An efficient multi-attribute multi-item auction mechanism with ex-ante and ex-post satisfaction for 4PL transportation service procurement
Notice bibliographique
Résumé
Reverse auction is an effective tool for a 4PL to purchase transportation services. This paper investigated a new transportation services procurement problem for 4PL, which involves three features: the 4PL’s loss-averse behavior, price and non-price attributes, and multiple transportation requests. An efficient multi-attribute multi-item reverse auction mechanism considering the 4PL ex-ante and ex-post satisfaction (EES-MMRA) is proposed to purchase transportation services for the 4PL. In the EES-MMRA, integrating the allocation rule with the 4PL ex-ante satisfaction, a 0-1 programming model is constructed to determine winning 3PLs and obtain efficient allocations. Then, a payment rule considering the 4PL ex-post satisfaction is established to ensure truthful bidding of 3PLs. And we discuss some desirable properties (e.g., incentive compatibility, individual rationality, efficiency, and budget balance properties) to justify the EES-MMRA mechanism, subsequently. Next, several numerical experiments are conducted to demonstrate the effectiveness and applicability of the EES-MMRA mechanism. Furthermore, sensitivity analysis presents the influences of the weights of the non-price attributes, risk attitude coefficients, and loss aversion coefficients. Finally, we conduct comparison analysis to show the advantages of the EES-MMRA mechanism over the known Vickrey–Clark–Groves (P-VCG) mechanism.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».