MétaCan
Menu
Retour à la cohorte
Enregistrement W2013987637 · doi:10.1061/(asce)me.1943-5479.0000190

Discussion of “Ant Colony Optimization for Multimode Resource-Constrained Project Scheduling” by Hong Zhang

2014· article· en· W2013987637 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

RevueJournal of Management in Engineering · 2014
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueResource-Constrained Project Scheduling
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésZhàngAnt colony optimization algorithmsScheduling (production processes)ANTOperations researchComputer scienceMathematical optimizationEngineeringArtificial intelligenceOperations managementGeographyMathematicsComputer networkChina

Résumé

récupéré en direct d'OpenAlex

The paper used the ant colony optimization (ACO) metaheuristic method to solve multimode resource-constrained project scheduling problems with the objective of minimizing project duration. The author used two small examples to compare the ACO method with two other metaheuristic methods: genetic algorithm (GA) and particle swarm optimization (PSO). For each case study, several runs of each metaheuristic method were conducted and the results were used to report the success rates of the three methods, which were 73, 74, and 80%, on average, for GA, PSO, and ACO, respectively (based on Table 4 in the paper). The author concluded that the proposed ACO algorithm is an effective methodology that can help practitioners plan construction projects. In addition, the author mentioned that further studies will address deep insight into the parameters of the ACO algorithm in addition to other considerations, including multiple objective optimization. In the opinion of the discussers, the results of the three methods on the two small examples are very comparable and, because of the random nature of these processes, their comparative quality is highly problem dependent. All of these methods, however, are highly inefficient to handle large-scale problems of any practical size. As problem size increases (e.g., hundreds of activities) and multiple objectives are considered, all metaheuristic methods exhibit an exponential increase in the solution space (number of possible solutions), which makes the search for an optimum solution a difficult and time consuming task. Kandil and El-Rayes (2005), for example, reported a GA processing time of 55 h for a case study of only 360 activities to reach optimum solution, which was reduced to 9.3 h by using a system of parallel computing with 50 processors. Thus, the focus of future work in this area should be introducing efficient methods to handle practical sized problems. Introducing new metaheuristics or tweaking existing methods to achieve minor performance improvements on small textbook-type problems has no practical value.

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)0,006
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: aucune
Score de désaccord entre enseignants0,542
Score d'incertitude au seuil0,624

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,035
Tête enseignante GPT0,324
Écart entre enseignants0,289 · 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