Job Scheduling with Battery Recharging Constraints: Applications to UAV Flight Planning
Notice bibliographique
Résumé
The need to understand job scheduling on devices with intermittent availability is of significant interest today because of the use of battery-powered devices - including electric vehicles - that rely on recharging intervals or energy harvesting. In some recent work by Islam and Nirjon, effective heuristics were proposed for scheduling recurring tasks with deadlines on such intermittently available devices. The broader computational complexity of job scheduling has not been explored in this setting where there is a relationship between job durations and energy consumption. We provide a richer understanding of this problem space. We consider two recharging approaches, one where the battery has to be fully charged during a recharging interval (sometimes considered better for extending battery lifetime) and another where the battery can be partially charged, and we study different scheduling objectives: minimizing the sum of completion times, minimizing the maximum tardiness, and minimizing the number of tardy jobs. We also consider four different relationships between job duration and energy consumption: (i) energy consumption is equal for all jobs irrespective of job length; (ii) job length is equal for all jobs irrespective of energy consumption; (iii) energy consumption is directly proportional to job length; and (iv) there is an arbitrary relationship between job length and energy consumption. In effect, we consider 24 different scheduling problems, and establish that most problems subject to a complete recharging requirement are NP-Hard but that most problems can be solved in polynomial time when partial recharging is permitted. Interestingly, we have been unable to resolve the computational complexity for the one case of minimizing the sum of completion times subject to partial recharging.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,003 | 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 ».