Hybridation de l’algorithme de colonie de Fourmis avec l’algorithme de recherche à grand Voisinage pour la résolution du VRPTW statique et dynamique
Notice bibliographique
Résumé
-Le problème de tournées de véhicules (Vehicle Routing Problem – VRP) est l’un des problèmes d’optimisation combinatoire les plus étudiés dans le domaine du transport. Il consiste à visiter des clients à partir d’un ou de plusieurs dépôts au moyen d’une flotte de véhicules, avec un coût minimal. Le VRP est un problème NP-complet, pour lequel il n’existe à l’heure actuelle aucun algorithme connu capable de le résoudre en un temps polynomial; c’est la raison fondamentale pour laquelle les métaheuristiques ont été fortement sollicitées. Dans ce papier, nous étudions le problème VRP avec fenêtre de temps (VRP with Time Windows – VRPTW), auquel on impose une fenêtre de temps dans laquelle la livraison doit être effectuée. Nous nous intéressons au cas statique et au cas dynamique dans lequel nous prenons en compte l’apparition de nouveaux clients au cours du temps. Après avoir présenté les caractéristiques propres au problème dynamique traité dans ce papier, nous proposons une approche de résolution basée sur l’utilisation de l’algorithme d’optimisation par colonie de fourmis (Ant Colony Optimization – ACO) hybridé avec l’algorithme de recherche à grand voisinage (Large Neighborhood Search – LNS) dans le cas statique. Ensuite, nous adaptons cette approche afin de résoudre le problème dans un contexte dynamique. Finalement, nous présentons les résultats numériques qui confirment la pertinence de l’approche que nous développons dans cet article.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».