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
- Multi-Objective Planning with Contextual Lexicographic Reward Preferences [5.207917381770368]
本稿では,コンテキストに応じて,様々な語彙的対象順序で計画を可能にする枠組みを提案する。
CLMDPでは、状態における目的順序と関連する報酬関数の両方がコンテキストによって決定される。
CLMDPを解くアルゴリズムは、まず、目的の注文ごとにポリシーを計算し、それらを単一のコンテキスト対応ポリシーに結合する。
論文 参考訳（メタデータ） (2025-02-13T19:04:22Z) - Autoformulation of Mathematical Optimization Models Using LLMs [50.030647274271516]
商用問題解決者のための自然言語記述から最適化モデルを作成するための自動アプローチを開発する。
本稿では,(1)問題依存仮説空間の定義,(2)不確実性の下でこの空間を効率的に探索すること,(3)定式化の正しさを評価すること,の3つの課題を同定する。
論文 参考訳（メタデータ） (2024-11-03T20:41:38Z) - Policy Adaptation via Language Optimization: Decomposing Tasks for Few-Shot Imitation [49.43094200366251]
本稿では,タスク分解のセマンティック理解を生かした,未確認タスクへの数発適応のための新しいアプローチを提案する。
我々の手法であるPALO(Policy Adaptation via Language Optimization)は,タスクのいくつかの実演と,提案する言語分解とを組み合わせる。
PALOは、実世界の長期・多層的なタスクを一貫して完了することができ、事前訓練されたジェネラリスト政策の状況よりも優れています。
論文 参考訳（メタデータ） (2024-08-29T03:03:35Z) - Meta Reasoning for Large Language Models [58.87183757029041]
大規模言語モデル(LLM)の新規かつ効率的なシステムプロセッシング手法であるメタ推論プロンプト(MRP)を導入する。
MRPは、各タスクの特定の要求に基づいて異なる推論メソッドを動的に選択し、適用するようLLMに誘導する。
総合的なベンチマークによりMPPの有効性を評価する。
論文 参考訳（メタデータ） (2024-06-17T16:14:11Z) - Plan of Thoughts: Heuristic-Guided Problem Solving with Large Language Models [0.0]
言語モデルを用いた多段階問題解決のための計画的アプローチを定式化する。
ゲーム・オブ・24のタスクにおいて,既存のアプローチに比べて89.4%の優れた成功率を示す。
論文 参考訳（メタデータ） (2024-04-29T18:51:17Z) - 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) - 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) - 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) - 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。