Capacity provisioning for evacuation on path networks
Notice bibliographique
Résumé
Abstract Designing an appropriate evacuation plan in the event of large scale disasters is extremely important. A considerable research effort has been invested in effective mathematical models and algorithms for the evacuation of densely populated areas. Dynamic networks and flows, and the closely related sink location and evacuation problems are research directions that are being actively pursued at the moment. In this work, we propose an extension of the sink location problem in dynamic networks that is suitable for planning the evacuation of remote and sparsely populated communities. We exploit the connection between the capacity of a transportation network and the amount of resources allocated to the rescue operation, and we introduce a new objective function for the problem of evacuation in a dynamic network. Given a network with known edge lengths and with a known number of evacuees located at the vertices, we would like to assign capacities to the edges of the network, from a fixed capacity budget, in such a way that the evacuation time of all evacuees to the set of fixed sink nodes in the network is minimized. We consider a simple path network with one fixed sink node and observe that the solution can be obtained numerically from a non‐linear program. However, by exploiting two useful properties of the optimal capacity allocation, we propose a combinatorial algorithm that returns a parametric solution, that is, a solution that depends on a single parameter, namely the capacity assigned to one edge of the path. Our algorithm runs in time where is the budgeted capacity, is the precision to which the solution is computed, and is the number of vertices occupied by evacuees in an ‐vertex path. This work is the first to consider the capacity allocation problem in the context of sink location problems.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».