বৈচিত্র্যপূর্ণ এবং সংযুক্ত দলগুলির সন্ধানে: সদস্যদের উপর ভিত্তি করে বিভিন্ন দলকে একত্রিত করার জন্য একটি গণনামূলক পদ্ধতির অংশ 2

এই গবেষণাপত্রের প্রধান অবদান হল টিম গঠনের সমস্যা একই সাথে দলের বৈচিত্র্যের স্তর এবং সদস্যদের পরিচিতি বিবেচনা করে প্রণয়ন করা।

সদস্য পরিচিতি এবং স্মৃতি অবিচ্ছেদ্যভাবে সংযুক্ত. কর্মক্ষেত্রে, বিশেষ করে একটি দলে, সদস্যদের মধ্যে পরিচিতি সরাসরি দলের দক্ষতা এবং কাজের গুণমান নির্ধারণ করে।

সদস্যদের মধ্যে পরিচিতির মাত্রা সরাসরি দলের নির্বিকার বোঝাপড়া এবং সহযোগিতাকে প্রভাবিত করে। আপনি যদি একে অপরের সাথে পরিচিত হন তবে আপনি অনেক কঠিন শব্দ বাদ দিতে পারেন এবং সরাসরি কাজে যোগ দিতে পারেন, কাজের দক্ষতা উন্নত করতে পারেন। সদস্যরা একে অপরের সাথে পরিচিত না হলে, সাধারণত যোগাযোগ করতে বেশি সময় লাগে এবং ছোটখাটো ভুল বোঝাবুঝির কারণে অপ্রয়োজনীয় দ্বন্দ্ব এবং মতবিরোধ দেখা দিতে পারে।

এছাড়াও, সদস্যদের মধ্যে পরিচিতি সরাসরি স্মৃতিশক্তিকে প্রভাবিত করে। গবেষণা দেখায় যে লোকেরা পরিচিত মানুষ এবং জিনিসগুলি মনে রাখার সম্ভাবনা বেশি কারণ তথ্যগুলি আমাদের আগ্রহ এবং মনোযোগ আকর্ষণ করার সম্ভাবনা বেশি। টিমওয়ার্কে, সদস্যরা যদি একে অপরের সাথে পরিচিত হয়, তাহলে একে অপরের ইচ্ছা এবং চাহিদা মনে রাখা সহজ হবে এবং কাজের অগ্রগতিতে বাধা সৃষ্টিকারী স্মৃতি ত্রুটিগুলি এড়াতে হবে।

তাই দলের সদস্যদের একে অপরের সাথে পরিচিতি বাড়াতে এবং বিভিন্ন সুযোগের মাধ্যমে পারস্পরিক বোঝাপড়া এবং যোগাযোগ বাড়াতে চেষ্টা করা উচিত। সাধারণ শখ, যোগাযোগ এবং সহযোগিতার মাধ্যমে ঘনিষ্ঠ সম্পর্ক স্থাপন করা যেতে পারে, যার ফলে দলগত সহযোগিতা এবং কাজের দক্ষতা উন্নত হয় এবং কাজকে আরও কার্যকর করে তোলে। এটা দেখা যায় যে আমাদের স্মৃতিশক্তি উন্নত করতে হবে, এবং Cistanche deserticola উল্লেখযোগ্যভাবে স্মৃতিশক্তি উন্নত করতে পারে কারণ Cistanche deserticola একটি ঐতিহ্যবাহী চীনা ঔষধি উপাদান যার অনেকগুলি অনন্য প্রভাব রয়েছে, যার মধ্যে একটি হল স্মৃতিশক্তি উন্নত করা। কিমা করা মাংসের কার্যকারিতা অ্যাসিড, পলিস্যাকারাইড, ফ্ল্যাভোনয়েড ইত্যাদি সহ বিভিন্ন সক্রিয় উপাদান থেকে আসে৷ এই উপাদানগুলি বিভিন্ন উপায়ে মস্তিষ্কের স্বাস্থ্যকে উন্নীত করতে পারে৷

