Meta-heurísticas GRASP e BRKGA aplicadas ao problema da diversidade máxima
Notice bibliographique
Résumé
mas que também me apoiaram e ouviram nos momentos ruins.À Dona Zefa, pelos bons cafés no IMECC.À Unicamp e ao IMECC, pela infraestrutura oferecida.À CAPES, pelo auxílio financeiro. ResumoNeste trabalho estudamos o Problema da Diversidade Máxima (PDM), que consiste em selecionar entre um conjunto de elementos, um subconjunto que seja o mais diverso possível.O problema é classificado como NP-difícil.Apresentamos as formulações quadrática e a linear inteira mista, aplicações e exemplo numérico.Resolvemos problemas pequenos de maneira exata e notamos que para problemas maiores é necessário o uso de heurísticas ou meta-heurísticas em sua resolução.Sendo assim, escolhemos as meta-heurísticas Greedy Randomized Adaptive Search Procedure (GRASP) e Biased Random-Key Genetic Algorithm (BRKGA) para serem aplicadas ao PDM.No GRASP, adotamos uma construção de solução selecionando o elemento de acordo com a correspondente contribuição do mesmo ao valor da função objetivo.Após a construção de cada solução, aplicamos uma busca local e em seguida acionamos a técnica path relinking.No procedimento de busca local, empregamos uma busca do tipo exaustiva, realizando a melhor troca entre um elemento pertencente a solução e outro não pertencente.Geradas as soluções, aplicamos o path relinking na expectativa que entre cada par de soluções, exista uma solução com melhor valor para a função objetivo.Já no BRKGA, implementamos uma função fitness e um decodificador de soluções adaptados ao Problema da Diversidade Máxima.A função fitness adotada é a soma das diversidades entre os elementos selecionados e a decodificação de soluções é baseada na ordenação das chaves aleatórias.O objetivo deste trabalho é analisar e comparar os resultados obtidos pelas meta-heurísticas GRASP e BRKGA, tendo como referência os melhores resultados da literatura.Os problemas analisados nos testes computacionais foram extraídos da biblioteca MDPLIB.Observamos que as duas meta-heurísticas apresentam bons resultados na resolução do PDM, sendo que para problemas de pequeno e médio porte BRKGA obteve melhor desempenho que GRASP, enquanto que para problemas de grande porte, GRASP supera o desempenho do BRKGA.
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 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».