Stability of Interdiction Strategies in Quickest Flow Networks
Notice bibliographique
Résumé
ABSTRACT Many, if not all, societies have experienced natural disasters, public protests, traffic congestion, and the smuggling of dangerous goods, among other similar events. Such decision‐making and managerial problems can be studied using a game‐theoretic approach on specific networks. This paper studies a type of Stackelberg game known as the Quickest Flow Network Interdiction Problem (QFNIP). This problem considers a predefined volume of source flow, a limited interdiction budget, a network with two distinguished nodes (source and sink), two competing operators, the user, and the interdictor. The user aims to speed the flow from source tosink, while using the available interdiction budget, the interdictor tries to slow down the user's flow as much as possible by removing (interdicting) some network links. A set of removed links constitutes an interdiction strategy. This paper investigates the optimal interdiction strategies and their dependency on the source flow volume. It shows that optimal interdiction strategies depend on the volume of the source flow. This dependency holds up to a sufficiently large threshold of source flow volume, and the optimal strategies remain unchanged when the source flow exceeds that value. An interdiction strategy, independent of the source flow volume, is referred to as stable network interdiction. This paper proposes a practical method to find these stable interdiction strategies, applies it to the Canada Freedom Convoy, and examines the proposed method in both real‐world and randomly generated grid networks.
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 | 0,001 |
| 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 ».