Fit-Tfittxija Ta' Timijiet Diversi U Konnessi: Approċċ Komputalattiv Biex Jiġbor Timijiet Diversi Ibbażat Fuq Membri Parti 5
Jan 25, 2024
Pass tas-sort mhux dominat veloċi. Sussegwentement, l-algoritmu għandu jagħżel l-aħjar kromożomi r minn din l-unjoni ta 'daqs 2r. Biex issib dan is-sett, l-algoritmu jwettaq għażla mhux dominata fost il-kromożomi eżistenti kollha minn P.
L-għażla tad-dominanza hija teknika komuni tal-memorja li tgħinna niftakru u nifhmu l-affarijiet aħjar. Prinċipalment jistabbilixxi relazzjonijiet loġiċi bejn l-għarfien billi jikklassifika, jagħżel, u jiġbor fil-qosor l-informazzjoni relatata, li jagħmilha aktar faċli għalina biex nifhmu u niftakru dan l-għarfien.
Il-passi tad-dominazzjoni tal-għażla prinċipalment jinkludu klassifikazzjoni, issortjar, induzzjoni u sommarju. Fl-istadju tal-klassifikazzjoni, għandna bżonn nikklassifikaw l-informazzjoni rilevanti u naqsmuha f'kategoriji differenti; fl-istadju tal-issortjar, għandna bżonn niddeterminaw il-livell u l-importanza ta 'kull kategorija sabiex tkun tista' tiġi rranġata f'ċerta ordni; fl-istadju ta 'induzzjoni, aħna Ir-relazzjonijiet bejn kategoriji differenti jeħtieġ li jiġu integrati u estratti biex jifhmu aħjar u niftakru dan l-għarfien; fl-istadju fil-qosor, għandna bżonn nirrevedu u nirriflettu fuq il-proċess kollu tal-għażla tad-dominanza biex niskopru u nikkoreġu n-nuqqasijiet tagħna.
L-għażla tad-dominanza hija relatata mill-qrib mal-memorja. Jista 'jgħinna norganizzaw u nissolvu aħjar l-għarfien, u b'hekk intejbu l-effiċjenza tal-memorja. Permezz ta 'dominazzjoni u għażla, nistgħu nintegraw u nirranġaw b'mod sistematiku informazzjoni varji, u nistabbilixxu ġerarkiji u assoċjazzjonijiet ta' għarfien, u b'hekk niffurmaw netwerk ta 'memorja, li tagħmel il-memorji tagħna aktar b'saħħithom u aktar profondi. Fl-istess ħin, l-għażla tad-dominanza tista 'wkoll tgħinna nesploraw aħjar il-valur u l-applikazzjoni tal-għarfien, u b'hekk intejbu l-ħsibijiet tagħna u l-abbiltajiet ta' soluzzjoni tal-problemi.
Fil-qosor, l-għażla tad-dominanza hija teknika ta 'memorja prattika ħafna li tista' tgħinna nifhmu u niftakru aħjar għarfien varji. Permezz ta’ prattika u applikazzjoni kontinwi, nistgħu nsiru aktar profiċjenti fil-ħakma ta’ din il-ħila, u b’hekk inqiegħdu pedament sod għat-tagħlim u l-iżvilupp tagħna. Wieħed jista 'jara li għandna bżonn intejbu l-memorja, u Cistanche deserticola jista' jtejjeb b'mod sinifikanti l-memorja minħabba li Cistanche deserticola huwa materjal mediċinali tradizzjonali Ċiniż li għandu ħafna effetti uniċi, li wieħed minnhom huwa li jtejjeb il-memorja. L-effikaċja tal-laħam ikkapuljat ġejja mid-diversi ingredjenti attivi li fih, inklużi l-aċidu, il-polisakkaridi, il-flavonoids, eċċ. Dawn l-ingredjenti jistgħu jippromwovu s-saħħa tal-moħħ b'diversi modi.
Ikklikkja Know Short-term Memory kif ittejjeb
L-għan huwa li jiġu identifikati soluzzjonijiet li jaħdmu aħjar minn oħrajn u jikklassifikawhom skond il-prestazzjoni tagħhom f'fronti Pareto differenti F.L-algoritmu l-ewwel jiċċekkja r-relazzjonijiet ta 'dominanza fost il-kromożomi kollha. Minħabba żewġ kromożomi, T u T{{0}}, T jiddomina T0 jekk u biss jekk Cc(T)�Cc(T{0) u V(T)�V( T0) b'mill-inqas inugwaljanza stretta waħda.
