本科畢業(yè)設(shè)計(jì)（論文）畢業(yè)設(shè)計(jì)（文獻(xiàn)翻譯）課題名稱(chēng)：數(shù)獨(dú)問(wèn)題的設(shè)計(jì)算法研究專(zhuān)業(yè)：信息與計(jì)算科學(xué)姓名：學(xué)號(hào)：指導(dǎo)教師：數(shù)理學(xué)院年月一，遺傳算法（GAs）-實(shí)際注意事項(xiàng)1.隨機(jī)的重要性GAs是一種隨機(jī)算法，需要許多隨機(jī)數(shù)，從上述示例可以看出，這有一些重要的意義。我們已經(jīng)提到了其中的一個(gè)方面：使用具有置換的純隨機(jī)抽樣可能產(chǎn)生失真，并且提到了一些在模擬文獻(xiàn)中使用的減少方差的方法：需要使用一個(gè)好的偽隨機(jī)數(shù)生成器（PRNG），另一個(gè)重要的方面，尚未廣泛宣傳。羅斯[240]向GA列表摘要發(fā)送了一個(gè)信息，其中包含了依靠提供標(biāo)準(zhǔn)軟件PRNG的有益經(jīng)驗(yàn)。然而，Meysenberg和Foster[165]進(jìn)行了一些廣泛的測(cè)試，由于不同的PRNG，對(duì)GA性能系統(tǒng)沒(méi)有任何的影響，所以羅斯引用的案例可能是一個(gè)孤立的例子。盡管如此，最好的建議是使用經(jīng)過(guò)徹底測(cè)試過(guò)的PRNG，如“數(shù)字食譜”[191]中所述的那些。2.約束優(yōu)化到目前為止，我們已經(jīng)忽視了對(duì)問(wèn)題決策變量的限制問(wèn)題，認(rèn)為唯一的限制條件是單個(gè)變量的“框”約束，如2.2節(jié)0.4。然而，在許多情況下，表型變量的允許值可能會(huì)有相當(dāng)復(fù)雜的限制。本質(zhì)是：至少有一個(gè)保證（至少有簡(jiǎn)單的操作和編碼），兩個(gè)可行的父母解決方案將提供可行的后代。一些問(wèn)題中，甚至可能難以找到合理多樣化的初始種群的可行解決方案。一個(gè)普遍的策略是通過(guò)添加懲罰條件來(lái)修改適應(yīng)度函數(shù)。Goldberg[96]給出的方法是這樣的。但更廣泛的經(jīng)驗(yàn)表明，這不是最好的方法。我們簡(jiǎn)要討論下面的一些替代方案，關(guān)于這個(gè)問(wèn)題的更詳細(xì)的考慮可以在Michalewicz和Schoenauer[167]的論文中找到。處罰限制問(wèn)題最明顯的解決辦法就是忽略它們。如果遇到不可行的解決方案，則不允許進(jìn)入人口（即“死刑”）。我們通常在約束邊界上或附近找到全局最優(yōu)值，使得稍微不可行的解可能相當(dāng)接近最優(yōu)解。因此，下一步是通過(guò)引入懲罰來(lái)修改目標(biāo)函數(shù)。在這種情況下，理論上考慮允許適當(dāng)?shù)倪x擇懲罰，這種情況很好，但是天真的使用懲罰的嘗試通常會(huì)失敗。如果懲罰太小，許多不可行的解決方案會(huì)被允許傳播；如果它太大，搜索會(huì)僅限于搜索空間的內(nèi)部，遠(yuǎn)離可行區(qū)域的邊界。使用可變懲罰可能會(huì)有幫助[167]。修理受限問(wèn)題的另一個(gè)解決方案是接受一個(gè)不可行的解決方案，在將其插入人口之前進(jìn)行修復(fù)。這種做法常常要求一些生物學(xué)理由，不可行解決方案被視為不成熟的個(gè)體，盡管最初證明不適合其目標(biāo)，但隨著時(shí)間的推移，它們?nèi)匀豢梢园l(fā)展成完全合理的解決方案。這種比喻也被應(yīng)用于使用GA后代作為本地搜索的跳板的方法。（這樣的混合動(dòng)力被賦予了更為正式的規(guī)范，以Radcliffe和Surry[197]的模擬算法為名。）在這種情況下，還有一個(gè)確定是否應(yīng)該是下一代應(yīng)該使用的原始后代或修復(fù)版本的實(shí)際問(wèn)題。修復(fù)后代意味著對(duì)搜索空間有希望的部分進(jìn)行探索。戴維斯和他的同事[48,184]報(bào)道了一些實(shí)驗(yàn)數(shù)據(jù)，這表明，關(guān)于插入哪一個(gè)的決定應(yīng)該是隨機(jī)的，其插入修復(fù)版本的概率相當(dāng)小。還有一個(gè)很好的例子，混合方法，原始的不可行解決方案進(jìn)入人口，但它被給予修復(fù)版本的適應(yīng)度。下一節(jié)將會(huì)對(duì)這個(gè)想法做更多的說(shuō)明。多個(gè)目標(biāo)許多作者建議使用不可行性作為次要目標(biāo)，從而避免引入懲罰。Chu和Beasley最近的工作[38]在集合分區(qū)的上下文中提供了一個(gè)很好的例子。除了通常的適應(yīng)度測(cè)量（基于真實(shí)的目標(biāo)函數(shù)）之外，它們還定義了一個(gè)二次測(cè)量，它們稱(chēng)之為不適應(yīng)，以表示給定解決方案中存在的不可行程度。生殖選擇方案有利于最大限度地兼容字符串，而刪除的選擇是通過(guò)試圖找到由新的后代所主導(dǎo)的現(xiàn)有的人口成員進(jìn)行的。