MétaCan
Menu
Retour à la cohorte
Enregistrement W3115020944 · doi:10.1287/trsc.2020.1022

Partial Benders Decomposition: General Methodology and Application to Stochastic Network Design

2020· article· en· W3115020944 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueTransportation Science · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimization and Mathematical Programming
Établissements canadiensTransport CanadaUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésBenders' decompositionMathematical optimizationDecompositionNetwork planning and designComputer scienceStochastic programmingClass (philosophy)Dual (grammatical number)Decomposition method (queueing theory)Relaxation (psychology)Process (computing)Mathematics

Résumé

récupéré en direct d'OpenAlex

Benders decomposition is a broadly used exact solution method for stochastic programs, which has been increasingly applied to solve transportation and logistics planning problems under uncertainty. However, this strategy comes with important drawbacks, such as a weak master problem following the relaxation step that confines the dual cuts to the scenario subproblems. In this paper, we propose a partial Benders decomposition methodology, based on the idea of including explicit information from the scenario subproblems in the master. To investigate the benefits of this methodology, we apply it to solve a general class of two-stage stochastic multicommodity network design models. Specifically, we solve the challenging variant of the model where both the demands and the arc capacities are stochastic. Through an extensive experimental campaign, we clearly show that the proposed methodology yields significant benefits in computational efficiency, solution quality, and stability of the solution process.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,598
Score d'incertitude au seuil0,256

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)0,0000,000

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 Opus0,070
Tête enseignante GPT0,322
Écart entre enseignants0,252 · 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