Notice bibliographique
Résumé
One of the major actions to reduce the Greenhouse Gas (GHG) emissions that are the leading cause of the global warming problem, is the development of Electric Vehicles (EVs). Thus, the application of EVs in the routing problem for delivery in short-haul distances is investigated in this dissertation. A routing problem involving EVs is defined on a set of vertices, including a start depot, a set of customers, charging stations, and an end depot. Starting from the depot, one of the main goals of this problem is to minimize transportation costs by visiting all the customers before arriving at the end depot. In Chapter 2, a routing problem with a mixed fleet of vehicles and different charging technologies (including Level 1, 2, 3 chargers, and battery swapping) is considered. A Mixedinteger Linear Programming model is then developed and solved by exact, and metaheuristic solution approaches. The results illustrate that EVs are more likely to be used than Conventional Vehicles (CVs) in the last-mile delivery problems. Also, Level 3 chargers may be the first choice for end-route charging in these problems. In Chapter 3, reducing the total GHG emissions for CVs is thesecond objectiveinaddition to minimizingthetransportationcosts.Tosolvethis bi-objective model, three multi-objective solution methods (i.e., weighted-sum, Œµ-constraint, and hybrid methods) are integrated with the Adaptive Large Neighborhood Search. The effects of the service area, the density of the stations, and charging power on the routing problem are investigated in the third chapter. The trade-off analysis reveals that by marginally increasing transportation costs, GHG emissions can be reduced considerably. Finally, in Chapter 4, a new robust model for the Electric Vehicle Routing Problem (EVRP) is introduced to handle the energy consumption uncertainty of EVs. Moreover, the on-time delivery factor that results in customers’ satisfaction is addressed by minimizing the delay and the earliness during distribution. The effects of uncertainty levels for energy consumption on the routing problem are analyzed by performing a Monte Carlo simulation. The trade-off analysis indicates that the on-time delivery can be improved by 11% by increasing 2.5% of the costs.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».