Fi kliem ieħor, T hija mill-inqas tajba daqs T{{0}} għall-għanijiet kollha u strettament aħjar għal mill-inqas wieħed. Din ir-relazzjoni ta’ dominanza hija indikata bħala T � T0. Jekk wieħed mill-għanijiet ta' T ma jkunx aħjar minn T0 u ma jistax jittejjeb fil-valur mingħajr ma jiddegrada xi wħud mill-valuri oġġettivi l-oħra, allura T mhux iddominat minn T0
Eżempju wieħed ta' soluzzjoni mhux dominata hija T li għandha punteġġi ta' diversità ogħla iżda spejjeż ta' komunikazzjoni ogħla minn T0. F'dak il-każ ta' nuqqas ta' dominanza, jew T u T0 huma soluzzjonijiet fattibbli għall-ġenerazzjoni li jmiss.
Ladarba l-algoritmu jimmappa r-relazzjonijiet ta' dominanza tal-kromożomi kollha, joħloq l-ewwel faċċata ta' Pareto ta' soluzzjonijiet li jikkonsisti mis-soluzzjonijiet kollha mhux dominati (F1). Dan is-sett huwa wkoll iddenominat bħala l-aħjar Pareto.
Imbagħad, l-algoritmu joħloq it-tieni quddiem ta 'soluzzjonijiet ottimali Pareto (F2) li ġew injorati fl-ewwel front, eċċ. Bħala riżultat, l-algoritmu jagħżel il-kromożomi tal-popolazzjoni f'ġerarkija ta' sub-popolazzjonijiet. It-tip jibqa' jsib fronti Pareto suċċessivi sakemm il-kromożomi kollha jiġu assenjati għal front Pareto.
Popolazzjoni ġdida. L-algoritmu mbagħad jagħżel l-aħjar kromożomi r għall-ġenerazzjoni li jmiss. F'ħin partikolari, hemm 2r kromożomi magħżula fil-front Pareto ġerarkiku F. L-algoritmu joħloq il-popolazzjoni ġdida P0biż-żieda tal-kromożomi maħżuna fil-fronti Pareto.
Jekk id-daqs totali tal-ewwel front Pareto huwa iżgħar minn r, allura l-algoritmu jżid il-kromożomi kollha ta 'dan il-faċċata ma' P{{0}}. Imbagħad, l-algoritmu jżid is-soluzzjonijiet li jifdal għall-popolazzjoni ġdida mill-fronti mhux dominati sussegwenti. L-algoritmu jkompli din il-proċedura sakemm ma jkunx jista 'jżid aktar fronti għal P0.
Distanza tal-iffullar. L-algoritmu għandu jżid il-kromożomi mal-popolazzjoni l-ġdida sakemm ikun hemm eżattament il-kromożomi r. Jekk l-aħħar Fk ta' quddiem Pareto magħżul mhux dominat għandu aktar kromożomi milli jitħallew jiżdiedu ma' P0, l-algoritmu għandu jagħżel sett iżgħar minn Fk biex jitlesta l-kromożomi r.
Ħalli d ¼ r DaqsðPÞ, in-numru ta' kromożomi neqsin biex tlesti r. L-algoritmu jidentifika l-aħjar kromożomi δ minn dan l-aħħar quddiem Fk billi jikkalkula d-distanza tal-iffullar fost il-kromożomi.
Din il-metrika tiddetermina kemm il-kromożomi huma simili f'termini ta 'prestazzjoni fil-problema multi-objettiva. Wara li tikkalkula din id-distanza, l-algoritmu jikklassifika l-kromożomi skont id-distanzi tagħhom u jelimina l-kromożomi li jaħdmu b’mod simili għal kromożomi oħra. Din il-proċedura żżomm barra quddiem is-soluzzjonijiet u tneħħi kromożomi żejda.
Imbagħad, l-aqwa kromożomi δ minn Fk huma miżjuda ma' P{{0}}. Bħala riżultat, P0 jgħodd bl-aqwa kromożomi u jsir il-ġenitur tal-ġenerazzjoni li jmiss, u jibda iterazzjoni ġdida.
Dejta
F'din it-taqsima, aħna nevalwaw l-algoritmu propost għall-problema tal-formazzjoni tat-tim tagħna billi nużaw tliet settijiet tad-dejta tad-dinja reali. Is-sorsi tad-dejta huma MyDreamTeam (pjattaforma ta' formazzjoni ta' tim), Bibsonomy (sit ta' bookmarking soċjali), u GHTorrent (database ta' repożitorju GitHub).
