MétaCan
Menu
Retour à la cohorte
Enregistrement W1974392274 · doi:10.1080/03052150902866569

A fuzzy linear programming approach for municipal solid-waste management under uncertainty

2009· article· en· W1974392274 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEngineering Optimization · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésMathematical optimizationFuzzy logicLinear programmingInterval (graph theory)Fuzzy setComputer scienceFuzzy numberFunction (biology)MathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this study, a fuzzy linear programming (FLP) method is developed for dealing with uncertainties expressed as fuzzy sets that exist in the constraints’ left-hand and right-hand sides and the objective function. A direct transforming algorithm is advanced for solving the FLP model that improves upon the existing method through provision of a quantitative expression for uncertain relationships among a large number of fuzzy sets. The proposed solution method can greatly reduce computational requirements, which is particularly meaningful for the application of FLP to large-scale practical problems with many fuzzy sets. The developed FLP method is applied to a case of long-term waste-management planning. The results indicate that reasonable solutions have been obtained. They can be used for generating decision alternatives and to help managers identify desired policies for waste management under uncertainty. Compared with the conventional interval-parameter linear programming approach, FLP can provide more information for solutions, containing not only the lower and upper bounds but also the most possible value for decision variables and objective function.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,323
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,215
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle