तुलना

DispatchAtlas वितरित-कंप्यूटिंग परिवेशों में शेड्यूलिंग और ऑप्टिमाइज़ेशन के लिए एक टूलकिट है, जो उद्धरण-समर्थित, क्यूरेटेड समस्या-इंस्टैंस कैटलॉग के इर्द-गिर्द बना है — केवल एक सॉल्वर लाइब्रेरी, बेंचमार्क सूची या नेटवर्क सिम्युलेटर नहीं।

DispatchAtlas को क्या अलग बनाता है

नीचे कोई अकेला समकक्ष विभेदक नहीं है — विभेदक तो संयोजन है। DispatchAtlas शेड्यूलिंग और edge–fog–cloud ऑप्टिमाइज़ेशन इंस्टैंसों के उद्धरण-समर्थित, क्यूरेटेड कैटलॉग को क्षमता-टाइप वाले सॉल्वर रजिस्ट्री, अंतर्निहित नॉन-पैरामीट्रिक सांख्यिकीय तुलना, और एक सार्वजनिक निरीक्षण पोर्टल के साथ जोड़ता है, जिसका ब्राउज़र-भीतर सूट-बिल्डर पूरे कैटलॉग से तैयार या पूर्णतः कस्टम बेंचमार्क सूट रचता है और उन्हें बिना बैकएंड के JSON, CSV या बंडल के रूप में डाउनलोड करता है। हर हिस्सा कहीं और मौजूद है; नीचे कोई समकक्ष उन सबको एक साथ नहीं रखता।

निकटतम प्रतिस्पर्धियों को ईमानदारी से नामित किया जा सकता है। jMetal नॉन-पैरामीट्रिक सांख्यिकी वाला प्रायोगिक-अध्ययन ढाँचा देता है, पर कोई शेड्यूलिंग-इंस्टैंस कैटलॉग या निरीक्षण पोर्टल नहीं। job-shop-lib और TU/e Job Shop Scheduling Benchmark समृद्ध शेड्यूलिंग इंस्टैंस देते हैं, पर प्रति-इंस्टैंस उद्धरण-क्यूरेशन, अंतर्निहित सांख्यिकी या पोर्टल नहीं। WfCommons ट्रेस-समर्थित वर्कफ़्लो जनरेटर देता है, पर किसी ऑप्टिमाइज़र को अंक नहीं देता और सांख्यिकी नहीं चलाता। DispatchAtlas वह परियोजना है जो पाँचों क्षमताओं को एक साथ धारण करती है।

यह पृष्ठ उस स्थिति-निर्धारण का प्रामाणिक कथन है; अन्य सतहें इसे दोहराने के बजाय यहाँ लिंक करती हैं।

DispatchAtlas संबंधित प्लेटफ़ॉर्मों से कैसे तुलना करता है

ये तालिकाएँ प्लेटफ़ॉर्म की क्षमताओं की तुलना करती हैं — हर परियोजना क्या देती है — न कि प्रदर्शन की। प्रदर्शन का प्रमाण सांख्यिकीय-विश्लेषण निर्यातों से आता है, इस पृष्ठ से कभी नहीं। तालिकाएँ तुलनीय परियोजनाओं के बैंडों में समूहित हैं, वही पाँच क्षमता-स्तंभ बनाए रखते हुए। हर समकक्ष अपने प्रामाणिक उद्धरण से लिंक करता है; पूर्ण स्रोत पृष्ठ के अंत में सूचीबद्ध हैं। ✅ प्रदान किया गया, ⚠️ निकटवर्ती या आंशिक, ❌ प्रदान नहीं किया गया।

DispatchAtlas पहले बैंड में एक बार आता है, और उसकी ✅✅✅✅✅ पंक्ति आगे के हर बैंड में लागू रहती है।

