Layered Graph Models for the Electric Vehicle Routing Problem With Nonlinear Charging Functions
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
Abstract Electric vehicle routing problems (EVRPs) involve the routing of a fleet of electric vehicles (EVs) to visit a set of customers while typically minimizing the total travel and charging time. Due to their limited autonomy, EVs may need to recharge their batteries en‐route at charging stations (CSs). Thus, routing decisions also include which CSs to visit, and how much energy to charge during those visits. These decisions are compounded by the fact that charging times follow a nonlinear charging function with respect to the EV's state of charge (SoC). We propose a layered graph representation for the EVRP with nonlinear charging functions (EVRP‐NL). Specifically, the layers correspond to discretized SoC values. Therefore, the arcs' energy consumption is approximated to match those values. We develop two compact formulations based on the layered graph. Furthermore, we introduced two charging policies that facilitate aligning charging duration with practical considerations. Computational results demonstrate the effectiveness of our formulations. Our best formulation effectively handles instances with up to 40 customers. On those instances, compared to the state‐of‐the‐art compact formulation, our formulation solves 13 more instances to optimality with less than half of the computational time. Considering instances solved by both formulations to optimally, the approximation entailed by our formulation yields a 0.94% deviation on average. Since our best performing formulation is compact, it may be readily used by a broad audience. Furthermore, as the majority of algorithms for the EVPR and its variants are heuristics, our formulation could be beneficial in evaluating the performance of these methods.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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