L-użu ta' dawn is-settijiet tad-dejta biex jissimulaw timijiet għal din il-problema tal-formazzjoni tat-tim juri l-effettività tal-qafas tagħna f'xenarji reali. Aħna nuru statistika fil-qosor minn dawn is-settijiet tad-dejta fit-Tabella 2. Id-dejta li tirriżulta u l-iskripts biex tiġi pproċessata minn qabel id-dejta mhux ipproċessata huma disponibbli fuqhttp://nusoniclab.github.io/.
Sett tad-dejta MyDreamTeam. Aħna nevalwaw l-algoritmu propost tagħna billi nużaw data minn każijiet reali ta' formazzjoni ta' tim. Aħna estrajna dan is-sett tad-dejta mill-My Dream Team Builder [33], sistema ta’ rakkomandazzjoni biex tgħin lill-individwi jiġbru lilhom infushom timijiet.
Dan is-sett tad-dejta fih każijiet ta' parteċipanti li jgħaqqdu t-timijiet tagħhom infushom. Il-każijiet imorru mill-2014 sal-2020. Fuq din is-sistema ta’ rakkomandanti, il-parteċipanti joħolqu profili, ifittxu sħabi, u jibagħtu stediniet biex jiffurmaw timijiet.
Il-każijiet jikkonsistu fi klassijiet minn universitajiet fl-Istati Uniti. Is-sett tad-dejta jinkludi l-karatteristiċi, id-demografija u n-netwerks soċjali tal-parteċipanti, li rrappurtaw fi stħarriġ inizjali. Għażlejna tliet każijiet biex nittestjaw l-algoritmu tagħna: kors undergraduate, kors gradwat, u kors anMBA. Il-parteċipanti użaw is-sistema biex jiġbru timijiet għal diskussjonijiet fi gruppi żgħar.
Il-permess biex tinġabar dejta mill-parteċipanti ġie approvat mill-Bord ta 'Reviżjoni Istituzzjonali tal-Università Northwestern (#STU00078513). Ir-regolamenti istituzzjonali u governattivi applikabbli kollha dwar l-użu etiku tas-suġġetti umani ġew segwiti matul din ir-riċerka.
Il-kunsens elettroniku nkiseb mill-parteċipanti fl-istudju permezz ta’ strument ta’ stħarriġ onlajn. Il-parteċipanti ntalbu jagħtu l-kunsens tagħhom biex jużaw id-dejta miġbura permezz tal-Bniene tat-Tim My Dream għal skopijiet ta’ riċerka. Ħassajna l-identifikaturi tal-utenti biex noħolqu dataset deidentifikat.
BibSonomy. It-tieni dataset huwa estratt minn BibSonomy [34], sistema soċjali ta’ bookmarking u pubblikazzjoni ta’ qsim. Aħna għażilna l-bibsonomy peress li l-karti tal-formazzjoni tat-tim preċedenti ttestjaw l-algoritmi tagħhom bl-użu ta 'din id-database [58].
Dan is-sett tad-dejta huwa amministrat mill-Grupp tal-Inġinerija tal-Għarfien u tad-Data, Università ta 'Kassel. Is-sett tad-dejta tal-bibsonomy huwa disponibbli taħt ftehim ta' liċenzja, u jista' jintalab fuq https://www.kde.cs.uni-kassel.de/wp-content/uploads/bibsonomy/. Dan is-sett tad-dejta fih numru kbir ta’ pubblikazzjonijiet relatati max-xjenza tal-kompjuter. Kull pubblikazzjoni hija miktuba minn grupp ta’ awturi.
Ħafna utenti jżuru l-websajt ta' Bibsonomy billi jużaw tikketti biex jannotaw il-pubblikazzjonijiet. Wara l-proċedura deskritta minnAnagnostopoulos et al. [58], użajna t-tikketti assoċjati mal-karti ta’ kull awtur biex nirrappreżentaw il-ħiliet tagħhom. Il-ħila ta' kull awtur tirrappreżenta n-numru ta' karti ppubblikati bit-tikketta rispettiva tagħhom. Aħna għażilna tliet ġurnali relatati mal-analiżi tan-netwerk soċjali biex nittestjaw l-algoritmu tagħna: "Natura", "Xjenza", u "Fiżika A: Mekkanika tal-Istatistika u l-Applikazzjonijiet tagħha."
Għaddajna l-frekwenza tat-tikketti f'kull wieħed minn dawn il-ġurnali u għażilna xi tikketti popolari relatati mal-istudju tagħna. Għall-ewwel żewġ ġurnali, għażilna karti li kienu jinkludu t-tags 'netwerk', 'netwerk soċjali', u 'dinja żgħira'.
