یک الگوریتم تطبیق مبتنی بر داده برای مشکل تجمیع سواری

عنوان یک الگوریتم تطبیق مبتنی بر داده برای مشکل تجمیع سواری
نویسنده شاهین، احمد، سویم، آی.، آلبی، ارینچ، گولر، م. جی.
تاریخ انتشار: 2022-04
محل انتشار - الزویر
موضوع برنامه نویسی باینری، یادگیری ماشین، برنامه نویسی دوسطحی غیرخطی، تجمیع رتبه، تطبیق سواری
نوع دوره ای
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 0305-0548
شماره ثبت b26547e3-5912-4632-9136-0f7e4e2c0500
محل کتابخانه مهندسی صنایع
تاریخ 2022-04
متن نمونه این مقاله یک الگوریتم تطبیق مبتنی بر داده را برای مشکل تجمیع سواری پیشنهاد می‌کند، که یک حالت حمل‌ونقل است که افراد را قادر می‌سازد تا یک وسیله نقلیه را برای سفر به اشتراک بگذارند. این مشکل به عنوان یک نوع مشکل تطبیق در نظر گرفته می شود، زیرا هدف آن یافتن تطابق بین رانندگان و سواران است. الگوریتم پیشنهادی یک الگوریتم یادگیری ماشینی مبتنی بر ایده تجمیع رتبه است، که در آن هر ویژگی در یک مجموعه داده چند ویژگی رتبه‌بندی از محرک‌های نامزد ارائه می‌کند و وزن هر ویژگی از داده‌های گذشته از طریق یک مدل بهینه‌سازی آموخته می‌شود. هنگامی که مسائل یادگیری وزن و رتبه بندی نامزدها به طور همزمان در نظر گرفته می شوند، مدل بهینه سازی حاصل به یک مدل بهینه سازی دوسطحی غیرخطی تبدیل می شود که به عنوان یک مدل بهینه سازی غیرخطی اعداد صحیح مختلط تک سطح فرموله می شود. برای نشان دادن عملکرد الگوریتم پیشنهادی، یک مجموعه داده واقعی از یک برنامه تلفن همراه از یک شرکت راه‌اندازی جمع‌آوری سواری استفاده می‌شود و رویکرد فعلی شرکت به عنوان معیار در نظر گرفته می‌شود. نتایج نشان می دهد که الگوریتم پیشنهادی به درستی انتخاب اول سواران را در مقایسه با معیار در سناریوهای مختلف 17 تا 28 درصد بهتر پیش بینی می کند. به طور مشابه، الگوریتم پیشنهادی لیست‌های توصیه‌ای را ارائه می‌دهد که در آن راننده ترجیحی 0.38 تا 1.12 نفر نزدیک‌تر (به انتخاب واقعی سوارکار) در مقایسه با معیار رتبه‌بندی می‌شود.
DOI 10.1016/j.cor.2021.105666
Cilt 140
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی نسخه های خطی عثمانی
دانشگاه اوزیغین - موتور جستجوی نسخه های خطی عثمانی دانشگاه اوزیغین

یک الگوریتم تطبیق مبتنی بر داده برای مشکل تجمیع سواری

نویسنده شاهین، احمد، سویم، آی.، آلبی، ارینچ، گولر، م. جی.
تاریخ انتشار 2022-04
محل انتشار - الزویر
موضوع برنامه نویسی باینری، یادگیری ماشین، برنامه نویسی دوسطحی غیرخطی، تجمیع رتبه، تطبیق سواری
نوع دوره ای
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 0305-0548
شماره ثبت b26547e3-5912-4632-9136-0f7e4e2c0500
محل کتابخانه مهندسی صنایع
تاریخ 2022-04
متن نمونه این مقاله یک الگوریتم تطبیق مبتنی بر داده را برای مشکل تجمیع سواری پیشنهاد می‌کند، که یک حالت حمل‌ونقل است که افراد را قادر می‌سازد تا یک وسیله نقلیه را برای سفر به اشتراک بگذارند. این مشکل به عنوان یک نوع مشکل تطبیق در نظر گرفته می شود، زیرا هدف آن یافتن تطابق بین رانندگان و سواران است. الگوریتم پیشنهادی یک الگوریتم یادگیری ماشینی مبتنی بر ایده تجمیع رتبه است، که در آن هر ویژگی در یک مجموعه داده چند ویژگی رتبه‌بندی از محرک‌های نامزد ارائه می‌کند و وزن هر ویژگی از داده‌های گذشته از طریق یک مدل بهینه‌سازی آموخته می‌شود. هنگامی که مسائل یادگیری وزن و رتبه بندی نامزدها به طور همزمان در نظر گرفته می شوند، مدل بهینه سازی حاصل به یک مدل بهینه سازی دوسطحی غیرخطی تبدیل می شود که به عنوان یک مدل بهینه سازی غیرخطی اعداد صحیح مختلط تک سطح فرموله می شود. برای نشان دادن عملکرد الگوریتم پیشنهادی، یک مجموعه داده واقعی از یک برنامه تلفن همراه از یک شرکت راه‌اندازی جمع‌آوری سواری استفاده می‌شود و رویکرد فعلی شرکت به عنوان معیار در نظر گرفته می‌شود. نتایج نشان می دهد که الگوریتم پیشنهادی به درستی انتخاب اول سواران را در مقایسه با معیار در سناریوهای مختلف 17 تا 28 درصد بهتر پیش بینی می کند. به طور مشابه، الگوریتم پیشنهادی لیست‌های توصیه‌ای را ارائه می‌دهد که در آن راننده ترجیحی 0.38 تا 1.12 نفر نزدیک‌تر (به انتخاب واقعی سوارکار) در مقایسه با معیار رتبه‌بندی می‌شود.
DOI 10.1016/j.cor.2021.105666
Cilt 140
دانشگاه اوزیغین - موتور جستجوی نسخه های خطی عثمانی
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید