論文の概要: Parallel processor scheduling: formulation as multi-objective linguistic
optimization and solution using Perceptual Reasoning based methodology
- arxiv url: http://arxiv.org/abs/2004.14955v1
- Date: Thu, 30 Apr 2020 17:04:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 05:01:01.240268
- Title: Parallel processor scheduling: formulation as multi-objective linguistic
optimization and solution using Perceptual Reasoning based methodology
- Title(参考訳): 並列プロセッサスケジューリング:多目的言語最適化のための定式化と知覚推論に基づく解法
- Authors: Prashant K Gupta and Pranab K. Muhuri
- Abstract要約: スケジューリングポリシの目的は、生産時間やコストなど、目標の最適な値を達成することです。
専門家は一般的に、言語用語や言葉の様々なスケジューリング基準(スケジューリングポリシーを含む)について意見を提供する。
また,PR法と2-tuple法との比較を行った。
- 参考スコア(独自算出の注目度): 13.548237279353408
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the era of Industry 4.0, the focus is on the minimization of human element
and maximizing the automation in almost all the industrial and manufacturing
establishments. These establishments contain numerous processing systems, which
can execute a number of tasks, in parallel with minimum number of human beings.
This parallel execution of tasks is done in accordance to a scheduling policy.
However, the minimization of human element beyond a certain point is difficult.
In fact, the expertise and experience of a group of humans, called the experts,
becomes imminent to design a fruitful scheduling policy. The aim of the
scheduling policy is to achieve the optimal value of an objective, like
production time, cost, etc. In real-life situations, there are more often than
not, multiple objectives in any parallel processing scenario. Furthermore, the
experts generally provide their opinions, about various scheduling criteria
(pertaining to the scheduling policies) in linguistic terms or words. Word
semantics are best modeled using fuzzy sets (FSs). Thus, all these factors have
motivated us to model the parallel processing scenario as a multi-objective
linguistic optimization problem (MOLOP) and use the novel perceptual reasoning
(PR) based methodology for solving it. We have also compared the results of the
PR based solution methodology with those obtained from the 2-tuple based
solution methodology. PR based solution methodology offers three main
advantages viz., it generates unique recommendations, here the linguistic
recommendations match a codebook word, and also the word model comes before the
word. 2-tuple based solution methodology fails to give all these advantages.
Thus, we feel that our work is novel and will provide directions for the future
research.
- Abstract(参考訳): 産業4.0の時代には、人間の要素の最小化と、ほぼすべての工業および製造施設における自動化の最大化に重点が置かれている。
これらの施設には多数の処理システムが含まれており、人間の最小数と並行して多数のタスクを実行できる。
このタスクの並列実行は、スケジューリングポリシーに従って行われる。
しかし、ある点を超えた人間の要素の最小化は困難である。
実際、専門家と呼ばれる人間グループの専門知識と経験は、実りあるスケジューリングポリシーを設計するために差し迫っている。
スケジューリングポリシーの目的は、生産時間やコストなど、目標の最適な価値を達成することである。
現実の状況では、並列処理のシナリオには複数の目的があることが多い。
さらに、専門家は、言語用語や言葉の様々なスケジューリング基準(スケジューリングポリシーを含む)について、一般的に意見を提供する。
単語の意味論はファジィ集合(FS)を用いてモデル化される。
したがって、これらすべての要因は並列処理シナリオを多目的言語最適化問題(MOLOP)としてモデル化し、新しいパーセプチュアル推論(PR)に基づく手法を用いて解決する動機となっている。
また,PR法と2-tuple法との比較を行った。