從某種意義上說(shuō)，它的適應(yīng)度更大，但不適合性不會(huì)更差，否則它的適應(yīng)度不會(huì)更差，而其不適宜程度較低。多邊目標(biāo)GAs（MOGA）及其應(yīng)用已由Fonseca和Fleming[84]進(jìn)行了徹底的審查。修改運(yùn)算符減輕標(biāo)準(zhǔn)運(yùn)營(yíng)商遇到困難的一種方法是設(shè)計(jì)適合該問(wèn)題的運(yùn)營(yíng)商。TSP的邊緣重組算子[304]（2.3.5節(jié)）就是典型的例子。改性制劑在某些情況下已經(jīng)證明有成果的另一種方法是修改問(wèn)題制定。Reeves[219]通過(guò)重新解決問(wèn)題找到了解決包裝問(wèn)題的好方法。而不是使用子集選擇解釋?zhuān)琤in打包被視為排序問(wèn)題，序列通過(guò)使用在線啟發(fā)式解碼。這種類(lèi)型的問(wèn)題的重新配置也已經(jīng)用于其他應(yīng)用程序.Chaffer和Eshelman[描述了在生產(chǎn)印刷電路板時(shí)極其復(fù)雜的線路平衡問(wèn)題的類(lèi)似方法。GA用于找到一個(gè)很好的序列，以提供一組產(chǎn)生最終解決方案的啟發(fā)式方法。3.雜交通過(guò)與其他啟發(fā)式的雜交可以總是提高GA的有效性。雖然使用GA的主要好處之一是自己的域名具有獨(dú)立性，但這也是GAs執(zhí)行效率低下的常見(jiàn)原因。引入特定問(wèn)題可以大大提高解決方案的質(zhì)量。雜交可以以各種方式進(jìn)行。將種群（如上所述）與另一個(gè)特定問(wèn)題的啟發(fā)式結(jié)果相結(jié)合的想法可以被看作是一種雜交，但是最常見(jiàn)的方法是將其他啟發(fā)式如鄰域搜索或模擬退火整合到正常GA循環(huán)。有幾個(gè)不同的選擇，但一個(gè)典型的想法是應(yīng)用一些標(biāo)準(zhǔn)突變和交叉算子來(lái)產(chǎn)生后代，然后在插入下一代之前，使用NS進(jìn)行進(jìn)一步修改。有多少人經(jīng)歷了這樣的改善，無(wú)論NS階段是否達(dá)到局部最佳狀態(tài)，無(wú)論是最快上升還是使用更快的上升速度，人口多樣性如何保持在激烈的收斂壓力之下，這些都是必須的問(wèn)題如何在任何特定的實(shí)現(xiàn)中得到解決。數(shù)字參與：推動(dòng)學(xué)生成功1.離散程序設(shè)計(jì)與管理早期的研究強(qiáng)調(diào)了學(xué)生在減員中的作用，已經(jīng)影響到提高學(xué)生成功的戰(zhàn)術(shù)方法。在2004年和2010年的ACT報(bào)告“學(xué)生在保留中有什么作用？”調(diào)查受訪者在被要求確定學(xué)生就業(yè)的根本原因時(shí)，絕大多數(shù)將學(xué)生因素與制度因素進(jìn)行了比較。機(jī)構(gòu)同意，學(xué)生因素如無(wú)準(zhǔn)備，低收入，第一代身份，社會(huì)融合程度低等，對(duì)學(xué)生的消費(fèi)起著至關(guān)重要的作用。機(jī)構(gòu)制定了有針對(duì)性的方案，以便根據(jù)這些因素解決減員問(wèn)題。Habley等人確定了90多個(gè)方案和實(shí)踐，用于解決學(xué)生留學(xué)問(wèn)題，包括新生研討會(huì)，生活學(xué)習(xí)社區(qū)，金融知識(shí)課程，輔導(dǎo)，特殊人群咨詢(xún)，補(bǔ)充教學(xué)，亞人計(jì)劃，學(xué)習(xí)實(shí)驗(yàn)室和宿舍大廳計(jì)劃。這些干預(yù)措施的所有權(quán)和管理權(quán)力下放，學(xué)生在學(xué)術(shù)部門(mén)接受輔導(dǎo)或輔導(dǎo);有經(jīng)濟(jì)困難的學(xué)生被提到資金管理課程的經(jīng)濟(jì)援助;低收入/第一代學(xué)生可能被稱(chēng)為校園TRiO計(jì)劃，等等。據(jù)FrankShushok和EileenHulme介紹，今天留學(xué)生保留的大部分理論已經(jīng)從20世紀(jì)70年代開(kāi)發(fā)的心理模式演變而來(lái)，這些心理模型涉及生活/工作應(yīng)對(duì)問(wèn)題。除了對(duì)參與進(jìn)行研究外，教育工作者繼續(xù)“關(guān)注病理學(xué)-重點(diǎn)是修復(fù)學(xué)生問(wèn)題，珩磨學(xué)生為何離開(kāi)，而不是為什么留學(xué)”。2.有限保留協(xié)調(diào)與溝通在權(quán)力下放的環(huán)境中，由于缺乏協(xié)調(diào)和溝通解決保留問(wèn)題的方法的計(jì)劃，勞動(dòng)力的分散更頻繁。盡管大學(xué)和大學(xué)企圖組織自己來(lái)支持留學(xué)生，但需要更多的投資和承諾。大學(xué)董事會(huì)支持的全國(guó)學(xué)生保留實(shí)踐研究表明，即使有人認(rèn)為有人協(xié)調(diào)保留，實(shí)際上很少有時(shí)間去做這些努力。