Intelligent Loading of Scattered Cargoes Based on Improved Ant Colony Optimization
Notice bibliographique
Résumé
This paper improves the ant colony optimization (ACO) to optimize the scattered cargo loading problem.Firstly, the concept of scattered cargoes was defined clearly, and a mathematical model was established to maximize the volume utilization under multiple constraints of scattered cargoes.Next, the wall-based loading strategy was put forward to rationalize the spatial arrangement and stabilize the loaded cargoes.After that, the ACO's expectation function was modified to ensure the consistency between cargo selection and the said strategy.In addition, a pheromone heuristic factor and an expected heuristic factor, both of which are dynamically adjustable, were set up to enhance the global search ability of the proposed algorithm, wall-based ACO (WBACO).Finally, three experiments were conducted respectively on classical weakly heterogeneous data, actual production data with weak heterogeneity, and classical strongly heterogeneous data, to verify the performance of our algorithm.In Experiment 1, the WBACO achieved an objective function value 2.6 % higher than the B&R algorithm and 3.1 % higher than the CBGAT.In Experiment 2, the WBACO led the space-based ACO by 6.82 % in average volume utilization and 3.35 % in optimal volume utilization.In Experiment 3, the result of the WBACO was 0.91 % smaller than the B&R algorithm on wtpack7_51, and 6.97 % greater than the latter on wtpack7_74.The experimental results show that the WBACO lays theoretical and practical bases for intelligent loading of scattered cargoes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».