MétaCan
Menu
← Retour à la cohorte
Enregistrement W1513860408 · doi:10.1016/j.scient.2013.04.010

The incomplete hub-covering location problem considering imprecise location of demands

2013· article· en· W1513860408 sur OpenAlexaff
Soheil Davari, M.H. Fazel Zarandi, İ.B. Türkşen

Notice bibliographique

RevueORCA Online Research @Cardiff (Cardiff University) · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Routing Optimization Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFacility location problemComputer scienceVariable neighborhood searchLocation modelFuzzy logic1-center problemVariable (mathematics)Operations researchOrder (exchange)Mathematical optimizationCovering problemsMetaheuristicMathematicsSet (abstract data type)Artificial intelligenceBusiness

Résumé

récupéré en direct d'OpenAlex

Facility location is a prime decision to be made in many organizations around the globe. The hub location problem is one of the main variants of the facility location problem, with applications in telecommunications, the airline industry, and etc. In this paper, we deal with an incomplete hub-covering network design problem, where the exact locations of demands are unknown and are estimated as fuzzy variables. An earlier model in the hub location literature has been modified to address the uncertainty in the problem. In order to solve this problem, an efficient simulation-embedded Variable Neighborhood Search (VNS) has been designed and its performance has been validated using the well-known CAB dataset.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0050,002
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0040,002
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,039
Tête enseignante GPT0,289
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2013
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueORCA Online Research @Cardiff (Cardiff University)→Même sujetVehicle Routing Optimization Methods→Travaux en français237 207→