MétaCan
Menu
Retour à la cohorte
Enregistrement W4399432475 · doi:10.1287/ijoc.2023.0059

Ranking Decomposition for the Discrete Ordered Median Problem

2024· article· en· W4399432475 sur OpenAlexaffabout
Marilène Cherkesly, Claudio Contardo, Matthieu Gruson

Notice bibliographique

RevueINFORMS journal on computing · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFacility Location and Emergency Management
Établissements canadiensConcordia UniversityGroup for Research in Decision AnalysisUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésMathematicsCombinatoricsHeuristicsInteger (computer science)Rank (graph theory)Ranking (information retrieval)Discrete mathematicsComputer scienceMathematical optimizationArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Given a set [Formula: see text] of size n, a nonnegative, integer-valued distance matrix D of dimensions [Formula: see text], an integer [Formula: see text] and an integer-valued weight vector [Formula: see text], the discrete ordered median problem (DOMP) consists of selecting a subset [Formula: see text] of exactly p points from [Formula: see text] (also referred to as the centers) so as to: 1) assign each point in [Formula: see text] to its closest center in [Formula: see text]; 2) rank the resulting distances (between every point and its center) from smallest to largest in a sorted vector that we denote [Formula: see text]; 3) minimize the scalar product [Formula: see text]. The DOMP generalizes several classical location problems such as the p-center, the p-median and the obnoxious median problem. We introduce an exact branch-and-bound algorithm to solve the DOMP. This branch-and-bound decouples the ranking attribute of the problem to form a series of simpler subproblems which are solved using innovative binary search methods. We consider several acceleration techniques such as warm-starts, primal heuristics, variable fixing, and symmetry breaking. We perform a thorough computational analysis and show that the proposed method is competitive against several MIP models from the scientific literature. We also comment on the limitations of our method and propose avenues of future research. History: Accepted by Andrea Lodi, Area Editor for Design & Analysis of Algorithms—Discrete. Funding: This work was supported by the Natural Sciences and Engineering Research Council of Canada [Grants 2017-06106, 2020-06311, and 2021-03327]. Supplemental Material: The software that supports the findings of this study is available within the paper and its Supplemental Information ( https://pubsonline.informs.org/doi/suppl/10.1287/ijoc.2023.0059 ) as well as from the IJOC GitHub software repository ( https://github.com/INFORMSJoC/2023.0059 ). The complete IJOC Software and Data Repository is available at https://informsjoc.github.io/ .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0180,003

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 Opus0,023
Tête enseignante GPT0,283
Écart entre enseignants0,261 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueINFORMS journal on computingMême sujetFacility Location and Emergency ManagementTravaux en français237 207