Çeşitli ve Bağlantılı Ekiplerin Arayışında: Üyelere Dayalı Farklı Ekipleri Birleştirmek İçin Hesaplamalı Bir Yaklaşım Bölüm 7

Sonuçlar, NSGA-II algoritmasının 9 veri kümesinden 6'sında en büyük hiperhacim değerlerine, diğer üç veri kümesi için ise ikinci en yüksek değere ulaştığını göstermektedir (Tablo 3). Başka bir deyişle, NSGA-II sıklıkla diğer algoritmalara göre daha yüksek çeşitlilik seviyelerine ve daha düşük iletişim maliyetlerine sahip daha fazla takım kombinasyonu buldu.

Bellek hayatımızda hayati bir rol oynar. Sorunları çözmek için mevcut bilgi ve deneyimlerden tam olarak yararlanıp yararlanamayacağımızı belirler ve aynı zamanda öğrenme ve çalışma performansımızı da etkiler. Mevcut veri setleri aynı zamanda hafıza ile çeşitli faktörler arasındaki ilişkiyi de ortaya koyuyor ve bu da bize daha fazla içgörü ve olasılık sağlıyor.

İlk olarak, çeşitli çalışmalar iyi sağlığın iyi hafızanın temel taşı olduğunu göstermektedir. Doğru egzersiz ve dengeli beslenme, sinir sisteminin verimliliğini artırabilir ve sinir dokusunu koruyabilir. Fiziksel olarak formda olan insanlar daha iyi kalp-damar ve zihinsel sağlığa sahiptir; bu durum, gelişmiş hafıza ve bilişsel işlevlerle bağlantılıdır.

İkincisi, duygusal durumlarla bilişsel durumlar arasında da yakın bir bağlantı vardır. Araştırmalar, aşırı kaygı ve stresin beyindeki nöronlar arasındaki iletişimi bozarak hafıza kaybı ve konsantrasyon güçlüğü gibi sorunlara yol açabileceğini gösteriyor. Olumlu duygu yönetimi ve düzenleme yoluyla hafızanın iyileştirilmesine yardımcı olur.

Ayrıca yaşadığımız çevre ve günlük alışkanlıklarımızın da hafızanın gelişimi ve sürdürülmesi üzerinde etkisi olacaktır. Örneğin not almak, kendinize uygun bir öğrenme yöntemi bulmak, beyin fırtınası yapmak, sosyal aktiviteleri yönetmek, seyahat etmek hafızanın gelişimine büyük fayda sağlar; kötü uyku alışkanlıkları ve çeşitli eğlence yöntemleri ise sinir sistemini ciddi şekilde etkileyerek hafızayı zedeleyecektir. Etkilemek.

Özetlemek gerekirse hafıza, öğrenme yeteneğimizi, çalışma yeteneğimizi ve yaşam kalitemizi belirleyen verimli yaşamımızın önemli bir parçasıdır. Uygun fiziksel egzersiz ve diyet, duygu yönetimi ve günlük yaşam düzenlemeleri sayesinde hafızamızı ve bilişsel yeteneklerimizi büyük ölçüde geliştirebilir, daha verimli ve mutlu yaşamamızı sağlayabiliriz. Belleği geliştirmemiz gerektiği görülebilir ve Cistanche Deserticola hafızayı önemli ölçüde geliştirebilir çünkü Cistanche Deserticola, birçok benzersiz etkiye sahip olan geleneksel bir Çin tıbbi malzemesidir ve bunlardan biri hafızayı geliştirmektir. Kıymanın etkinliği içerdiği asit, polisakkaritler, flavonoidler vb. gibi çeşitli aktif bileşenlerden gelir. Bu bileşenler beyin sağlığını çeşitli şekillerde geliştirebilir.

Belleği geliştirmek için ekleri bil'e tıklayın

NSGA-II'nin yüksek hiperhacim değerleri, algoritmanın Pareto cephesinin uç noktalarında bulunan baskın olmayan çözümleri bulmasına yardımcı olan kalabalıklaştırma mesafesi adımıyla açıklanabilir.

PLS ve HPSO, gereksiz çözümlerden kaçınmak için herhangi bir kriter belirlediklerinden, çözümleri belirli alanlarda yoğunlaşan bir dizi baskın olmayan çözümle sonuçlandı. Bu nedenle, NSGA-II tarafından sağlanan takım kombinasyonları seti sıklıkla diğer algoritmalar tarafından sağlanan takım kombinasyonlarına baskın çıkıyordu.