在這項(xiàng)研究中，75％的受訪者報(bào)告說(shuō)，他們的機(jī)構(gòu)有責(zé)任負(fù)責(zé)協(xié)調(diào)工作和保留信息。當(dāng)被問(wèn)及這個(gè)人的職位的百分比正式承擔(dān)這些職責(zé)時(shí)，大多數(shù)機(jī)構(gòu)的報(bào)告為零。其他機(jī)構(gòu)報(bào)告說(shuō)，這個(gè)人的一些時(shí)間是致力于這些努力，全部范圍從百分之一到百分之百，平均為百分之三十五。據(jù)高等教育咨詢(xún)公司Noel-Levitz介紹，四年制公共和私人機(jī)構(gòu)的三分之一盡管報(bào)告說(shuō)已經(jīng)實(shí)施了許多接受的保留計(jì)劃，但并沒(méi)有努力在教職員工和管理人員之間建立保留協(xié)議。在同一研究中，近一半的社區(qū)學(xué)院的受訪者描述了他們的機(jī)構(gòu)努力建立理解和保留問(wèn)題的協(xié)議最低效。3.普及數(shù)據(jù)倉(cāng)庫(kù)溝通不僅不能跨越組織和功能界限，而且重要的信息也是孤立的。通過(guò)咨詢(xún)，輔導(dǎo)，早期警報(bào)和部門(mén)計(jì)劃所產(chǎn)生的數(shù)據(jù)仍然被困在組織和數(shù)據(jù)庫(kù)中。學(xué)生信息系統(tǒng)（SIS）收集和存儲(chǔ)數(shù)據(jù)，包括學(xué)生入學(xué)特征，課程模式和成績(jī)，同時(shí)學(xué)習(xí)管理系統(tǒng)（LMS）收集和存儲(chǔ)學(xué)生在線行為，登錄頻率，測(cè)驗(yàn)和任務(wù)等級(jí)的信息，以及對(duì)課程討論委員會(huì)的貢獻(xiàn)。程序管理員使用桌面數(shù)據(jù)庫(kù)來(lái)獲取在他們的計(jì)劃中獲得支持的學(xué)生的信息，特別是資助計(jì)劃。輔導(dǎo)應(yīng)用程序和在線教練服務(wù)捕獲數(shù)據(jù)。咨詢(xún)部門(mén)通過(guò)在SIS或咨詢(xún)系統(tǒng)中創(chuàng)建的咨詢(xún)相關(guān)屏幕獲得技術(shù)支持。存在各種干預(yù)措施，從在線調(diào)查到旨在以早期警報(bào)能力服務(wù)的綜合系統(tǒng)。所有這些數(shù)據(jù)被困在不同的數(shù)據(jù)存儲(chǔ)中，對(duì)該機(jī)構(gòu)具有微不足道的作用-它不能幫助機(jī)構(gòu)支持和吸引學(xué)生。4.分裂方法引導(dǎo)這種分裂方法的后果如下。有限的牽引學(xué)生成果。高等教育不能要求學(xué)生堅(jiān)持取得重大進(jìn)步：根據(jù)國(guó)家學(xué)生資料交換所，2012年秋季開(kāi)始在任何機(jī)構(gòu)部門(mén)開(kāi)辦大學(xué)的所有學(xué)生中，68.7％在2013年秋季返回美國(guó)任何機(jī)構(gòu)的大學(xué)，回報(bào)率為58.2％。2009年至2012年秋季隊(duì)伍的保留率下降了全職隊(duì)員的1.4％，首次兼職人員的0.3％。保留率的下降也影響到社區(qū)學(xué)院，同期的保留率首次下降了2.2％，全日制人口和首次兼職人數(shù)下降了1.0％。學(xué)生成績(jī)的改善并不意味著學(xué)生的成功，干預(yù)對(duì)學(xué)生來(lái)說(shuō)缺乏實(shí)用或有益。相反，它表明機(jī)構(gòu)必須將他們的注意力從響應(yīng)學(xué)生屬性（即經(jīng)典的風(fēng)險(xiǎn)指標(biāo)）轉(zhuǎn)移到他們的政策和結(jié)構(gòu)如何影響學(xué)生的成功。此外，機(jī)構(gòu)必須建立“預(yù)期相互關(guān)聯(lián)的學(xué)習(xí)支持網(wǎng)絡(luò)，預(yù)警系統(tǒng)和安全網(wǎng)”。學(xué)生成功的不完整畫(huà)面對(duì)于與學(xué)生直接合作的學(xué)生，如學(xué)術(shù)顧問(wèn)和計(jì)劃人員，這種分散的方法使得以全面和有效的方式觀看學(xué)生很難（不是不可能）。必須鼓勵(lì)學(xué)生與校園活動(dòng)和組織中的同齡人進(jìn)行接觸，并對(duì)促進(jìn)學(xué)習(xí)和改進(jìn)成果的教育行為進(jìn)行投入。為了向?qū)W生提供有意義的鼓勵(lì)，教師和專(zhuān)業(yè)顧問(wèn)必須在整個(gè)機(jī)構(gòu)的范圍內(nèi)快速查看學(xué)生信息。這意味著不僅要確定學(xué)生在哪里遇到困難，還要確定他或她正在改進(jìn)，參與和卓越。分散方法的局限性超出了看到個(gè)別學(xué)生的完整畫(huà)面。行政決策者必須看到學(xué)生人數(shù)在其機(jī)構(gòu)中取得成功的廣泛情況。了解學(xué)生遇到的常見(jiàn)困難是一個(gè)重要的難題，但同樣重要的是，該機(jī)構(gòu)必須更多地了解學(xué)生為什么留下來(lái)。為了在學(xué)生成功方面取得有意義的進(jìn)展，機(jī)構(gòu)必須“將學(xué)生成果進(jìn)行語(yǔ)境化，并仔細(xì)研究制度政策和實(shí)踐在學(xué)生保留中的作用”。