A hybrid genetic algorithm with variable neighborhood search for batch dispersion problem to improve traceability
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Batch dispersion problem (BDP) restricts batch traceability in large-scale discrete production and negatively impacts batch recall costs. However, previous research has ignored the complexity of the BDP in their analyses. This paper investigates the BDP under the composed bill of materials (BOM) and develops a mathematical model for the BDP with the goal of minimizing the total batch dispersion by utilizing the batch dispersion as a measure of the degree of dispersed usage of part batches. BDP-GAVNS, a hybrid genetic algorithm with variable neighborhood search, is devised for the BDP based on the demonstration that the BDP is an NPC problem. In BDP-GAVNS, memory banks were introduced to increase the diversity of individuals performing crossover operations. Additionally, the encoding method and infeasible solution repair program are designed according to the characteristics of BDP. Numerical experiments validate the viability and effectiveness of BDP-GAVNS in solving BDP. They demonstrate that (1) the optimal combination occurs when the ratio of individuals produced by the three types of population initialization methods, namely global selection (GS), local selection (LS), and random selection (RS), to the population takes values of 0.30, 0.10, and 0.60, respectively; (2) The memory bank enriches the source of individuals required for crossover operations and improves the performance of crossover operations; and (3) The BDP-GAVNS is more effective than the other five heuristic algorithms including genetic algorithms in seeking the optimal solution of BDP.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle