MétaCan
Menu
Retour à la cohorte
Enregistrement W3049196379 · doi:10.1155/2020/4103275

Containerships Sailing Speed and Fleet Deployment Optimization under a Time-Based Differentiated Freight Rate Strategy

2020· article· en· W3049196379 sur OpenAlexvenueno aff
Hualong Yang, Yuwei Xing

Notice bibliographique

RevueJournal of Advanced Transportation · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMaritime Transport Emissions and Efficiency
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSoftware deploymentContainer (type theory)DiscretizationProfit (economics)Nonlinear programmingInteger programmingComputer scienceMathematical optimizationOperations researchNonlinear systemTransport engineeringEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

This paper investigates the problem of containership sailing speed and fleet deployment optimization in an intercontinental liner shipping network. Under the consideration of the time value of container cargo, three kinds of impact of sailing speed changes on long legs of each liner route are analysed, and a time-based freight rate strategy is proposed. Then, the optimization problem is formulated as a mixed-integer nonlinear programming. Its goal is to maximize the total profits of a container liner shipping. To find the optimal solution to the model and improve the efficiency of model solution, a discretization algorithm is proposed. Numerical results verify the applicability of the proposed model and the efficiency of the algorithm. In addition, the time-based freight rate strategy is able to achieve more profit compared to a fixed freight rate strategy.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,518
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,219
Écart entre enseignants0,205 · 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 tête enseignante, pas un consensus.

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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetMaritime Transport Emissions and EfficiencyTravaux en français237 207