這在數(shù)據(jù)孤島，協(xié)調(diào)和溝通流程不佳的分散環(huán)境中很難做到。英翻漢（康寧）一、GeneticAlgorithms(GAs)-PracticalConsiderations1.TheimportanceofbeingrandomGAsarehighlystochasticalgorithms,needingmanyrandomnumbers,ascanbeseenfromtheaboveexample,andthishassomeimportantimplications.Oneaspectofthishasalreadybeenmentionedseveraltimes—thedistortionthatcanarisefromusingpurerandomsamplingwithreplacement,andsomemethodsofvariancereductionasusedinthesimulationliteraturehavebeenmentioned.Anotherimportantaspect,butonenotwidelypublicized,istheneedtouseagoodpseudo-randomnumbergenerator(PRNG).Ross[240]postedamessagetotheGAListDigestthatcontainedasalutarylessontothosewhorelyonthePRNGsprovidedwithstandardsoftware.However,MeysenbergandFoster[165]conductedsomeextensiveteststhatfailedtoshowanysystematiceffectonGAperformanceduetodifferentPRNGs,sothecasecitedbyRossmaybeanisolatedinstance.Nonetheless,itisbesttobeprepared,andthebestadviceistouseaPRNGthathasbeenthoroughlytested,suchasthosedescribedintheNumericalRecipesbooks[191].2.ConstrainedoptimizationSofarwehaveignoredthequestionofconstraintsonthedecisionvariablesofourproblem,orimplicitlyassumedthattheonlyconstraintsthatmatterare‘box’constraintsonindividualvariables,whichwemaymakeuseofinchoosingourrepresentation,asinSection2.2.4.However,inmanycasestheremaybequitecomplicatedsetsofconstraintsonthepermissiblevaluesofthephenotypicvariables.Theessenceofthedifficultyisclear:thereisrarelyaguarantee(atleastwithsimpleoperatorsandcodings)thattwofeasibleparentsolutionswillprovidefeasibleoffspring.Insomeproblemsitmayevenbedifficulttofindareasonablydiverseinitialpopulationoffeasiblesolutions.Apopularstrategyistomodifythefitnessfunctionbyaddingpenaltyterms.Goldberg[96]givestheimpressionthatthisisasimplematter,anditisoftenworthtryingit,butmoreextensiveexperiencehassuggestedthatthisisseldomthebestapproach.Webrieflydiscusssomeofthealternativesbelow,butafarmoredetailedconsiderationofthisquestionmaybefoundinthepaperbyMichalewiczandSchoenauer[167].PenaltiesThemostobvioussolutiontotheproblemofconstraintsissimplytoignorethem.Ifaninfeasiblesolutionisencountered,itisnotallowedtoenterthepopulation(i.e.,a‘deathpenalty’).Unfortunately,thisfailstorecognizethatthedegreeofinfeasibilitydoessupplysomeinformation.Itiscommontofindtheglobaloptimumonornearaconstraintboundary,sothatsolutionsthatareslightlyinfeasiblemayactuallybefairlyclosetotheoptimum.Thus,theobviousnextstepistomodifytheobjectivefunctionbyincorporatingpenalties.Therearecasesinwhichthisworkswell,wheretheoreticalconsiderationspermitanappropriatechoiceofpenalty,butanaiveattempttousepenaltiesoftenfails.Ifthepenaltyistoosmall,manyinfeasiblesolutionsareallowedtopropagate;ifitistoolarge,thesearchisconfinedtotheinteriorofthesearchspace,farfromtheboundariesofthefeasibleregion.Usingvariablepenaltiescanbehelpful[167].RepairAnotherpopularsolutiontoGAsforconstrainedproblemsistoacceptaninfeasiblesolution,buttorepairitbeforeinsertingitinthepopulation.Somebiologicaljustificationisoftenclaimedforthisapproach,alongthelinesthattheinfeasiblesolutionshouldbetreatedasanimmatureindividualthat,althoughinitiallydemonstrablyunfitforitspurpose,canneverthelessdevelopovertimeintoaperfectlyreasonablesolution.ThisanalogyhasalsobeenappliedtomethodsthatusetheGAoffspringasthespringboardforalocalsearch.(Suchhybridshavebeengivenamoreformalspecification.underthenameofmemeticalgorithmsbyRadcliffeandSurry[203].)Insuchcases,thereisalsothepracticalproblemofdecidingwhetheritshouldbetheoriginaloffspringortherepairedversionthatshouldbeusedinthenextgeneration.Insertingtherepairedoffspringmeanscurtailingtheexplorationofapromisingpartofthesearchspace.Davisandcolleagues[48,184]reportsomeinterestingexperimentalevidence,whichsuggeststhatthedecisionastowhichtoinsertshouldbeastochasticone,withafairlysmallprobabilityof5-10%ofinsertingtherepairedversion.Thereisalsoagoodcaseforamixtureofapproaches,wheretheoriginalinfeasiblesolutionentersthepopulation,butitisgiventherepairedversion’sfitness.MorewillbesaidaboutthisideabelowinthenextSection.MultipleobjectivesManyauthorshavesuggestedusinginfeasibilityasasecondaryobjective,thusavoidingtheintroductionofpenalties.RecentworkbyChuandBeasley[38]providesagoodexampleofthisideainthecontextofsetpartitioning.Inadditiontotheusualfitnessmeasure(basedonthetrueobjectivefunction),theydefineasecondarymeasurethattheycallunfitnesstorepresentthedegreeofinfeasibilitypresentinagivensolution.Theselectionschemeforreproductionfavouredstringsthatweremaximallycompatible,whileselectionfordeletionwascarriedoutbytryingtofindanexistingpopulationmemberthatwasdominatedbythenewoffspring—inthesenseeitherthatitsfitnessisgreaterwhileitsunfitnessisnoworse,orthatitsfitnessisnoworsewhileitsunfitnessisless.MultipleobjectiveGAs(MOGAs)andtheirapplicationhavethemselvesbeenthoroughlyreviewedbyFonsecaandFleming[84].ModifiedoperatorsOneapproachtoalleviatingthedifficultiesencounteredbythestandardoperatorsistodesignoperatorsthatareappropriatefortheproblem.Theedge-recombinationoperator[304]fortheTSP(Section2.3.5)isatypicalexample.ModifiedformulationAnotherapproachthathasprovedfruitfulinsomecasesistomodifytheproblemformulation.Reeves[219]foundgoodsolutionstobin-packingproblemsbyreformulatingtheproblem.Ratherthanusingthesubset-selectioninterpretation,binpackingwastreatedasasequencingproblem,withthesequencebeingdecodedbyusinganon-lineheuristic.Thistypeofproblemre-formulationhasalsobeenusedinotherapplications.SchafferandEshelman[255]describeasimilarapproachtoanextremelycomplicatedline-balancingproblemintheproductionofprintedcircuitboards.TheGAwasusedtofindagoodsequencetofeedtoasetofheuristicsthatproducedthefinalsolution.3.HybridizationTheeffectivenessofaGAcannearlyalwaysbeenhancedbyhybridizationwithotherheuristics.WhileoneofthemainbenefitsofusingaGAisoftenprofessedtobeitsdomainindependence,thisisalsoacommonreasonforGAsperformingineffectively.Introducingproblem-specificknowledgecanimprovesolutionqualityconsiderably.Hybridizationcanbecarriedoutinvariousways.Theideaofseedingapopulation(asdiscussedabove)withtheresultsofapplyinganotherproblem-specificheuristiccanbeviewedasatypeofhybridization,butthemostcommonapproachistointegrateotherheuristicssuchasneighbourhoodsearchorsimulatedannealingintothenormalGAcycle.Onceagainthereareseveraldifferentoptions,butatypicalideaistoapplysomestandardmutationandcrossoveroperatorstogenerateoffspring,whicharethenallowedtoundergofurthermodificationusingNSbeforebeinginsertedintothenextgeneration.Howmanyofthemundergosuchimprovement,whethertheNSphaseiscarriedontoalocaloptimum,whethersteepestascentorsomethingspeedierisused,howpopulationdiversityismaintainedinthefactoffierceconvergencepressure—theseareexamplesofquestionsthathavetobeaddressedinanyparticularimplementation.