文献

J-GLOBAL ID：202202287118817445   整理番号：22A0439793

学校システムの災害後再建のための最適化戦略【JST・京大機械翻訳】

Optimizing strategies for post-disaster reconstruction of school systems

著者 (4件)： Alisjahbana Irene (Department of Civil and Environmental Engineering, Stanford University, Stanford, 94305, CA, USA) ,  Graur Andrei (Department of Management Science and Engineering, Stanford University, Stanford, 94305, CA, USA) ,  Lo Irene (Department of Management Science and Engineering, Stanford University, Stanford, 94305, CA, USA) ,  Kiremidjian Anne (Department of Civil and Environmental Engineering, Stanford University, Stanford, 94305, CA, USA)
資料名： Reliability Engineering & System Safety  (Reliability Engineering & System Safety)
巻： 219  ページ： Null  発行年： 2022年 
JST資料番号： D0980B  ISSN： 0951-8320  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 学校システムは,災害後にしばしば著しく影響を受け,学生が近隣学校に移転し,より悪い学習条件をもたらす。本論文では,学生の幸福を改善するためにできるだけ早く学校を再構成するための最適化アプローチを取り上げる。中央意思決定権限が学校システムの再構成の原因であるシナリオに焦点を当てた。限られた建設乗員のアベイラビリティは,学校が順番に再構成されなければならないことを意味し,学校が近隣学校に旅行する時間と距離の学生を最少化するために,学校を再構築しなければならない順序を研究する。直感的な例を通して欲張りアルゴリズムを定式化し,このアルゴリズムの有利な特性を論じた。多重構造乗員による最適再構成順序を見つけることは,NP困難であるが,著者らの greedy欲アルゴリズムは多項式時間で妥当な解を見つけることを証明した。次に, greedy欲アルゴリズムを,学校容量,複数の建設乗員,および一時的学校を取り入れた典型的な災害後シナリオに拡張した。最後に,2018年のLombok地震後のデータを用いて,事例研究における greedy欲政策を経験的に評価し,この greedy欲アルゴリズムが意思決定者が通常考慮している政策よりも著しく優れていることを実証した。著者らの結果は,理論的に動機づけられた政策が,災害後意思決定に有用であることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  意思決定 ,  学習 ,  災害復旧 ,  地震 ,  アベイラビリティ ,  乗務員 ,  再構成 ,  事例研究 ,  定式化 ,  NP困難 ,  意思決定者
準シソーラス用語： 欲張りアルゴリズム ,  多項式時間 , 【Automatic Indexing@JST】

著者キーワード (4件)： 災害復旧 ,  学校再建 ,  最適化 ,  欲張りアルゴリズム

分類 (1件)： 信頼性  (KB04040H)

タイトルに関連する用語 (5件)： 学校 ,  災害 ,  再建 ,  最適化 ,  戦略