शेड्यूलिंग बेंचमार्क प्लेटफ़ॉर्म और सॉल्वर

OR-Tools CP-SAT प्रमुख यथार्थ शेड्यूलिंग सॉल्वर है — DispatchAtlas इससे प्रतिस्पर्धा नहीं करता। वैकल्पिक यथार्थ एडाप्टर ऐसे सॉल्वरों को extras के पीछे लपेटते हैं, और क्षमता-मैट्रिक्स यथार्थ ऑप्टिमाइज़ेशन को एक एडाप्टर-क्षमता के रूप में दर्ज करता है: लपेटा गया, प्रतिद्वंद्वी नहीं। job-shop-lib शास्त्रीय इंस्टैंसों को RL/GNN परिवेशों के साथ बंडल करता है; TU/e सूट अधिगम और गैर-अधिगम विधियों के लिए JSP, FJSP और online-FJSP परिवेशों को एकीकृत करता है; PyJobShop 9,000+ साहित्य-इंस्टैंसों पर मूल्यांकित बाधा-प्रोग्रामिंग मॉडलिंग देता है; schlably गहन-सुदृढीकरण-अधिगम शेड्यूलिंग-प्रयोग ढाँचा है। कोई भी प्रति-इंस्टैंस उद्धरण-उद्गम को क्यूरेट नहीं करता, सांख्यिकीय द्वार नहीं भेजता, न ही निरीक्षण पोर्टल प्रकाशित करता है — ⚠️ चिह्न उन इंस्टैंसों को दर्शाते हैं जो क्यूरेटेड उद्धरण-मेटाडेटा के बिना भेजे जाते हैं।

सामान्य ऑप्टिमाइज़ेशन बेंचमार्किंग और मेटाह्यूरिस्टिक ढाँचे

COCO एक भिन्न समस्या-वर्ग (सतत ब्लैक-बॉक्स फलन) का मूल्यांकन करता है; इसका सूट-परिवार एकल- और द्वि-उद्देश्य, बड़े-पैमाने, मिश्रित-पूर्णांक और बाधित रूपांतरों को एक सार्वजनिक डेटा-अभिलेख के साथ समेटता है। IOHprofiler पुनरावृत्त ह्यूरिस्टिक्स का मूल्यांकन करता है और एक होस्टेड वेब-विश्लेषक देता है। jMetal और jMetalPy इसीलिए शामिल हैं क्योंकि वे भूसे के पुतले नहीं हैं: वे नॉन-पैरामीट्रिक सांख्यिकी वाले प्रायोगिक अध्ययन देते हैं, पर कोई शेड्यूलिंग कैटलॉग या पोर्टल नहीं। Nevergrad सैकड़ों ऑप्टिमाइज़रों पर रैंक-प्लॉट और एक प्रयोग-व-आरेखण मॉड्यूल देता है, पर नॉन-पैरामीट्रिक अनुमान नहीं। pymoo, mealpy और NiaPy टाइप-युक्त रजिस्ट्री के बजाय समृद्ध एल्गोरिथम-संग्रह और कृत्रिम परीक्षण-फलन देते हैं।

fog और edge सिम्युलेटर

ये edge–fog–cloud नेटवर्कों को असतत-घटना सिमुलेशन के रूप में मॉडल करते हैं (⚠️), न कि ऐसे बेंचमार्क सूट के रूप में जिस पर किसी ऑप्टिमाइज़र को अंक दिए जाएँ। EdgeCloudSim v5.0 वर्तमान CloudSim 7.0.0-alpha कोर पर नए ट्यूटोरियलों के साथ चलता है। YAFS सातत्य-परिवारों के भाव में सबसे निकट Python fog सिम्युलेटर है, और इसकी प्लेसमेंट-समस्याएँ ही वे हैं जिन्हें DispatchAtlas अंकित बेंचमार्क-इंस्टैंसों के रूप में पुनः व्यक्त करता है; EdgeSimPy नवीनतम Python edge संसाधन-प्रबंधन सिम्युलेटर है।

क्लाउड और वर्कफ़्लो सिमुलेशन प्लेटफ़ॉर्म

ये सिम्युलेटर और ट्रेस/जनरेटर ढाँचे हैं, ऑप्टिमाइज़र बेंचमार्क नहीं — वही ईमानदार रूपरेखा जो fog बैंड उपयोग करता है। WfCommons की ट्रेस-से-जनरेटर-से-बेंचमार्क पाइपलाइन प्लेटफ़ॉर्म की ट्रेस-समर्थित महत्वाकांक्षाओं का सबसे सशक्त अवधारणात्मक सादृश्य है, और ठीक यहीं DispatchAtlas आज सबसे कमज़ोर है: एक अंशांकित-कृत्रिम प्रोफ़ाइल, नीचे क्षमता-मैट्रिक्स में ⚠️ ट्रेस-समर्थित पंक्ति।

Optuna समकक्ष नहीं, पूरक उपकरण है: यह हाइपरपैरामीटर ट्यूनर है, इसलिए सॉल्वर के हाइपरपैरामीटर इससे ट्यून किए जा सकते हैं, पर यह न शेड्यूलिंग-इंस्टैंस देता है और न उद्गम-कथा — इसीलिए «Optuna ही क्यों न इस्तेमाल करें?» का एक-पंक्ति उत्तर है। उद्धरण Optuna (Akiba et al., KDD 2019)।

चिह्नों को कैसे पढ़ें:

• क्यूरेटेड शेड्यूलिंग-इंस्टैंस कैटलॉग — शेड्यूलिंग और क्रमचय समस्याओं के इंस्टैंसों का संस्करणित, उद्धरण-समर्थित समुच्चय। शेड्यूलिंग समकक्ष इंस्टैंस देते हैं पर प्रति-इंस्टैंस उद्धरण-क्यूरेशन नहीं; ऑप्टिमाइज़ेशन ढाँचे कृत्रिम परीक्षण-समस्याएँ देते हैं; सिम्युलेटर कोई ऑप्टिमाइज़ेशन-इंस्टैंस कैटलॉग नहीं देते।
• बेंचमार्क-इंस्टैंस के रूप में edge–fog–cloud — ऑप्टिमाइज़ेशन-इंस्टैंसों के रूप में उजागर विषम प्लेसमेंट और संचार समस्याएँ। सिम्युलेटर edge–fog–cloud नेटवर्कों को मॉडल करते हैं (⚠️), पर अंकित बेंचमार्क सूट के रूप में नहीं, बल्कि असतत-घटना सिमुलेशन के रूप में।
• क्षमता-टाइप सॉल्वर रजिस्ट्री — सॉल्वर घोषित उद्देश्य, बाधाएँ और क्षमता-मेटाडेटा धारण करते हैं। मेटाह्यूरिस्टिक लाइब्रेरियाँ समृद्ध एल्गोरिथम-संग्रह देती हैं (⚠️) पर शेड्यूलिंग-उन्मुख टाइप-युक्त रजिस्ट्री नहीं।
• अंतर्निहित सांख्यिकीय तुलना — टूलकिट के साथ बंडल किए नॉन-पैरामीट्रिक परीक्षण और प्रभाव-आकार। COCO, IOHprofiler और jMetal समर्पित सांख्यिकीय उपकरण देते हैं।
• सार्वजनिक निरीक्षण पोर्टल — एक ब्राउज़ करने योग्य, सार्वजनिक-सुरक्षित डेटा-सतह। COCO कार्यशाला डेटा-अभिलेख प्रकाशित करता है (⚠️); IOHanalyzer एक होस्टेड वेब-विश्लेषक देता है।

DispatchAtlas क्या प्रदान नहीं करता

यह ईमानदार उलटा अंतराल है — हर बिंदु उस समकक्ष को नामित करता है जिसके पास वह है जो DispatchAtlas के पास नहीं, और नीचे क्षमता-मैट्रिक्स की किसी मौजूदा ❌ या ⚠️ पंक्ति को प्रतिबिंबित करता है।

• कोई असतत-घटना सिमुलेशन नहीं — fog और क्लाउड सिम्युलेटर (CloudSim, iFogSim2, EdgeCloudSim, WRENCH) समय-चरणबद्ध नेटवर्क और प्लेटफ़ॉर्म गतिकी मॉडल करते हैं; DispatchAtlas इसके बजाय इंस्टैंसों पर ऑप्टिमाइज़रों को अंक देता है।
• कोई गतिशील-आगमन या ऑनलाइन-पुनर्शेड्यूलिंग जनरेटर नहीं — TU/e सूट online-FJSP परिवेश देता है; DispatchAtlas का हर बंडल जनरेटर स्थिर है।
• कोई अधिगम-एजेंट प्रशिक्षण परिवेश नहीं — job-shop-lib और schlably RL/GNN परिवेश देते हैं; DispatchAtlas के अधिगम-इंटरफ़ेस आंशिक हैं।
• एकल-होस्ट अभियान निष्पादन — Nevergrad बड़ी समानांतर प्रयोग-श्रृंखलाएँ चलाता है; DispatchAtlas एकल होस्ट पर अनुक्रमिक, थ्रेडेड, परिबद्ध और पुनःप्रस्तुति मोड चलाता है।
• एक अंशांकित-कृत्रिम ट्रेस प्रोफ़ाइल — WfCommons वास्तविक वर्कफ़्लो-अभिलेखों पर सत्यापित ट्रेस-व्युत्पन्न जनरेटर देता है; DispatchAtlas एकल अंशांकित-कृत्रिम प्रोफ़ाइल बंडल करता है।

