Problema de Roteamento de Veículos Elétricos: otimização da vida útil das baterias
Notice bibliographique
Résumé
Universidade de São Paulo, São Carlos -SP, 2020.Com o aumento das emissões de gases de efeito estufa, alternativas de transporte menos poluentes vêm sendo estudadas, dentre elas o uso de veículos elétricos.Porém, o uso desse tipo de veículo traz um desafio ecológico para o futuro: como tratar o descarte das baterias após o seu uso.Logo, prolongar a vida útil das baterias dos veículos é uma questão fundamental para que eles sejam de fato uma alternativa ecologicamente correta.O objetivo deste projeto de mestrado é apresentar o Problema de Roteamento de Veículos Elétricos visando minimizar o consumo de energia e o envelhecimento de suas baterias.Para tanto, descrevemos o problema comparando-o com outros trabalhos relacionados.Dois modelos matemáticos e um algoritmo memético foram desenvolvidos para lidar com o problema.Instâncias da literatura foram adaptadas e resolvidas utilizando o solver de otimização GUROBI e o algoritmo populacional.Os resultados obtidos indicam que um dos modelos e o algoritmo memético apresentam uma boa performance para as instâncias utilizadas.Além disso, o algoritmo memético se mostrou robusto e competitivo quando comparado aos modelos.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».