মেমরি বাড়ানোর ১০টি উপায় জেনে নিন ক্লিক করুন

যদিও টিম গঠনের অ্যালগরিদমগুলিতে বেশিরভাগ অধ্যয়নগুলি সদস্যদের দক্ষতা বা ব্যক্তিগত খরচকে দল গঠনের উদ্দেশ্যমূলক ফাংশন হিসাবে বিবেচনা করে [৩৬], আমরা এই অপ্টিমাইজেশান সমস্যাটি তৈরি করি বৈচিত্র্যের বিভিন্ন অপারেশনালাইজেশনের উপর ভিত্তি করে (যেমন, বৈষম্য এবং বৈচিত্র্যের বৈচিত্র্য)। এই কাজের দ্বিতীয় অবদান হল এই টিম গঠনের সমস্যার জন্য অ্যালগরিদমের নকশা যা একটি দলে উপলভ্য ব্যক্তিদের বরাদ্দ করে।

পূর্ববর্তী দল গঠনের সমস্যাগুলি মূলত একটি পুল থেকে সেরা দল খুঁজে বের করা এবং অবশিষ্ট ব্যক্তিদের বরখাস্ত করার উপর দৃষ্টি নিবদ্ধ করেছে [36, 37]। এই কাজটি দলের গবেষণার জন্য তাত্ত্বিক প্রভাব প্রদান করে।

বিশেষ করে, দল গঠনের প্রক্রিয়াগুলিকে সমর্থন করার জন্য গণনামূলক ব্যবস্থার ব্যবহার [38-40]। এই অধ্যয়নের ব্যবহারিক প্রভাবগুলি দলগত বৈচিত্র্য বৃদ্ধিতে বিনিয়োগ করা বেশ কয়েকটি সম্প্রদায়কে অবদান রাখে।

যেহেতু টিম বিল্ডাররা ম্যানুয়ালি প্রতিটি দলের সমন্বয় পরীক্ষা করে এই সমস্যাটি দ্রুত সমাধান করতে পারে না, অ্যালগরিদমগুলি বিদ্যমান সামাজিক সংযোগের অধিকারী সদস্যদের একত্রিত করে এই কাজটিকে স্বয়ংক্রিয় করতে পারে, একই সময়ে, বিভিন্ন পটভূমি, বৈশিষ্ট্য এবং দক্ষতার স্তর থেকে [41, 42]।

বৃহত্তর শ্রোতাদের কাছে এই অ্যালগরিদমের ব্যবহার সম্প্রসারিত করা সেই গোষ্ঠীগুলির জন্য নতুন সুবিধা প্রদান করতে পারে যারা বৈচিত্র্যকে আলিঙ্গন করতে চায় এবং উচ্চ পরিচিতি স্তর রাখতে চায়৷

এই নিবন্ধটি কমপ্লেক্স নেটওয়ার্ক 2020 [43]-এ উপস্থাপিত একটি প্রাথমিক সম্মেলনের কার্যক্রমের একটি বর্ধিত এবং সংশোধিত সংস্করণ।

কনফারেন্স নিবন্ধের সাথে তুলনা করে, এই সংস্করণটি (ক) দল গঠনের অ্যালগরিদমগুলির একটি পর্যালোচনা উপস্থাপন করে, (খ) প্রস্তাবিত দল গঠনের সমস্যা এবং অ্যালগরিদমের সংজ্ঞা এবং ছদ্ম-কোডগুলিকে প্রসারিত করে, (গ) বিচ্ছিন্ন ব্যক্তিদের পরিচালনা করার জন্য প্রস্তাবিত অ্যালগরিদমকে আপগ্রেড করে এবং যখন উপলভ্য ব্যক্তির সংখ্যা দলের আকারের একাধিক নয়, (d) আমাদের অপ্টিমাইজেশন সমস্যা অন্যান্য দল গঠনের ডোমেনে কাজ করতে পারে তা প্রমাণ করার জন্য তিনটি ডেটাসেট সহ অ্যালগরিদম মূল্যায়ন করে, (ঙ) অন্যান্য বেঞ্চমার্ক বহু-উদ্দেশ্য অ্যালগরিদমের সাথে এর কর্মক্ষমতা তুলনা করে, (f) অ্যালগরিদমের ফলাফলের তুলনা করার জন্য পরিমাণগত মেট্রিক্স ব্যবহার করে, (g) গবেষক এবং অনুশীলনকারীদের জন্য এই কাজের ফলাফল এবং প্রভাব বিস্তারিত করে এবং (h) ডেটাসেট, প্রাক-প্রক্রিয়াকৃত ডেটাসেট এবং স্ক্রিপ্টগুলিকে প্রাক-প্রক্রিয়া করার জন্য স্ক্রিপ্টগুলি প্রদান করে প্রজননযোগ্যতার উদ্দেশ্যে আমাদের প্রস্তাবিত অ্যালগরিদম এবং বেঞ্চমার্ক অ্যালগরিদম।

