MétaCan
Menu
Retour à la cohorte
Enregistrement W2118493070 · doi:10.1287/trsc.1100.0333

Branch and Price for Service Network Design with Asset Management Constraints

2010· article· en· W2118493070 sur OpenAlexafffund
Jardar Andersen, Marielle Christiansen, Teodor Gabriel Crainic, Roar Grønhaug

Notice bibliographique

RevueTransportation Science · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Routing Optimization Methods
Établissements canadiensUniversité de MontréalUniversité du Québec à Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNorges ForskningsrådUniversité de Montréal
Mots-clésColumn generationTransshipment (information security)Network planning and designInteger programmingComputer scienceMathematical optimizationFlow networkService (business)Operations researchPath (computing)Integer (computer science)Branch and priceShortest path problemEngineeringComputer networkEconomicsMathematicsGraph

Résumé

récupéré en direct d'OpenAlex

We address the service network design problem with asset management considerations for consolidation-based freight carriers. Given a set of demands to be transported from origins to destinations and a set of transshipment facilities, the objective is to select services and their schedules, build routes for the assets (vehicles) operating these scheduled services, and move the demands (commodities) through the resulting service network as efficiently as possible. We propose a first branch-and-price framework for the mixed-integer formulation of the problem with integer cycle design and continuous flow-path variables. The proposed method includes particular column generation subproblems for dynamically constructing these cycles and paths, as well as an acceleration technique to identify integer solutions rapidly. The computational study shows that the proposed method finds better solutions for large network instances than reported previously.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,016
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,001

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 Opus0,019
Tête enseignante GPT0,265
Écart entre enseignants0,247 · 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

Citations102
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation ScienceMême sujetVehicle Routing Optimization MethodsTravaux en français237 207