Non-Linear Threshold Algorithm for the Redundancy Optimization of Multi-State Systems
Notice bibliographique
Résumé
To improve system performance, redundancy is widely used in different kinds of industrial applications such as power systems, aerospace, electronic, telecommunications and manufacturing systems. Designing high performant systems which meet customer requirements with a minimum cost is a challenging task in these industries. This paper develops an efficient approach for the redundancy optimization problem of series-parallel structures modeled as multi-state systems. To reach the target system availability, redundancies are used for components among a list of products available in the market. Each component is characterized by its own availability, cost and performance. The goal is to minimize the total cost under a system availability constraint. Discrete levels of performance are considered for the system and its components. The extreme values of such performance levels correspond to perfect functioning and complete failure. A piecewise cumulative load curve represents consumer demand. System availability corresponds to the aptitude to fulfill this demand. The multi-state system availability evaluation uses the universal moment generating function technique. The proposed optimization algorithm is based on the non-linear threshold accepting metaheuristic, while using a self-adjusting penalty guided strategy. The obtained results demonstrate the approach efficiency for solving the redundancy optimization problem of multi-state systems. Its effectiveness is also tested using the classical redundancy optimization problem of binary-state systems. The algorithm is evaluated by comparison to the best known methods. For multi-state systems, it is compared to genetic algorithm and tabu search. For binary-state systems, it is compared to genetic algorithm, tabu search, ant colony optimization and harmony search. The obtained results demonstrate that the proposed approach outperforms these state-of-the-art benchmark methods in finding, for all considered instances, a high-quality solution in a minimum computational time.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».