সম্পর্কিত কাজ

কম্পিউটার বিজ্ঞানের পণ্ডিতরা টিম অ্যাসাইনমেন্ট [৩৬, ৪৪, ৪৫] সমস্যা সমাধানের জন্য বিভিন্ন পদ্ধতির বিস্তারিত বর্ণনা করেছেন। স্কলারশিপ উপসংহারে পৌঁছেছে যে ব্যক্তিদের পুল থেকে সবচেয়ে দক্ষ টিম কম্বিনেশন খুঁজে পাওয়া একটি চ্যালেঞ্জিং কম্পিউটেশনাল সমস্যা, এবং ব্যক্তিদের পক্ষে ম্যানুয়ালি সমাধান করা আরও কঠিন।

এটি একটি জটিল কাজ যার জন্য একটি পুলের সদস্যদের মধ্যে সম্ভাব্য সমস্ত সংমিশ্রণ মূল্যায়ন করা প্রয়োজন, যা একটি অনতিক্রম্য সম্মিলিত চ্যালেঞ্জ হয়ে উঠতে পারে। n সদস্যদের একটি পুল দেওয়া যা অবশ্যই k আকারের দলগুলিতে বরাদ্দ করা উচিত, আমাদের অবশ্যই একটি পুনরাবৃত্তিমূলক স্থানান্তর গণনা করতে হবে যেখানে আমরা n থেকে প্রথম k সদস্যদের নির্বাচন করতে পারি, তারপরে n − k থেকে অন্যান্য k সদস্যদের, ইত্যাদি। ধরে নিলাম যে k হল n-এর একটি গুণিতক, আমাদের n/k পারমিউটেশন গণনা করতে হবে।

ফলস্বরূপ, আমাদের অবশ্যই n সদস্যদের একটি পুলের জন্য n!/(k!n/k�(n/k)!) সম্ভাব্য দলের সমন্বয় গণনা করতে হবে। আমরা যদি 18 জন শিক্ষার্থীর শ্রেণী থেকে তিন আকারের দলকে একত্র করতে চাই, তাহলে 190,590,400টি সম্ভাব্য সমন্বয় (18!/(3! 6�6!)) আছে। এই সমন্বয়গুলি ফ্যাক্টোরিয়াল সময়ে মূল্যায়ন করা হয় (যেমন, O(n!))। অতএব, এই কাজটি বহুপদী সময়ে করা যায় না এবং দক্ষতার সাথে সমাধান খুঁজে পেতে বিভিন্ন পদ্ধতির দাবি করে।

সাম্প্রতিক সাহিত্য পর্যালোচনাগুলি [36, 37, 46] তিনটি প্রধান মাত্রা অনুসারে দল গঠনের অ্যালগরিদমগুলিকে চিহ্নিত করে: (i) অ্যালগরিদম থেকে ফলাফল পাওয়া দলের সংখ্যা, (ii) অ্যালগরিদম দ্বারা বিবেচিত সদস্যদের গুণাবলী এবং (iii) সংখ্যা অ্যালগরিদম দ্বারা বিবেচিত উদ্দেশ্যমূলক ফাংশনগুলির।

দলের সংখ্যা

বেশিরভাগ সমাধান ব্যক্তিদের একটি নির্দিষ্ট পুল থেকে সম্ভাব্য সেরা দল খুঁজে বের করার প্রস্তাব করে। "সেরা-টিম" পদ্ধতিটি সাধারণত দল গঠনের সমস্যাটিকে একটি অ্যাসাইনমেন্ট সমস্যা হিসাবে বিবেচনা করে, যেখানে লক্ষ্য হল সেরা সদস্যদের খুঁজে বের করা যারা একটি দলকে একত্র করতে পারে।

এই সাহিত্যের মূল অবদানগুলি পদ্ধতির উদ্ভাবনের উপর নির্ভর করে। উদাহরণস্বরূপ, এল-আশমাওয়ি এবং অন্যান্য। কণা ঝাঁক অপ্টিমাইজেশান অ্যালগরিদম একটি বাস্তবায়ন ব্যবহার করে দলের সদস্যদের মধ্যে সর্বনিম্ন যোগাযোগ খরচ সঙ্গে দলের জন্য অনুসন্ধান. ভৌমিক প্রমুখ। [৪৮] একটি সাবমডুলার ফাংশন অপ্টিমাইজেশান ব্যবহার করে একটি দল গঠনের অ্যালগরিদম তৈরি করেছে।

