考虑双边偏好与工作量平衡的近帕累托最优师生分配方法
人工智能
2018-12-18 v1 神经与进化计算
摘要
将学生分配给导师以开展个人项目或学位论文，是高等教育环境中的一项关键活动，因为它使学生能够从专家处获得关于其工作的反馈，并提升其个人、学术与职业能力。在本文中，我们提出一种用于学生-导师分配的多目标近帕累托最优遗传算法。该分配考虑了学生与导师对研究/项目主题的偏好、导师的下限与上限指导名额，以及导师间的工作量平衡。我们为师生分配问题引入了新颖的变异与交叉算子。所开展的实验表明，该遗传算法的组件比经典组件更适于该问题，且遗传算法能够在合理时间内产生近帕累托最优的分配方案。
引用
@article{arxiv.1812.06474,
title = {A near Pareto optimal approach to student-supervisor allocation with two sided preferences and workload balance},
author = {Victor Sanchez-Anguix and Rithin Chalumuri and Reyhan Aydogan and Vicente Julian},
journal= {arXiv preprint arXiv:1812.06474},
year = {2018}
}