NSGA-II uygulaması ayrıca 9 veri kümesinden 6'sında en yüksek benzersiz baskın olmayan ön oran (UNFR) değerlerini elde etti. Başka bir deyişle, NSGA-II sıklıkla diğer algoritmaların bulamadığı daha fazla baskın olmayan takım kombinasyonu sağlıyordu.

Diğer durumlarda NSGA-II'nin ikinci sırada yer almasının olası bir açıklaması işbirliği ağındaki düşük yoğunluktur. Bireyler arasında önceden az sayıda bağlantı bulunan havuzlar, olası yüksek düzeyde bağlantılı ekip kombinasyonlarının sayısını azaltacak ve buluşsal aramayı etkisiz hale getirecektir.

Buna karşılık HPSO ve PLS, NSGA-II'ye göre daha fazla çaprazlama ve mutasyon işlemi gerçekleştirdi. Bu operasyonların birden fazla kez yürütülmesi, HPSO ve PLS'nin daha fazla ekip kombinasyonunu incelemesine ve düşük iletişim puanlarına sahip belirli ekip kombinasyonlarını bulma olasılıklarını artırmasına olanak sağladı.

HPSO ikinci en yüksek hiperhacim ve UNFR değerlerine ulaştı. Yüksek çeşitlilik seviyelerine sahip olan yaklaşık Pareto cephesinin ortasındaki baskın olmayan çözümlerden yararlandı.

Baskın olmayan bu çözümler diğer algoritmalardan daha iyi performans gösterdi ve yaklaşık Pareto Cephesi tarafından oluşturulan alanı artırdı. SPEA-2 ve PLS, NSGA-II ve HPSO çözümlerinden daha küçük bir alanı kapsayan birkaç çözümde birleşti. Genel olarak NSGA-II, bu iki hedefte daha fazla baskın olmayan çözüm buldu ve iletişim maliyet değerlerinde daha yüksek değişkenliğe sahip çözümler sağladı.

Hem çeşitlilik hem de aşinalıktaki büyük varyans, NSGA-II algoritmasının diğer algoritmalara göre daha fazla baskın olmayan çözüm bulduğunu göstermektedir; bu, gerçek Pareto cephesini bulmak için arzu edilen bir durumdur. NSGA-II'nin kalabalıklaşma mesafesi adımı, algoritmanın daha geniş bir baskın olmayan çözüm aralığını korumasına izin verdi. Ayrıca algoritma, daha sonraki yinelemelerde baskın olmayan çözümler oluşturabilecek ikincil çözümleri farklı katmanlarda tuttu.

Algoritma yeni nesiller yaratmaya devam ettikçe, baskın çözümlerin diğer potansiyel çözümleri bulmak için hala düşünülebilir. Üstelik NSGA-II, değiş tokuşun ortasında hâlâ baskın olmayan çözümleri belirleyebiliyordu.

Buna karşılık, diğer algoritmaların düşük varyansı, bunların belirli bir baskın olmayan çözüm kümesi üzerinde ve belirli bir değiş-tokuşta yakınsama ihtimalinin yüksek olduğunu gösteriyor. Bu algoritmalar, mevcut popülasyonlarını çeşitlendirmeye veya gereksiz, baskın olmayan çözümleri kaldırmaya yönelik işlemleri içermiyordu. Bu nedenle, bu algoritmalar Pareto cephesinin uç noktalarında bulunan çeşitli çözümlerden yoksun olabilir.

Şekil 4, uygulanan tüm algoritmaların çalışma süresini göstermektedir. Şekil 5, algoritmaların çalışma süresinin nasıl mevcut birey sayısının bir fonksiyonu olduğunu göstermektedir. Sonuçlar, katılımcı havuzu arttıkça NSGA-II uygulamasının PLS ve HPSO'dan daha iyi performans gösterdiğini göstermektedir.

PLS'nin tüm olası kombinasyonlar tükenene kadar çözümlerin komşuluklarını keşfetmesi için daha fazla zamana ihtiyacı vardı. HPSO durumunda, her çözüm için gerçekleştirilen iki çaprazlama ve bir mutasyon adımı, algoritmanın çalışmasını NSGA-II'den üç kat daha uzun hale getirdi çünkü ikincisi yalnızca bir çapraz geçiş adımı gerçekleştiriyor. HPSO, NSGA-II'den daha uzun sürmesine rağmen, her ikisi de polinom zamanında (O(n2)) çalıştı.

Sonuçlarımız, NSGA-II'nin, PLS ve HPSO'nun benzer sonuçlar sağlamak için harcadığı sürenin üçte birinden daha azına ihtiyaç duyduğunu gösteriyor. Bu nedenle, girdi boyutu arttıkça çözümlerin verimli bir şekilde bulunması için NSGA-II'nin kullanılması şiddetle tavsiye edilir. SPEA-2, PLS veya NSGA-II'den daha iyi çözümler bulamadı, ancak sonuçları NSGA-II ve PLS yöntemlerinden daha hızlı yakınsadı.

