PENERAPAN ALGORITMA ANT COLONY OPTIMIZATION MENENTUKAN NILAI OPTIMAL DALAM MEMILIH OBJEK WISATA BERBASIS ANDROID
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.
Notice bibliographique
Résumé
Pencarian nilai yang optimal adalah permasalahan yang dapat dijumpai pada kehidupan sehari-hari. yaitu seperti, menentukan rute terpendek, menentukan jumlah optimal untuk persediaan hasil produksi dan lain-lain. Pencarian nilai optimal dapat digunakan untuk memperoleh nilai tertinggi dan terendah dari suatu permasalahan. Salah satu permasalahan yang populer dan dapat dipecahkan dengan algoritme optimasi adalah Traveling Salesman Problem (TSP) untuk menentukan rute terdekat dengan menggunakan algoritme Ant Colony Optimization. Namun pada kenyataannya, jarak bukanlah satu- satunya tolak ukur yang dapat diperhitungkan saat melakukan perjalanan. Oleh karena itu, penelitian ini bertujuan untuk melengkapi kekurangan pada penelitian sebelumnya dengan menambahkan variabel lain selain jarak. Algoritma Ant Colony Optimization digunakan untuk menentukan objek wisata dengan menghitung variabel biaya pada sebuah jarak. Sehingga dapat menghasilkan sebuah biaya transportasi terendah. Hasil dari penelitian ini berupa rancangan sistem dengan menggunakan UML (Use case, Class, Sequence, Activity Diagram) dan rancangan aplikasi pemilihan objek Wisata Karawang berbasis android dengan menerapkan Algoritme Ant Colony Optimization. Metode pengembangan sistem yang digunakan adalah System Development Life Cycle (SDLC) Waterfall serta rancangan sistem berbasis Object Oriented.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle