MétaCan
Menu
Retour à la cohorte
Enregistrement W2947091483 · doi:10.1080/03155986.2019.1607806

An improved tabu search algorithm for the petrol-station replenishment problem with adjustable demands

2019· article· en· W2947091483 sur OpenAlexvenueno aff
Abdelaziz Benantar, Rachid Ouafi, Jaouad Boukachour

Notice bibliographique

RevueINFOR Information Systems and Operational Research · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Routing Optimization Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTabu searchBenchmark (surveying)Computer scienceMathematical optimizationStatisticProcess (computing)GasolineOperations researchVehicle routing problemOrder (exchange)Routing (electronic design automation)AlgorithmMathematicsStatisticsEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

This paper discusses the petrol-station replenishment problem with adjustable demands (PSRP-AD). This problem originates from a practical application of fuel delivery, where the main objective is to satisfy all petrol-station demands at a minimal cost. However, the problem includes tanks with adjustable loads while respecting the agreement made between the company and the customers. This agreement allows the company to reduce the delivery up to a given threshold less than the ordered demand. For the PSRP-AD, we first describe the problem and provide the mathematical modelling that distinguishes between the loading and routing phases, followed by an improved tabu search to solve it. Within the framework of the tabu search, we embed the Kolmogorov–Smirnov statistic in the classical moves in order to speed up the search process. The results show that our solution is competitive on the benchmark instances and outperforms the current delivery method used by the company with a significant improvement.

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)0,003
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 enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,027
Tête enseignante GPT0,321
Écart entre enseignants0,294 · 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINFOR Information Systems and Operational ResearchMême sujetVehicle Routing Optimization MethodsTravaux en français237 207