Notice bibliographique
Résumé
Operations Research is the application of scientific methods, especially mathematical and statistical ones, to problems of making decisions. From the huge variety of real life applications, this thesis focuses on a particular class of problems for which the placement of certain resources is in question. These tasks are referred collectively as facility location problems. This dissertation is about algorithms to solve a fundamental problem in facility location, the k-median problem. The mathematical object used here in modeling the resources and their interactions with the environment is a tree. Many other formulations are used in practice with the k-median problem, but the case of trees is special because, (i) the formulation is very simple, (ii) problems can be solved efficiently, (iii) efficient algorithms for problems in trees can be used to derive approximate solutions for general networks (Tamir (102]), and (iv) efficient algorithms for k-median problems in trees could lead to specific k-median algorithms for classes of graphs less studied, such as the graphs with bounded tree-width. Using simple techniques from computational geometry, we give the first k-median algorithm sub-quadratic in the size of the tree when k is fixed, for arbitrary trees. In the introduction, we give an overview of the main results known about the k-median problem in general. The main ideas behind our approach are also illustrated. In Chapter 2 we present a decomposition of trees that is central to our methods. In Chapter 3 we describe our approach for solving the k-median problem in trees and we give simplified algorithms for three particular cases, the 3-median problem, the k-median problem in directed trees, and the k-median problem in balanced binary trees. The following two chapters discuss two generalizations of the k-median problem, the k-median problem with positive and negative weights and the collection depots problem.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».