二、DigitalEngagement:DrivingStudentSuccess1.DiscreteProgramDesignandManagementEarlyresearchemphasizingthestudent'sroleinattritionhasinfluencedthetacticalapproachtoimprovestudentsuccess.Inboththe2004and2010ACTreports"WhatWorksinStudentRetention?"surveyrespondentsoverwhelminglyspecifiedstudentfactorsoverinstitutionalfactorswhenaskedtoidentifytheunderlyingcausesofstudentattrition.Institutionsagreedthatstudentfactorssuchasunpreparedness,lowincome,first-generationstatus,andpoorsocialintegrationplaythemostsignificantrolesinstudentattrition.Institutionshavedevelopedtargetedprogramstoaddressattritionbasedonthesefactors.Hableyetal.identifiedmorethan90programsandpracticesinusetoaddressstudentretentionissues,includingfreshmanseminars,living–learningcommunities,financialliteracyprograms,tutoring,advisingforspecialpopulations,supplementalinstruction,programsforsubpopulations,learninglabs,andresidencehallprograms.Theownershipandmanagementoftheseinterventionsaredecentralized,withstudentissueshandledbythedepartmentorunitthatseemsbestorganizedtoaddressaparticularissueordifficulty.Studentsreceivetutoringorsupplementalinstructionwithinacademicdepartments;studentswithfinancialproblemsarereferredtofinancialaidformoneymanagementclasses;low-income/first-generationstudentsmaybereferredtoacampusTRiOprogram,andsoforth.AccordingtoFrankShushokandEileenHulme,muchofthetheoryinstudentretentiontodayhasevolvedfrompsychologicalmodelsdevelopedinthe1970sthataddressedlife/workcopingproblems.Withtheexceptionofresearchonengagement,educatorscontinueto"keepaneyetowardpathology—focusingonrepairingstudentproblems;honinginonwhystudentsleaveratherthanwhystudentsstay."2LimitedCoordinationandCommunicationaboutRetentionIndecentralizedenvironmentsfragmentationofeffortoccursmorefrequentlyintheabsenceofaplantocoordinateandcommunicateaboutwaystoaddressretentionissues.Despiteattemptsbycollegesanduniversitiestoorganizethemselvestosupportstudentretention,moreinvestmentandcommitmentareneeded.AnationalstudyofstudentretentionpracticessupportedbytheCollegeBoardshowedthatevengivenaperceptionthat"someone"coordinatesretentionefforts,littletimeactuallygoestosuchefforts.Inthisstudy,75percentofrespondentsreportedthatsomeoneattheirinstitutionhadresponsibilityforcoordinatingeffortsandinformationaboutretention.Whenaskedwhatpercentageofthisperson'spositionwasformallycommittedtotheseduties,themajorityofinstitutionsreportedzeropercent.Otherinstitutionsreportedthatsomeofthisperson'stimewasdedicatedtotheseefforts,withthefullrangefromonepercentto100percent,withameanof35