under educational and spatial constraints using classical and quantum optimization
• Title（参考訳）: 古典的・量子最適化を用いた教育的・空間的制約下での学校ネットワーク再構築
• Abstract要約: 学校ネットワークの再編成は、人口統計の傾向、地域的アクセシビリティ、教育要件、制度上の制約のバランスを必要とする戦略的計画問題である。 本稿では,地理的,行政的,教育的基準を取り入れた線形プログラミングの新たな定式化を基礎として,学校次元決定のための最適化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: School network reorganization is a strategic planning problem that requires balancing demographic trends, territorial accessibility, educational requirements, and institutional constraints while ensuring an efficient allocation of public resources. This paper proposes an optimization framework for school dimensioning decisions based on a novel Integer Linear Programming formulation integrating geographical, administrative, and educational criteria. A synthetic benchmark generator is introduced to evaluate the scalability and computational performance of the model on artificial instances, while a real-world case study involving the complete public school network of the Calabria region (Italy) is conducted using actual institutional, territorial, and demographic data. The proposed approach effectively identifies optimal aggregation plans under different policy scenarios while preserving the structural characteristics of the educational system. Furthermore, the model is reformulated as a constrained quadratic model and implemented within a hybrid quantum optimization environment, demonstrating its compatibility with emerging quantum technologies. The results highlight the robustness of the proposed methodology and its potential as a decision-support tool for sustainable and equitable school network planning.
• Abstract（参考訳）: 学校ネットワークの再編成は、人口統計の傾向、地域的アクセシビリティ、教育要件、制度上の制約のバランスと、公共資源の効率的な配分を確保することを必要とする戦略的計画問題である。 本稿では,地理的,行政的,教育的基準を組み込んだ新しい整数線形計画法に基づく学校次元決定のための最適化フレームワークを提案する。 人工インスタンス上でのモデルのスケーラビリティと計算性能を評価するために、合成ベンチマークジェネレータを導入し、実際の制度、領域、人口統計データを用いて、カラブリア地域(イタリア)の全公立学校ネットワークを含む実世界のケーススタディを実施した。 提案手法は,教育システムの構造的特性を維持しつつ,異なる政策シナリオ下での最適なアグリゲーションプランを効果的に同定する。 さらに、このモデルは制約付き二次モデルとして再構成され、ハイブリッド量子最適化環境で実装され、新興量子技術との互換性を示す。 その結果,提案手法の堅牢性と,学校ネットワークの持続的かつ公平な計画のための意思決定支援ツールとしての可能性を強調した。

関連論文リスト

• A Constraint-Aware Generative Framework for Synthetic Origin-Destination Demand in Logistics Networks [1.2691047660244335]
  大規模ロジスティクスネットワークはシナリオベースプランニングをサポートするために合成データ生成機能を必要とする。 階層型ロジスティクスネットワークにおける合成原産地決定需要生成のための制約対応条件生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-03T18:10:01Z)
• Genetic Algorithm Based Coordination and Optimization Model for Generation Grid Load Storage in Active Distribution Networks [5.6099061092572775]
  このプロジェクトはファジィ集合表現を用いて再生可能エネルギー生成、負荷曲線、市場価格をモデル化する。 遺伝的アルゴリズムはシステム管理にファジィ要素を導入し、安定性を改善するためにスルーペナルティ要因を調整する。 これにより、分散ネットワーク計画における不確実性評価の科学的基礎を提供する。
  論文  参考訳（メタデータ） (2026-06-12T11:37:08Z)
• PlanningBench: Generating Scalable and Verifiable Planning Data for Evaluating and Training Large Language Models [52.48858778580074]
  計画は大規模言語モデル(LLM)の基本的な機能である PlanningBenchは、評価とトレーニングの両方のためのスケーラブルで多様な検証可能な計画データを生成するためのフレームワークである。
  論文  参考訳（メタデータ） (2026-05-20T08:10:15Z)
• Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [86.99017195607077]
  無線ネットワークにおける自己回帰的マルコフ音源のリアルタイムサンプリングと推定について検討する。 政策最適化のためのグラフィカル強化学習フレームワークを提案する。 理論的には、提案したポリシーは転送可能であり、あるグラフ上で訓練されたポリシーを構造的に類似したグラフに効果的に適用することができる。
  論文  参考訳（メタデータ） (2026-01-19T02:18:45Z)
• Topological Social Choice: Designing a Noise-Robust Polar Distance for Persistence Diagrams [0.0]
  トポロジカルデータ分析(TDA)は、ノイズの多いデータから堅牢で解釈可能な特徴を抽出する強力なフレームワークとして登場した。 この研究は、ノイズの多い嗜好データに適した永続化ダイアグラムのための新しいメートル法を提案することによって、これらの領域間の新しい概念ブリッジを導入する。 我々は、位相的特徴の大きさと向きを滑らかで微分可能な方法で捉える極座標に基づく距離を定義する。
  論文  参考訳（メタデータ） (2025-07-18T19:41:19Z)
• Robo-taxi Fleet Coordination at Scale via Reinforcement Learning [21.266509380044912]
  この研究は、数学的モデリングとデータ駆動技術を統合する新しい意思決定フレームワークを導入している。 本稿では、強化学習のレンズを通してAMoDコーディネート問題を示し、グラフネットワークに基づくフレームワークを提案する。 特に、強化学習のレンズを通してAMoDコーディネート問題を示し、グラフネットワークに基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-08T15:19:41Z)
• Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [86.99017195607077]
  統計的に同一性を持つ無線ネットワークにおける自己回帰的マルコフ過程のサンプリングとリモート推定の課題に対処する。 我々のゴールは、分散化されたスケーラブルサンプリングおよび送信ポリシーを用いて、時間平均推定誤差と/または情報の年齢を最小化することである。
  論文  参考訳（メタデータ） (2024-04-04T06:24:11Z)
• Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
  本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。 また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
  論文  参考訳（メタデータ） (2020-12-01T11:46:03Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)
• Decentralized MCTS via Learned Teammate Models [89.24858306636816]
  本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。 深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T13:10:20Z)

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。