MétaCan
Menu
Retour à la cohorte
Enregistrement W3114396658 · doi:10.11606/d.55.2020.tde-23112020-143732

Problema de Roteamento de Veículos Elétricos: otimização da vida útil das baterias

2020· dissertation· pt· W3114396658 sur OpenAlexaff
Allan Vinícius Silva

Notice bibliographique

Revuenon disponible
Typedissertation
Languept
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesnon disponible
Mots-clésMemetic algorithmGreenhouse gasProblem solverSolverComputer scienceEnergy consumptionMathematical optimizationOperations researchEngineeringEvolutionary algorithmMathematicsArtificial intelligenceElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Due to the increase in greenhouse gas emissions, less polluting transport alternatives have been studied, among which is the use of electric vehicles. However, the use of such vehicles poses the ecological challenge of disposing the batteries after use. Therefore, extending the life of batteries is a crucial issue so that these vehicles become an eco friendly alternative. The aim of this master project is to present two mathematical models and a memetic algorithm to minimize energy consumption and the degradation of batteries for the Electric Vehicle Routing Problem. The methods developed were evaluated with instances adapted from the literature by using the GUROBI solver. The results show that one of the models and the memetic algorithm handle the problem well, extending batteries life. Furthermore, the memetic algorithm proved to be robust and competitive when compared to the models.

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 candidatesMéta-épidémiologie (sens strict), Charge 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 enseignants0,544
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,242
Écart entre enseignants0,234 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Vehicles and InfrastructureTravaux en français237 207