Two-Phase Optimization Models for Liner Shipping Network Based on Hub Ports Cooperation: From the Perspective of Supply-Side Reform in China
Notice bibliographique
Résumé
From the perspective of supply-side reform in China, it is hard for COSCO Shipping, a merged company with a strong shipping capacity, to abandon the container shipping market. Meanwhile, the new company could cooperate with new strategic ports along the Maritime Silk Road in liner service. Against this backdrop, this paper aims to optimize the liner shipping network (LSN) from strategic, tactical, and operational levels and help the merged shipping company adjust its operational measures according to market changes. The optimization towards different levels of decision-making process is a new research of highly practical values. Specifically, this paper created two-phase optimization models for LSN based on the selection of hub ports. In Network Assessment (NA) phase, the LSNs of two types of hub ports selected are designed and assessed on strategic and tactical levels, and the primary and secondary routes are identified; in Network Operation (NO) phase, the “path-based flow” formulations are proposed from the operational level, considering operational measures including demand rejection and flow integration. The models in both phases are mixed-integer linear programming (MILP), but are solved by different tools: CPLEX for the NA phase models and the Genetic Algorithm (GA) for the NO phase models due to the computational complexity of the latter problem. Then, a computational experiment is performed on the LSN of COSCO Shipping on the Persian Gulf trade lane. The results have proved the effectiveness of the methodology and inspired important countermeasures for the merged shipping company.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».