MétaCan
Menu
Retour à la cohorte
Enregistrement W4411447639 · doi:10.1109/radar52380.2025.11031903

A Starting-Point-Congestion Method for Over-Loaded Radar Task Scheduling

2025· article· en· W4411447639 sur OpenAlexaff
Zhen Qu, Zhen Ding, Peter W. Moo

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueScheduling and Optimization Algorithms
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésComputer scienceScheduling (production processes)RadarReal-time computingTask (project management)Distributed computingTelecommunicationsMathematical optimizationEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

This paper proposes a novel scheduling method, the Starting-Point-Congestion (SPC) algorithm, designed to address the radar task scheduling problem in over-loaded scenarios. The SPC algorithm determines the mobility and urgency of tasks based on their priorities and crowdedness. All tasks are initially positioned at the start of the time window, awaiting reordering via the Random-Shifted-Start-Time (RSST) technique. The RSST process is constrained by the previously determined task mobility, meaning tasks with higher urgency (and thus lower mobility) have a greater likelihood of remaining within the time window and securing execution positions. Conversely, tasks with lower urgency have higher mobility, increasing the chance of them being moved out of the time window. Numerical simulations show that the schedule produced by the SPC algorithm is up to 13.1 times less costly than that generated by the Earliest-Start-Time (EST) algorithm, and up to 2.8 times better than using the RSST algorithm alone under certain loading conditions. The computational time of SPC is maintained below 8 milliseconds, thus it is considered both efficient and practical for real-time radar missions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,570

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,273
Écart entre enseignants0,263 · 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 tête enseignante, 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
GenreMéthodes

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetScheduling and Optimization AlgorithmsTravaux en français237 207