এই বাস্তবায়ন শিথিল সীমাবদ্ধতা সহ বিশেষজ্ঞদের সেরা দল খুঁজে পায়: দলগুলির "অবশ্যই" কিছু দক্ষতা থাকতে হবে যখন তাদের "অন্যদের" থাকতে হবে। সবশেষে, Keane et al. [৪৯] একটি গ্রেডিয়েন্ট বুস্টিং ফ্রেমওয়ার্ক ব্যবহার করে একটি টিম গঠনের অ্যালগরিদম নিয়োগ করুন যাতে বিশেষজ্ঞদের সাথে ন্যূনতম দল খুঁজে বের করা যায় যারা কার্যকরীভাবে একসাথে কাজ করতে পারে। এই পদ্ধতিগুলির একটি সীমাবদ্ধতা হল যে তারা উপলব্ধ পুল থেকে সমস্ত সদস্যকে অন্তর্ভুক্ত করে একাধিক দলের পরিবর্তে শুধুমাত্র একটি "সেরা" দল প্রদান করে।

কয়েকটি গবেষণায় সমস্ত উপলব্ধ ব্যক্তিকে দলে নিয়োগের সমস্যাটি অনুসন্ধান করা হয়েছে। ওয়ানঅ্যাপ্রোচ পুনরাবৃত্তিমূলক হিউরিস্টিকসের মাধ্যমে একাধিক দল গঠন করছে। এই ক্ষেত্রে, একটি উদ্দেশ্য ফাংশন অনুসারে পুলের k সদস্যদের বের করে দলগুলিকে একত্রিত করা হয় যতক্ষণ না আর কোনও সদস্য দল ছাড়া না থাকে।

একটি উদাহরণ হল Agrawal et al. [৫০], যা উপলভ্য ব্যক্তিদের একটি পুল থেকে একত্রিত সমস্ত দলকে একত্রিত করে সর্বাধিক লাভ (বা খরচ কমানোর) জন্য হিউরিস্টিক্যালগরিদম প্রস্তাব করেছিল।

এই কাগজটি দুটি পুনরাবৃত্তিমূলক হিউরিস্টিক অ্যালগরিদম উপস্থাপন করে যা "শক্তিশালী" সদস্যদের অন্যদের সাথে যারা তাদের চেয়ে "দুর্বল" দলবদ্ধ করে। ফলস্বরূপ, বিশেষজ্ঞরা বেশ কয়েকটি দলের মধ্যে বিতরণ করা হয়। একটি দ্বিতীয় পদ্ধতি একটি পার্টিশন সমস্যা হিসাবে দল গঠন সমস্যা প্রণয়ন করা হয়. সমস্ত একত্রিত দলের জন্য হিউরিস্টিকমেট্রিক্স ব্যবহার করে ব্যক্তিদের একটি পুলকে দলে বিভক্ত করা হয়।

কিছু বাস্তবায়ন ক্লাস্টারিং অ্যালগরিদম ব্যবহার করে যার লক্ষ্য সদস্যদের অনুরূপ বৈশিষ্ট্যগুলি ভাগ করে নেওয়া। কিছু উদাহরণ হল নুরজানাহ এট আল. এর বাস্তবায়ন [৫১] যা ফাজি সি-মিনস ব্যবহার করে সমজাতীয় দলে ব্যক্তিদের ক্লাস্টার করার জন্য [৫১], এবং শ্রবা এবং বিলিকোভার বাস্তবায়ন [৫২] যা নির্দিষ্ট সহযোগী বৈশিষ্ট্য অনুযায়ী ছাত্রদের ক্লাস্টার করে।

একটি তৃতীয় পদ্ধতি হল বিবর্তনীয় অ্যালগরিদম ব্যবহার করে দক্ষ দলের সমন্বয় খুঁজে বের করা [53, 54]। সংক্ষেপে, বিবর্তনীয় অ্যালগরিদমগুলি এলোমেলো দলগুলিতে সমস্ত সদস্যকে বরাদ্দ করা শুরু করে এবং তারপরে আরও ভাল দলের সমন্বয়গুলি খুঁজে পেতে ব্যক্তিদের সদস্যপদগুলিকে পুনরাবৃত্তি করে। নির্ধারিত উদ্দেশ্য ফাংশন ব্যবহার করে সংমিশ্রণগুলি মূল্যায়ন করার পরে, বিবর্তনীয় অ্যালগরিদমগুলি পরবর্তী পুনরাবৃত্তিতে নতুন সংমিশ্রণগুলি খুঁজে পেতে সেরা দলের সংমিশ্রণগুলি রাখে।