percent.AccordingtohighereducationconsultingcompanyNoel-Levitz,one-thirdoffour-yearpublicandprivateinstitutions,despitereportingthattheyhadimplementedmanyacceptedretentionprograms,werenotmakingeffortstobuildagreementamongfaculty,staff,andadministratorsaboutretentionandcompletionconcerns.Inthesamestudy,nearlyhalfofrespondentsatcommunitycollegesdescribedtheirinstitutions'effortstobuildunderstandingandagreementonretentionissuesasminimallyeffective.3PervasiveDataSilosNotonlydoescommunicationfailtocrossorganizationalandfunctionalboundaries,butvitalinformationremainsisolatedaswell.Datageneratedbyadvising,tutoring,early-alert,anddepartmentalprogramsstaystrappedwithinorganizationalanddatasilos.Studentinformationsystems(SISs)collectandstoredata,includingstudentadmissioncharacteristics,course-takingpatterns,andgrades,whilelearningmanagementsystems(LMSs)collectandstoreinformationonstudents'onlinebehaviors,loginfrequencies,quizandassignmentgrades,andcontributionstocoursediscussionboards.Programadministratorsusedesktopdatabasestocaptureinformationonstudentswhoreceivesupportintheirprograms,especiallygrant-fundedprograms.Tutoringapplicationsandonlinecoachingservicescapturedata.Advisingdepartmentsreceivetechnicalsupportthroughadvising-relatedscreenscreatedintheSISoradvisingsystems.Avarietyofinterventionsexist,fromonlinesurveystowell-integratedsystemsintendedtoserveinanearly-alertcapacity.Allofthisdata,whentrappedindisparatedatastores,hasmarginalusefulnesstotheinstitution—anditdoesnothelptheinstitutionsupportandengagestudents.4WhereFragmentedApproachesLeadTheconsequencesofthisfragmentedapproachfollow.LimitedTractiononStudentOutcomes.Highereducationcannotclaimsignificantgainsinstudentpersistenceandsuccess:AccordingtotheNationalStudentClearinghouse,ofallstudentswhostartedcollegeinanyinstitutionalsectorinfall2012,68.7percentreturnedtocollegeatanyU.S.institutioninfall2013,with58.2percentreturningtothesameinstitution.Retentionratesdeclinedbetweenthefallcohortsof2009and2012by1.4percentforfirst-time,full-timecohortsand0.3percentforfirst-time,part-timecohorts.Similardeclinesmarkedfull-andpart-timecohortsatprivateinstitutions.Decreasesinretentionalsoaffectedcommunitycolleges,whereretentionratesoverthesameperioddroppedby2.2percentforfirst-time,full-timecohortsand1.0percentforfirst-time,part-timecohorts.The