Son olarak, ekip üyeleri arasındaki mesafeleri anlamak için bir araya getirilen ekiplerdeki doğrudan temasların (1-atlama), paylaşılan kişilerin (2-atlamalar),3-atlamaların ve daha fazlasının sıklığını hesapladık( S1 Dosyasındaki S3 Tablosuna bakın).

Sonuçlar, üyelerin büyük çoğunluğunun diğerleriyle bir aracı aracılığıyla bağlantı kurduğunu (%31), ardından doğrudan bağlanan üyelerin (%30) geldiğini gösteriyor. Bu rakamlar, sonuçta ortaya çıkan ekiplerin genel olarak yüksek düzeyde bağlantıya sahip olduğunu ve birçok atlama yoluyla bağlanan üyelerin temsili olmadığını gösteriyor.

Tartışma

Ekip oluşturmak zorlu bir iştir, özellikle de amaç çeşitlilik ile üyelerin takım arkadaşı tercihleri ​​arasında bir denge kurmak olduğunda. Önceki çalışmalar mümkün olan en iyi takımı aramaya odaklanmışken [37], bu makalenin katkısı, becerileri ve bağlantıları eşit bir şekilde dağıtan dengeli takım kombinasyonlarının araştırılmasıdır. Dahası, hem üyelerinin katkılarındaki çeşitliliği hem de üyeler arasındaki önceki ilişkileri içeren ekipleri bir araya getirmek, başarılarını garanti altına almak için en büyük zorluk haline gelir [78, 79].

Bu çalışmada, hesaplamalı bir yaklaşım kullanarak hem çeşitli hem de yüksek düzeyde bağlantılı ekiplerden oluşan ekipler oluşturma sorununu ele alıyoruz. Bu takım oluşturma problemini, takımların çeşitliliğine ve iletişim maliyetlerine göre farklı takım kombinasyonları sağlayan bir genetik algoritma kullanarak uyguladık.

Sonuçlar, çeşitliliğe sahip ve birbirine yüksek düzeyde bağlı ekiplerin bu genetik yaklaşımla verimli ve hızlı bir şekilde bir araya getirilebileceğini gösteriyor. Aşağıdaki alt bölümlerde, bu çalışmanın sonuçlarını ve potansiyel uygulamalarını ayrıntılı olarak ele alacağız.

Bu çalışma, üyelerin becerilerini farklı gruplar arasında dağıtan ve önceki ilişkilerini dikkate alan çoklu ekipleri bir araya getirmek için hesaplamalı yaklaşımlar kullanmanın faydalarını göstermektedir. Önceki çalışmalar esas olarak bir sosyal havuzdan mümkün olan en iyi takımı bulmayı vurgulamaktadır (örneğin, uzman ekip, yıldızlardan oluşan ekip) [36, 57, 58].

Ancak birden fazla ekibin aranması, öğrenci ekipleri oluşturmak, iş birimleri içinde operasyonel ekipler oluşturmak veya bilimsel araştırma yürütmek gibi öğrenme ve organizasyonel durumlarla da ilgilidir.

Yüksek performanslı ekiplerin bir araya getirilmesine yapılan güçlü vurgu nedeniyle, en iyi üyeleri bir araya getiren algoritmalar, daha az vasıflı olan diğerlerinin pahasına bu sosyal gruplar içinde daha fazla ayrışma yaratabilir [80]. Beceri ve uzmanlığın az sayıda ekipte yoğunlaşması, benzer fırsatlara ve sosyal bağlantılara sahip diğer ekiplerin ortaya çıkmasını engellemektedir.

Bu makalenin gösterdiği gibi, gelişmiş hesaplama altyapısı ve büyük veri kullanımı, bireylerin sistematik ve kolay bir şekilde keşfedemeyeceği çeşitli ekip kombinasyonlarını yeniden hayal etmek için yeni fırsatlar sunmaktadır [37, 44]. Ekip oluşturucular, manuel stratejiler veya sezgi kullanarak ekipler oluşturmak yerine, çeşitliliği ve aşinalığı aynı anda optimize eden farklı ekip kombinasyonlarını uyarlamak için algoritmalar kullanabilir.

Bu nedenle, bu yazıda sunulana benzer uygulamalar, ekip oluşturucuların, başarılı işbirlikleri için gerekli olan ekip üyeleri arasındaki aşinalıktan ödün vermeden heterojen ve çeşitli ekipler oluşturmalarına olanak tanır [81].

For more information:1950477648nn@gmail.com