APLICAÇÃO DA METODOLOGIA GERAR-E-RESOLVER AO PROBLEMA DA ARBORESCÊNCIA MÍNIMA DE COBERTURA
Notice bibliographique
Résumé
Neste trabalho, é avaliado o uso da metodologia Gerar-e-Resolver para o Problema da Arborescência Mínima de Cobertura, utilizando as metaheurísticas Têmpera Simulada e Algoritmo Genético.O Gerar-e-Resolver é uma metodologia híbrida para lidar com problemas difíceis de otimizac ¸ão combinatória, reduzindo artificialmente o espac ¸o de busca de soluc ¸ões.Essa abordagem tem sido bastante eficaz para problemas de corte e empacotamento e problemas de redes sem fio.Experimentos computacionais foram realizados em um conjunto variado de instâncias para comparar as metaheurísticas e o resolvedor exato.Os resultados obtidos mostram que o Gerar-e-Resolver é competitivo com o resolvedor exato para instâncias de tamanho pequeno a médio, e também é demonstrado que a metodologia supera significativamente o resolvedor exato para instâncias de tamanhos maiores, evidenciando a eficácia da abordagem.Além disso, é analisado que o desempenho do Algoritmo Genético cai drasticamente em relac ¸ão à Têmpera Simulada conforme o tamanho e densidade das instâncias aumentam.PALAVRAS CHAVE.Metaheurísticas.Métodos Híbridos.Arborescência Mínima de Cobertura.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».