MétaCan
Menu
Retour à la cohorte
Enregistrement W3213715850 · doi:10.18280/jesa.540505

A Novel Hybrid Algorithm of Max-Min Ant System with Quadratic Programming to Solve the Unit Commitment Problem

2021· article· en· W3213715850 sur OpenAlex
Henri-Joël Akoue, Pascal Ntsama Eloundou, Salomé Ndjakomo Essiane, Pierre Ele, Léandre Nneme Nneme, Benjamin Salomon Diboma, Olivier Thierry Sosso

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueScheduling and Optimization Algorithms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnt colony optimization algorithmsMathematical optimizationParticle swarm optimizationComputer scienceGenetic algorithmQuadratic programmingAlgorithmMATLABSwarm behaviourScheduleMetaheuristicParallel metaheuristicMeta-optimizationMathematics

Résumé

récupéré en direct d'OpenAlex

In this paper, we propose a novel hybrid algorithm based on MAX-MIN Ant System version of ant colony optimization coupled with quadratic programming (MMAS-QP). Quadratic programming is used to optimize the Economic Dispatching process and MMAS for planning the switching schedule of a set of production units. The algorithm is implemented in MATLAB software environment for two systems, one is 4 generating units running for 8 hours, and the other is 10 generating units running for 24 hours. The impact of heuristic parameters on the behavior of the algorithm is highlighted through the parameters setting. Results obtained shows improved solution compared to several methods such as Modified Ant Colony Optimization (MACO), particle Swarm Optimization combined with Lagrange Relaxation (PSO-LR), Swarm and Evolutionary Computation (SEC), Particle Swarm Optimization combined with Genetic Algorithm (PSO-GA). The proposed method improves sufficiently the quality of the solution as well as the execution 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.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,428
Score d'incertitude au seuil0,807

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,231
Écart entre enseignants0,214 · 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