Two-Echelon Multidepot Logistics Network Design with Resource Sharing
Notice bibliographique
Résumé
Resource sharing within a logistics network offers an effective way to solve problems resulting from inefficient and costly operations of individual logistics facilities. However, the existing analysis of resource sharing and profit allocation is still limited. Therefore, this study aims to model resource sharing in two-echelon delivery and pickup logistics networks to improve the overall efficiency and decrease the total network operating cost. A bi-objective integer programming model is first proposed for two-echelon collaborative multidepot pickup and delivery problems with time windows (2E-CMDPDTW) to seek the minimization of operating costs and number of vehicles. Integrating a customer clustering algorithm, a greedy algorithm, and an improved nondominated sorting genetic algorithm-II (Im-NSGA-II), a hybrid method is then designed to handle the 2E-CMDPDTW model. The customer clustering and the greedy algorithms are employed to generate locally optimized initial solutions to accelerate the calculating velocity and guarantee the diversity of feasible solutions. The Im-NSGA-II combines the order crossover operation and the polynomial mutation process to find the optimal solution of the 2E-CMDPDTW. The comparative results show that the proposed hybrid method outperforms the NSGA-II and the multiobjective genetic algorithm. Furthermore, a Shapley value method is used for allocating total profits of established alliances and finding an optimal coalition sequence of the logistics facilities joining alliances based on the strictly monotonic path strategy. Finally, a case study of 2E-CMDPDTW in Chongqing China is conducted to validate the feasibility. Results indicate that this study contributes to long-term partnerships between logistics facilities within multi-echelon logistics networks in practice and contributes to the long-term sustainability of urban logistics pickup and delivery networks’ development.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».