GRASP with ALNS for solving the location routing problem of infectious waste collection in the Northeast of Thailand
Notice bibliographique
Résumé
This research proposes a heuristic to solve the problem of the location selection of incinerators and the vehicle routing of infectious waste collection for hospitals in the Northeast of Thailand. The developed heuristic is called the Greedy Randomized Adaptive Large Neighborhood Search Procedure (GRALNSP)and applies the principles of the Greedy Randomized Adaptive Search Procedure (GRASP) and Adaptive Large Neighborhood Search (ALNS) in the local search. The results from GRALNSP are compared with those from the exact method processed by the A Mathematical Programming Language (AMPL) program. For small-sized problems, experiments showed that both methods provided no different results with the global optimal solution, but GRALNSP required less computational time. When the problems were larger-scale and more complicated, AMPL could not find the optimal solution within the limited period of computational time while GRALNSP provided better results with much less computational time. In solving the case study with GRALNSP, the result shows that the suitable locations for opening infectious waste incinerators are the locations of Pathum Ratwongsa district, Amnat Charoen province and Nam Phong district, Khonkaen province. An incinerator with a burning capacity of 600 kilogram/hour is used at both locations. The monthly total distances for infectious waste collection are 24,055.24 and 38,401.88 kilometers, respectively, and the lowest total cost is 6,268,970.40 baht per month.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».