PRベースのソリューション手法は3つの大きな利点をもたらし、独特なレコメンデーションを生成する。ここでは、言語的レコメンデーションがコードブック語と一致し、また単語モデルが単語の前に来る。
2-tupleベースのソリューション方法論は、これらの利点を全て与えない。
ですから,私たちの研究は新鮮であり,今後の研究の方向性を提供すると思います。
関連論文リスト
- Towards Generalist Prompting for Large Language Models by Mental Models [105.03747314550591]
大規模言語モデル(LLM)は多くのタスクにおいて素晴らしいパフォーマンスを示している。
最適な性能を達成するには、特別に設計されたプロンプト法が必要である。
本稿では,最適あるいは準最適性能を実現する設計原理に基づくジェネラリストプロンプトの概念を紹介する。
論文 参考訳(メタデータ) (2024-02-28T11:29:09Z) - Multiobjective Optimization Analysis for Finding Infrastructure-as-Code
Deployment Configurations [0.3774866290142281]
本稿では,インフラストラクチャ・アズ・コード配置に関する多目的問題に焦点をあてる。
本稿では,9種類の進化型多目的アルゴリズムについて述べる。
フリードマンの非パラメトリックテストを用いて, 独立ランニング後の各手法の結果を比較した。
論文 参考訳(メタデータ) (2024-01-18T13:55:32Z) - Optimal Cost-Preference Trade-off Planning with Multiple Temporal Tasks [3.655021726150368]
個別のタスクやその関係性よりも好みを表現できる汎用的な枠組みを提供する新しい選好概念を導入する。
我々は,ユーザの好みに従属する行動と,リソース最適である行動の最適トレードオフ(Pareto)分析を行う。
論文 参考訳(メタデータ) (2023-06-22T21:56:49Z) - A Survey of Contextual Optimization Methods for Decision Making under
Uncertainty [47.73071218563257]
この記事では、データからポリシーを学ぶための3つの主要なフレームワークを特定し、その強みと限界について論じる。
統一的な表記と用語の下で既存のモデルとメソッドを示し、これらを3つの主要なフレームワークに従って分類する。
論文 参考訳(メタデータ) (2023-06-17T15:21:02Z) - Learning to Generate All Feasible Actions [4.250219822975011]
我々は、アクターにすべての実行可能なアクションを生成するよう訓練することで、再利用可能な、転送可能なスキルを学ぶ。
訓練されたアクターは実行可能なアクションを提案し、その中で最適なアクションを特定のタスクに従って選択することができる。
カーネル密度推定,再サンプリング,重要サンプリングの組み合わせを用いて,任意のf-分岐に対する最適化目標を導出する。
論文 参考訳(メタデータ) (2023-01-26T23:15:51Z) - Multi-Task Off-Policy Learning from Bandit Feedback [54.96011624223482]
本稿では,階層型非政治最適化アルゴリズム (HierOPO) を提案する。
学習方針の準最適性にタスクごとのバウンダリを証明し、階層モデルを使用しないよりも明確な改善を示す。
我々の理論的および実証的な結果は、各タスクを個別に解くよりも、階層を使うことの明確な利点を示している。
論文 参考訳(メタデータ) (2022-12-09T08:26:27Z) - Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。
本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
論文 参考訳(メタデータ) (2022-01-28T05:53:28Z) - Exploring Relational Context for Multi-Task Dense Prediction [76.86090370115]
我々は,共通バックボーンと独立タスク固有のヘッドで表される,密集予測タスクのためのマルチタスク環境を考える。
マルチタスク設定では,グローバルやローカルなど,さまざまな注意に基づくコンテキストを探索する。
タスクペアごとに利用可能なすべてのコンテキストのプールをサンプリングするAdaptive Task-Relational Contextモジュールを提案する。
論文 参考訳(メタデータ) (2021-04-28T16:45:56Z) - Gradient Vaccine: Investigating and Improving Multi-task Optimization in
Massively Multilingual Models [63.92643612630657]
本稿では、損失関数幾何学のレンズを通して多言語最適化のブラックボックスを覗き込もうとする。
最適化軌道に沿って測定された勾配類似性は重要な信号であり、言語近接とよく相関している。
そこで我々はGradient Vaccineというシンプルでスケーラブルな最適化手法を考案した。
論文 参考訳(メタデータ) (2020-10-12T17:26:34Z) - Modelling Multi-Agent Epistemic Planning in ASP [66.76082318001976]
本稿では,マルチショット・アンサー・セット・プログラミング・ベース・プランナの実装について述べる。
本稿は, アドホックなエピステミック状態表現とASPソルバの効率を生かしたプランナーが, 文献から収集したベンチマークに対して, 競合的な性能を示すことを示す。
論文 参考訳(メタデータ) (2020-08-07T06:35:56Z) - Perceptual reasoning based solution methodology for linguistic
optimization problems [13.548237279353408]
言語最適化問題(LOP)は、単一目的言語最適化問題(SOLOP)と多目的言語最適化問題(MOLOP)の2種類からなる。
言語情報の利用は、必然的に単語による計算(CWW)の活用を要求するため、LOPに対して2-tuple言語モデルに基づく解法が提案された。
その結果, 2-tuple言語モデルに基づく解法は,type-1ファジィ集合と順序項集合の組み合わせを用いて,言語情報のセマンティクスを表すことがわかった。
論文 参考訳(メタデータ) (2020-04-30T16:35:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。