Hybridation de l’algorithme de colonie de Fourmis avec l’algorithme de recherche à grand Voisinage pour la résolution du VRPTW statique et dynamique
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle