MétaCan
Menu
Retour à la cohorte
Enregistrement W3125814563

Due-Date Scheduling: Asymptotic Optimality of Generalized Longest Queue and Generalized Largest Delay Rules

2003· article· en· W3125814563 sur OpenAlex
Van Mieghem, Ali Jan

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAdvanced Queuing Theory Analysis
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésParameterized complexityQueueScheduling (production processes)MathematicsProbabilistic logicCombinatoricsMathematical optimizationDiscrete mathematicsComputer scienceStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Consider the following due-date scheduling problem in a multiclass, acyclic, single-station service system: any class k job arriving at time t must be served by its due date t D_{k}. Equivalently, its delay ¦O_{k} must not exceed a given delay or lead-time D_{k}. In a stochastic system the constraint ¦O_{k}iUD_{k} must be interpreted in a probabilistic sense. Regardless of the precise probabilistic formulation, however, the associated optimal control problem is intractable with exact analysis. This article proposes a new formulation that incorporates the constraint through a sequence of convex-increasing delay cost functions. This formulation reduces the intractable optimal scheduling problem into one for which the Generalized c¦I (Gc¦I) scheduling rule is known to be asymptotically optimal. The Gc¦I rule simplifies here to a generalized longest queue (GLQ) or generalized largest delay (GLD) rule, which are defined as follows. Let N_{k} be the number of class k jobs in system, ¦E_{k} their arrival rate and a_{k} the age of their oldest job in the system. GLQ and GLD are dynamic priority rules, parameterized by ¦E: GLQ(¦E) serves FIFO within class and prioritizes the class with highest index ¦E_{k}N_{k}, whereas GLD(¦E) uses index ¦E_{k}¦E_{k}a_{k}. The argument is presented first intuitively, but is followed by a limit analysis that expresses the cost objective in terms of the maximal due-date violation probability. This proves that GLQ(¦E_{∗}) and GLD(¦E_{∗}), where ¦E_{∗,k}=1/¦E_{k}D_{k}, asymptotically minimize the probability of maximal due-date violation in heavy traffic. Specifically, they minimize liminf_{niuiÞ}Pr{max_{k}sup_{siE[0,t]}((¦O_{k}(ns))/(n^{1/2}D_{k}))iÝx} for all positive t and x, where ¦O_{k}(s) is the delay of the most recent class k job that arrived before time s. GLQ with appropriate parameter ¦E_{¦A} also reduces total variability because it asymptotically minimizes a weighted sum of ¦A^{th} delay moments. Properties of GLQ and GLD, including an expression for their asymptotic delay distributions, are presented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: Empirique
Score de désaccord entre enseignants0,558
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,245
Écart entre enseignants0,227 · 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

En bref

Citations3
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Queuing Theory AnalysisTravaux en français237 207