MétaCan
Menu
Retour à la cohorte
Enregistrement W3159012693 · doi:10.1007/s42452-021-04558-9

A budget-constrained partial protection planning of a rail intermodal terminal network

2021· article· en· W3159012693 sur OpenAlexaff
Hassan Sarhadi, Satyaveer S. Chauhan, Manish Verma

Notice bibliographique

RevueSN Applied Sciences · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensMcMaster UniversityConcordia UniversityAcadia University
Organismes subventionnairesnon disponible
Mots-clésMetaheuristicComputer scienceTruckOperations researchDecompositionComponent (thermodynamics)Flexibility (engineering)Mathematical optimizationRisk analysis (engineering)EngineeringBusinessArtificial intelligenceEconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Rail-truck intermodal transportation is an essential component of freight transportation in North America, and thus, its associated infrastructure is deemed crucial for the wellbeing of the society. In this paper, a budget-constrained partial protection planning model is proposed that addresses the fortification of a rail intermodal network such that the effects of an intentional disruption are minimized. Novel solution methodologies that make use of metaheuristic approaches and a decomposition approach are proposed to solve the challenging tri-level mixed-integer mathematical model. The proposed analytical approaches are then used to solve and analyze problem instances generated using the realistic infrastructure of a major railroad operator. Finally, the computational efficiency and effectiveness of the proposed approaches over the existing solution techniques in the literature are discussed and future research directions are outlined. Article Highlights The paper suggests partial protection of facilities together with two metaheuristic approaches to solve the model. The proposed metaheuristic approaches are efficient in solving the model compared to the existing exact approach. Having the option to partially protect facilities provides effective use of scarce defensive resources.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,227
Score d'incertitude au seuil0,378

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,014
Tête enseignante GPT0,241
Écart entre enseignants0,227 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSN Applied SciencesMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207