MétaCan
Menu
Retour à la cohorte
Enregistrement W2118552209 · doi:10.1287/ijoc.14.3.261.115

Symbolic Computation of Moments in Priority Queues

2002· article· en· W2118552209 sur OpenAlexafffund
Steve Derkic, James E. Stafford

Notice bibliographique

RevueINFORMS journal on computing · 2002
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAdvanced Queuing Theory Analysis
Établissements canadiensUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésQueueing theoryOperator (biology)Priority queueMoment (physics)Computer scienceComputationMean value analysisQueueLaplace transformTaylor seriesPartition (number theory)Set (abstract data type)Applied mathematicsAlgorithmLayered queueing networkMathematical optimizationMathematicsTheoretical computer scienceCombinatorics

Résumé

récupéré en direct d'OpenAlex

Analytical tools such as Laplace-Stieltjes transforms and z-transforms are commonly used to characterize queueing-theoretic quantities such as busy-period, waiting-time, and queue-size distributions. Many of these transforms, particularly in M/G/1 priority queueing applications, tend to be cumbersome expressions that involve both implicit and recursive functional relationships. Due to these complications, even the task of deriving moments becomes an algebraically intensive exercise. The focus of this paper is to describe a collection of efficient symbolic procedures useful for automating the tedious mathematical computations one encounters in working with these kinds of transforms. Central to this development is the introduction of a set-partition operator that enables moment expressions for delay cycles to be determined quickly and exactly, without having to derive any sort of higher-order derivative or Taylor-series expansion. Making use of this operator eliminates laborious derivations by hand and permits moments of various priority queueing-related quantities to be easily determined. In particular, the procedures are applied to the classical non-preemptive and preemptive resume queues, as well as two advanced variants of these models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,260
Écart entre enseignants0,239 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations5
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueINFORMS journal on computingMême sujetAdvanced Queuing Theory AnalysisTravaux en français237 207