स्रोत

• COCO — Hansen, Auger, Ros, Mersmann, Tušar, Brockhoff. COCO: a platform for comparing continuous optimizers in a black-box setting. Optimization Methods and Software 36(1), 2021. https://doi.org/10.1080/10556788.2020.1808977
• IOHprofiler — de Nobel, Ye, Vermetten, Wang, Doerr, Bäck. IOHexperimenter: Benchmarking Platform for Iterative Optimization Heuristics. Evolutionary Computation 32(3):205–210, 2024. https://doi.org/10.1162/evco_a_00342 · IOHanalyzer — https://doi.org/10.1145/3510426
• pymoo — Blank, Deb. pymoo: Multi-Objective Optimization in Python. IEEE Access 8, 2020. https://doi.org/10.1109/ACCESS.2020.2990567
• mealpy — Van Thieu, Mirjalili. MEALPY: An open-source library for latest meta-heuristic algorithms in Python. Journal of Systems Architecture 139, 2023. https://doi.org/10.1016/j.sysarc.2023.102871
• NiaPy — Vrbančič, Brezočnik, Mlakar, Fister, Fister Jr. NiaPy: Python microframework for building nature-inspired algorithms. Journal of Open Source Software 3(23), 2018. https://doi.org/10.21105/joss.00613
• iFogSim2 — Mahmud, Pallewatta, Goudarzi, Buyya. iFogSim2: An extended iFogSim simulator … Journal of Systems and Software 190, 2022. https://doi.org/10.1016/j.jss.2022.111351
• EdgeCloudSim — Sonmez, Ozgovde, Ersoy. EdgeCloudSim: An environment for performance evaluation of edge computing systems. Transactions on Emerging Telecommunications Technologies 29(11), 2018. https://doi.org/10.1002/ett.3493
• LEAF — Wiesner, Thamsen. LEAF: Simulating Large Energy-Aware Fog Computing Environments. IEEE ICFEC, 2021. https://doi.org/10.1109/ICFEC51620.2021.00012
• job-shop-lib — Ariño Fernández. job-shop-lib. arXiv:2506.13781, 2025. https://arxiv.org/abs/2506.13781
• Job Shop Scheduling Benchmark — Reijnen, van Straaten, Bukhsh, Zhang. arXiv:2308.12794, 2023. https://arxiv.org/abs/2308.12794
• PyJobShop — Lan, Berkhout. PyJobShop. arXiv:2502.13483, 2025. https://arxiv.org/abs/2502.13483
• schlably — Waubert de Puiseau et al. schlably. SoftwareX 22:101383, 2023. https://doi.org/10.1016/j.softx.2023.101383
• OR-Tools CP-SAT — Perron, Didier, Gay. CP-SAT. CP 2023. https://doi.org/10.4230/LIPIcs.CP.2023.3
• jMetal — Durillo, Nebro. jMetal. Advances in Engineering Software 42(10), 2011. https://doi.org/10.1016/j.advengsoft.2011.05.014 · jMetalPy — Benítez-Hidalgo et al. Swarm and Evolutionary Computation 51:100598, 2019. https://doi.org/10.1016/j.swevo.2019.100598
• Nevergrad — Rapin, Teytaud. Nevergrad. 2018 (software citation). https://github.com/facebookresearch/nevergrad
• YAFS — Lera, Guerrero, Juiz. YAFS. IEEE Access 7, 2019. https://doi.org/10.1109/ACCESS.2019.2927895
• EdgeSimPy — Souza et al. EdgeSimPy. Future Generation Computer Systems 148, 2023. https://doi.org/10.1016/j.future.2023.06.013
• CloudSim — Calheiros, Ranjan, Beloglazov, De Rose, Buyya. CloudSim. Software: Practice and Experience 41(1), 2011. https://doi.org/10.1002/spe.995 · CloudSim 7G — Andreoli et al. Software: Practice and Experience 55(6), 2025. https://doi.org/10.1002/spe.3413
• WfCommons — Coleman et al. WfCommons. Future Generation Computer Systems 128, 2022. https://doi.org/10.1016/j.future.2021.09.043
• WRENCH — Casanova et al. WRENCH. Future Generation Computer Systems 112, 2020. https://doi.org/10.1016/j.future.2020.05.030
• Optuna — Akiba, Sano, Yanase, Ohta, Koyama. Optuna: A Next-generation Hyperparameter Optimization Framework. KDD 2019. https://doi.org/10.1145/3292500.3330701

DispatchAtlas रुख

क्षमता मैट्रिक्स

प्रत्येक स्थिति को भेजे गए पैकेजों व आधार स्तंभ में नामित सार्वजनिक पोर्टल बंडलों के विरुद्ध सत्यापित किया जाता है: ✅ आज समर्थित, ⚠️ आंशिक, ❌ अनुपस्थित।