A New Algorithm for Water Distribution System Optimization: Discrete Dynamically Dimensioned Search
Notice bibliographique
Résumé
The Dynamically Dimensioned Search (DDS) continuous global optimization algorithm by Tolson and Shoemaker (2007) is modified to solve discrete, single-objective, constrained Water Distribution System (WDS) design problems. The new algorithm is called Discrete Dynamically Dimensioned Search (DDDS). DDDS characteristics parallel those of DDS, namely that it is a simple, parsimonious and efficient global optimization algorithm. This paper evaluates DDDS in relation to Ant Colony Optimization (ACO) and Genetic Algorithms (GAs) for WDS optimization. The first implementation of DDDS, called DDDS-v1, was developed and then applied to the Hanoi (HP) and New York Tunnels (NYTP) benchmark WDS optimization problems without algorithm parameter-tuning and with a simple parameter-free penalty function approach. DDDS-v1 results are good for the NYTP in comparison with published ACO and GA results. DDDS-v1 identified the best known solution to the NYTP in 5/20 optimization trials. For HP, DDDS-v1 generated better average results than any ACO and GA results available from a previous study. Importantly, DDDS-v1 had no trouble finding the feasible region and returned final solutions from this region that were on average improved relative to other algorithms. Overall, findings suggest that DDDS shows good potential as a new tool for WDS optimization.
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 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».