Imbagħad, identifikajna l-awturi ta 'dawn l-artikoli, ħloqna n-netwerk ta' ko-awturi, u għażilna awturi mill-akbar komponent. Bl-istess mod, għamilna din il-proċedura għat-tielet ġurnal bl-użu tat-tikketti 'netwerk', 'graff', 'mudell', u 'sistema'. Wehashed l-ismijiet tal-awturi biex jinħoloq dataset de-identifikati.
GHTorrent. Aħna użajna dejta GitHub ipprovduta mill-proġett GHTorrent [35], mera offline tad-dejta offruta permezz tal-API GitHub. Dan is-sett tad-dejta jista’ jitniżżel minn https://ghtorrent.org/downloads.html. Is-sett tad-dejta GHTorrent ikopri firxa wiesgħa ta 'attivitajiet ta' żvilupp fuq Github, inklużi repożitorji, talbiet ta 'ġibda, u utenti. Niżżiljna d-dump tas-sett tad-dejta "06/01/2019" biex nibnu s-sett tad-dejta tal-ittestjar tagħna.
Aħna ffiltrajna l-utenti li kkontribwew bejn 40 u 80 proġett biex inżommu l-utenti medjani fl-analiżi tagħna. Wara approċċ simili għas-sett tad-dejta BibSonomy, użajna lingwi ta' programmar assoċjati mar-repożitorji kkontribwiti ta' kull utent biex nirrappreżentaw il-ħiliet tal-utenti.
Il-ħila ta' kull utent tirrappreżenta n-numru ta' proġetti kkontribwiti miktuba f'lingwa speċifika. Peress li r-repożitorji jista' jkollhom fajls f'diversi lingwi, aħna għażilna l-lingwa l-aktar użata tar-repożitorju bħala l-lingwa tar-repożitorju.
Aħna għażilna tlieta mill-lingwi l-aktar popolari f'dan is-sett tad-dejta: Java, Python u Ruby. Imbagħad, identifikajna l-utenti ta’ dawn ir-repożitorji u ħloqna n-netwerk ta’ kollaborazzjoni. F'dan l-eżempju, l-utenti għandhom atie jekk ikkontribwew għall-istess repożitorju mill-inqas darbtejn. Fl-aħħarnett, għażilna utenti mill-akbar komponent. Ħassajna l-ismijiet tal-awturi biex noħolqu dataset deidentifikat.
Evalwazzjoni
Aħna nqabblu l-algoritmu propost għall-problema tal-formazzjoni tat-tim (denotata bħala NSGA-II) ma’ tliet metodi ta’ ottimizzazzjoni multi-objettiv magħrufa sew użati għal skopijiet ta’ benchmark[62, 72]:
Metodu ta' Tiftix Lokali Pareto (PLS). Dan l-algoritmu iterattiv jibda b'sett ta 'soluzzjonijiet każwali bħala l-popolazzjoni inizjali u jesplora l-ġirien ta' kull soluzzjoni [73, 74]. L-algoritmu jaġġorna l-popolazzjoni abbażi tad-dominanza ta' Pareto: se jżid ġirien mhux iddominati mal-popolazzjoni u jneħħi s-soluzzjonijiet eżistenti li huma ddominati mis-soluzzjonijiet li għadhom kif ġew miżjuda.
Ladarba l-viċinat ta' soluzzjoni tkun ġiet esplorata bis-sħiħ, is-soluzzjoni tiġi mmarkata bħala esplorata. L-algoritmu jesplora b'mod iterattiv soluzzjonijiet ġodda hekk kif jiżdiedu mal-popolazzjoni sakemm ma jinstabux soluzzjonijiet aħjar. Wara li s-soluzzjonijiet kollha jiġu esplorati, u ma jistgħux jiġu skoperti aktar soluzzjonijiet mhux dominati, l-algoritmu jieqaf. Implimentajna l-verżjoni proposta minn Zihayat et al. [72] għal problemi kombinazzjonali.
F'din l-implimentazzjoni, il-ġirien ta 'soluzzjoni huma l-kombinazzjonijiet ta' tim possibbli kollha mis-soluzzjoni b'żewġ membri li jpartitu t-timijiet. Peress li PLS ma jiddependix fuq numru fiss ta 'ġenerazzjonijiet, aħna nħaddmu biss iterazzjoni waħda ta' dan l-algoritmu biex inqabblu r-riżultati tiegħu mal-metodi l-oħra.
Minħabba n individwi, u li l-algoritmu se jesplora n2 -ġirien ta' kull soluzzjoni, il-kumplessità komputazzjonali ta' din l-implimentazzjoni hija O(n3) fl-aħjar xenarju.
For more information:1950477648nn@gmail.com
