Automatically generated object-oriented genetic programs to optimize adaptive job shop control and scheduling system.
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.
Notice bibliographique
Résumé
The requirements for Production Planning and Control (PP&C) System have fundamentally changed during last years. The increasingly complex production processes and constantly changing production environment require the system able to be agile, flexible and adaptable to the changing situations from markets, customers, new technology, environment, and so on. Fraunhofer Institute of Production and Automation (IPA), Stuttgart. Germany created an experimentation environment of software agent, event-oriented simulation and evolutionary strategies, to examine adaptive approach for the PP&C system. The project of Agent Learning Adaptive Network (ALAN), Fraunhofer---IPA proposed, focused on the Job Shop Control level to explore the new order management paradigm applicable to small and medium sized enterprises (SMEs). Object-oriented programs automatically generated by Genetic Programming are expected to automatically co-ordinate between multiple intelligent agents to reach system's global targets. This research extends genetic programming beyond its current generation of functional and procedural programs to the generation of object-oriented programs. Successful achievement of this goal will represent a significant advance in the practice of genetic programming in Object-Orientation. Paper copy at Leddy Library: Theses & Major Papers - Basement, West Bldg. / Call Number: Thesis2001 .Y83. Source: Masters Abstracts International, Volume: 40-06, page: 1561. Adviser: Arunita Jaekel. Thesis (M.Sc.)--University of Windsor (Canada), 2001.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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