MétaCan
Menu
Retour à la cohorte
Enregistrement W4293252888 · doi:10.5267/j.ijiec.2022.5.002

A model for location-assortment problem in a competitive environmen

2022· article· en· W4293252888 sur OpenAlexvenueno aff
Faezeh Mohammadipour, Maghsoud Amiri, Iman Raeesi Vanani, Jahanyar Bamdad Soofi

Notice bibliographique

RevueInternational Journal of Industrial Engineering Computations · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFacility Location and Emergency Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSolverMathematical optimizationComputer scienceInteger programmingFacility location problemCompetitor analysisNonlinear programmingLinear programmingProduct (mathematics)Operations researchNonlinear systemMathematicsEconomics

Résumé

récupéré en direct d'OpenAlex

This paper considers simultaneously two areas of facility location and assortment planning in a competitive environment. In fact, a chain store that has competitors in the market locates a new facility. As there are different products in the market that can substitute with each other, it is intended to determine the best product assortment as well. An integer nonlinear programming problem is proposed to model the mentioned subject. For solving the model, the problem is reformulated as a mixed integer linear programming one. Therefore, a MIP solver software can be used for solving the small- and medium-size problems. For large-scale problems, a firefly algorithm is designed for obtaining a satisfactory solution. By using the proposed model, it is numerically shown that, in addition to the optimal location, it is also necessary to determine simultaneously the best product assortment for the new store. Actually, comparison results reveal that the location significantly affects the assortment scenarios for the new store. In other words, the selection of new store locations may lead to loss of large profit if the assortment planning is neglected.

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: aucune
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,414

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,042
Tête enseignante GPT0,245
Écart entre enseignants0,203 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Industrial Engineering ComputationsMême sujetFacility Location and Emergency ManagementTravaux en français237 207