An efficient controlled elitism non-dominated sorting genetic algorithm for multi-objective supplier selection under fuzziness
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
Abstract Supplier selection and order allocation constitute vital strategic decisions that must be made by managers within supply chain management environments. In this paper, we propose a multi-objective fuzzy model for supplier selection and order allocation in a two-level supply chain with multi-period, multi-source, and multi-product characteristics. The supplier evaluation objectives considered in this model include cost, delay, and electronic-waste (e-waste) minimization, as well as coverage and weight maximization. A signal function is used to model the price discount offered by the suppliers. Triangular fuzzy numbers are used to deal with the uncertainty of delay and e-waste parameters while the fuzzy Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) is used to obtain the weights of the suppliers. The resulting NP-hard problem, a Pareto-based meta-heuristic algorithm called controlled elitism non-dominated sorting genetic algorithm (CENSGA), is developed. The Non-dominated Sorting Genetic Algorithm (NSGA-II) and Multi-Objective Particle Swarm Optimization (MOPSO) are used to validate the applicability of the CENSGA algorithm and the Taguchi technique to tune the parameters of the algorithms. The results are analysed using graphical and statistical comparisons illustrating how the proposed CENSGA dominates NSGA-II and MOPSO in terms of mean ideal solution distance (MID) and spacing metrics.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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