Applications of inexact programming methods to waste management under uncertainty: current status and future directions
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
Waste management problems are subject to uncertainties presented as intervals, random variables and/or fuzzy sets. During the past 20 years, inexact programming methods have been developed and applied increasingly to waste management problems under uncertainty. To obtain a snapshot of these studies, this paper gives a review on recent developments, applications, challenges, and barriers associated with inexact programming techniques in supporting waste management. The results indicate that the majority of inexact programming methods can be categorized as two-stage stochastic programming, chance-constrained programming, fuzzy flexible programming, fuzzy robust programming, interval-parameter programming, mixed-integer programming, multiple-objective programming, and nonlinear programming. The demanding areas for future research efforts would include: expansion of conventional concepts to quantify uncertainties, integration of single inexact programming method with other programming methods to deal with multiple uncertainties and even complexities (e.g. nonlinearities and interactions), integration of inexact programming with other modeling techniques (e.g. life cycle assessment, multiple-criteria decision analyses, and waste flow simulation) to support sustainable waste management, development of more efficient algorithms to solve the proposed methods, linkage of waste management with its environmental impacts (e.g. air pollutants and GHG emissions as well as leachate pollution) within an inexact optimization framework, and applications of the developed methods to novel (e.g. specific types of wastes) or real-world waste management cases in different countries.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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