MétaCan
Menu
Retour à la cohorte
Enregistrement W2100641445 · doi:10.1002/net.20437

Lagrangean decomposition/relaxation for the routing and wavelength assignment problem

2011· article· en· W2100641445 sur OpenAlexaff
Babacar Thiongane

Notice bibliographique

RevueNetworks · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Optical Network Technologies
Établissements canadiensKronos (Canada)
Organismes subventionnairesnon disponible
Mots-clésSubgradient methodMathematical optimizationRelaxation (psychology)Path (computing)Node (physics)ComputationShortest path problemArc routingDecompositionColumn generationMathematicsEnhanced Data Rates for GSM EvolutionComputer scienceRouting (electronic design automation)AlgorithmCombinatoricsGraphPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract This work deals with solving the Routing and Wavelength Assignment problem where the number of accepted connections is to be maximized. Lagrangean decomposition as well as Lagrangean relaxation are studied for both node‐arc formulations and arc‐path formulation. It is shown that relaxing the demand constraints yields an edge‐disjoint path problem with profits that is NP‐hard, while the Lagrangean problem obtained when the clash constraints are relaxed becomes a shortest path problem or a 0–1 linear knapsack problem, depending on the formulation used. Moreover, it is shown that the Lagrangean decomposition is not stronger than the Lagrangean relaxation of the demand constraints. We also propose a subgradient algorithm to solve the Lagrangean dual obtained by relaxing the clash constraints. Numerical results demonstrate a high quality of Lagrangean dual bounds with fast computation time. © 2011 Wiley Periodicals, Inc. NETWORKS, 2012

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,903
Score d'incertitude au seuil0,299

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 Opus0,016
Tête enseignante GPT0,220
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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNetworksMême sujetAdvanced Optical Network TechnologiesTravaux en français237 207