Optimal drone deployment for cost‐effective and sustainable last‐mile delivery operations
Notice bibliographique
Résumé
Abstract Delivery by drones holds significant potential to solve issues (such as high costs, access to remote areas, etc.) faced in last‐mile delivery operations, particularly in the e‐commerce industry. Still, it involves complex issues such as multi‐trip operations, energy estimation, and battery recharge planning. A sound drone delivery problem entails an optimal drone deployment plan with routing details at the lowest possible cost. To this end, this study focuses on formulating a delivery problem that involves multi‐trip drone routing, energy optimization, and travel time optimization problems where energy consumption by drones is modeled as a non‐linear function. We develop a mixed integer non‐linear programming model as an integrated optimization model. This model aims to: (a) maximize revenue by meeting demand completely without leaving idle drones, (b) optimize energy use by drones, and (c) minimize the required drone fleet size for an optimal plan. The proposed model is solved using the Gurobi Solver, which employs data supplied by a well‐known e‐commerce firm. We introduce a two‐phase heuristic solution methodology to tackle larger networks’ complexities. This method consists of the clustering phase (K‐means clustering method) and the optimization phase. The robustness of the developed mathematical modeling is demonstrated by testing with varied large problem instances. The evaluation shows that expanding destination options boosts drone demand until saturation, necessitating more drones. Efficient route planning and fleet adjustments are crucial for meeting rising demand and satisfying customers amidst dense clustering. This model helps e‐commerce manage daily last‐mile drone deliveries and anticipate future growth.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».