Near-optimal FIPP p-cycle network designs using general path-protecting p-cycles and combined GA-ILP methods
Notice bibliographique
Résumé
Recent work on failure independent path-protecting p-cycles (FIPP) has revealed some new, relatively simple and possibly cost-effective approaches for FIPP p-cycle network design. The first step of the proposed strategy consists of solving a more general path-protecting p-cycle (GPP) problem in which the constraint of failure independence is relaxed. The second step consists of imposing the failure independence constraint onto the GPP solution and identifying the working paths that become unprotected as a result. A FIPP p-cycle solution is extracted by capacitating additional cycles to protect these paths, the number of which the results revealed to never exceed three. Another contribution of this work is the adaptation of the novel combination of genetic algorithms with integer linear programming (GA-ILP) to the GPP concept, which allowed us to solve large GPP problem instances. GA-ILP solutions were typically within 1% of optimality for smaller networks for which the exact solutions were known. The GPP and FIPP solutions obtained with the assistance of GA-ILP were considerably better (by as much as 23%) than those obtained by the FIPP disjoint route set (DRS) method. Furthermore, the results obtained in this paper also showed that relaxing the disjoint route set constraint in FIPP p-cycle networks can result in as much as 9% decrease in spare capacity cost. Also in this paper, we ventured to provide a true comparison of span-protecting p-cycles with FIPP p-cycles, from the capacity efficiency perspective.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».