MétaCan
Menu
Retour à la cohorte
Enregistrement W2145366356

A multi-objective hub covering location problem under congestion using simulated annealing algorithm

2013· article· en· W2145366356 sur OpenAlexvenueno aff
R. Geramianfar, Mohammad Ali Pakzad, H. Golhashem, Reza Tavakkoli‐Moghaddam

Notice bibliographique

RevueUncertain Supply Chain Management · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Routing Optimization Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSimulated annealingMathematical optimizationComputer scienceMetric (unit)Integer programmingAlgorithmOperations researchMathematicsOperations managementEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Article history: Received January 10, 2013 Received in revised format 19 July 2013 Accepted July 19 2013 Available online July 21 2013 Hub covering problem is one of the most popular areas of research due to wide ranges of applications in different service or manufacturing industries. This paper considers a multiobjective hub covering location problem under congestion. The proposed study of this paper considers two objectives where the first one minimizes total transportation cost and the second one minimizes total waiting time for all hobs. The resulted multi-objective decision making problem is formulated as mixed integer programming. Simulated annealing is used to solve the resulted model and the performance of the proposed model is compared against two other alternative methods, particle sward optimization and NSGA-II. The results are compared in terms of four criteria including quality metric, mean ideal distance, diversification metric and spacing metric. The results indicate that the proposed model could perform better than the other two alternative methods in terms of quality metric but the results are somehow mix in terms of other three criteria. © 2013 Growing Science Ltd. All rights reserved.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,269
Écart entre enseignants0,248 · 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
GenreEmpirique

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

En bref

Citations12
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetVehicle Routing Optimization MethodsTravaux en français237 207