APLIKASI ALGORITMA GREEDY UNTUK PEWARNAAN WILAYAH PADA PETA KOTA PADANG BERBASIS TEOREMA EMPAT WARNA
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
. Kecamatan-kecamatan pada peta kota Padang diwarnai dengan menggunakan algoritma Greedy. Pewarnaan wilayah yang mengasumsikan sebuah kecamatan sebagai simpul dan sisi sebagai penghubung antar kecamatan yang bertetangga tersebut, menggunakan teorema empat warna yang menyatakan banyak warna minimum yang akan digunakan dalam mewarnai peta. Sebelum algoritma Greedy digunakan, graf dual peta tersebut dikonstruksi dan derajat tiap simpul ditentukan. Pada penggunaan algoritma Greedy, himpunan kandidat warna dan inisialisasi solusi dibuat. Selanjutnya, dilakukan pewarnaan pertama kali untuk simpul dengan derajat terbesar, dengan cara memilih secara sebarang warna pada himpunan kandidat. Kemudian, periksa kelayakan dari warna dengan menggunakan prinsip bahwa dua simpul yang bertetangga tidak boleh memiliki warna yang sama. Warna yang dihasilkan kemudian merupakan elemen dari himpunan solusi. Proses pewarnaan tersebut diulangi hingga semua wilayah kecamatan pada peta tersebut diwarnai.Kata Kunci: Algoritma Greedy, Pewarnaan Wilayah, Teorema Empat Warna.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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