একটি উদাহরণ হল Agustı'n-Blas et al. [৫৩], যিনি একটি জেনেটিক অ্যালগরিদম তৈরি করেছেন যা ব্যক্তিদেরকে গোষ্ঠীতে সংগঠিত করে এবং দলের সমন্বয়ের জন্য অনুসন্ধান করে যা গোষ্ঠীর প্রয়োজনীয় সংস্থানগুলিকে সর্বাধিক করে তোলে।

সদস্যদের বৈশিষ্ট্য

দ্বিতীয় মাত্রা অ্যালগরিদম দ্বারা বিবেচিত সদস্যদের বৈশিষ্ট্যের উপর ফোকাস করে। অ্যালগরিদমগুলির লক্ষ্য এমন সদস্যদের খুঁজে বের করা যা নির্দিষ্ট দলের বৈশিষ্ট্যগুলিকে সর্বাধিক করে তোলে, যেমন সদস্যদের মধ্যে সামাজিক সংযোগের সংখ্যা বা দলের দ্বারা আচ্ছাদিত দক্ষতার সংখ্যা।

বেশিরভাগ অ্যালগরিদম একটি দলে দক্ষতার (বা দক্ষতা) উপস্থিতিকে প্রধান লক্ষ্য হিসাবে সেট করে। এই পদ্ধতির একটি দৃষ্টান্ত হল জাকারিয়ান এবং কুসিয়াকের অ্যালগরিদম [55], যা দলে একটি বিশেষ দক্ষতার অবদান রাখে এমন সদস্যদের খুঁজে পেতে গাণিতিক প্রোগ্রামিং ব্যবহার করে।

অন্যান্য গণনামূলক বাস্তবায়ন সদস্যদের তাদের ভূমিকা অনুযায়ী বরাদ্দ করার প্রস্তাব করে। এই পদ্ধতির উপর ভিত্তি করে একটি অ্যালগরিদম হল Yannibelli et al. [৫৬], যিনি একটি বিবর্তনীয় পদ্ধতির বিকাশ করেছিলেন যা সদস্যদের নির্দিষ্ট ভূমিকায় অর্পণ করে ছাত্র দলগুলিকে একত্রিত করে।

অধিকন্তু, দল গঠন করার সময় অ্যালগরিদম সদস্যদের সামাজিক নেটওয়ার্ক অন্তর্ভুক্ত করতে পারে। লাপ্পাস এট আল। [৫৭] সদস্যদের মধ্যে সর্বনিম্ন সামাজিক দূরত্ব সহ সেরা দলের জন্য অনুসন্ধান করুন (অর্থাৎ, যোগাযোগের খরচের জন্য একজন সারোগেট)।

এই নিবন্ধটি "রেরেস্ট ফার্স্ট" এবং "এনহ্যান্সড স্টেইনার" নামে দুটি অ্যালগরিদম প্রস্তাব করেছে। একটি সামাজিক নেটওয়ার্কG থেকে একটি টাস্ক T সমাধান করার দক্ষতা আছে এমন সদস্যদের সাথে k আকারের সেরা টিমকে একত্রিত করার সমস্যার প্রেক্ষিতে, প্রথম অ্যালগরিদমটি K সদস্যদের মধ্যে সম্ভাব্য ক্ষুদ্রতম গ্রাফ ব্যাস অনুসন্ধান করে যাদের T সমাধান করার দক্ষতা রয়েছে। দ্বিতীয় অ্যালগরিদম অনুসন্ধান করে প্রান্তের ক্ষুদ্রতম উপসেটের জন্য যা k সদস্যদের সাথে T সমাধান করার দক্ষতার সাথে সংযুক্ত করে (অর্থাৎ, ন্যূনতম স্প্যানিং ট্রি)।

উভয় অ্যালগরিদমই একটি নির্দিষ্ট সামাজিক নেটওয়ার্কে সম্ভাব্য সেরা দল খুঁজে বের করার লক্ষ্য রাখবে। অন্যান্য বাস্তবায়নগুলি দল গঠনের সমস্যার অংশ হিসাবে কর্মীদের খরচ, সদস্যদের প্রাপ্যতা এবং সদস্যদের মধ্যে কাজের ভারসাম্য বিবেচনা করে [58]।

For more information:1950477648n@gmail.com