MétaCan
Menu
Retour à la cohorte
Enregistrement W4404202501 · doi:10.1016/j.trc.2024.104892

Online algorithms for the multi-vehicle inventory-routing problem with real-time demands

2024· article· en· W4404202501 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueTransportation Research Part C Emerging Technologies · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Routing Optimization Methods
Établissements canadiensGLS Industries (Canada)Université Laval
Organismes subventionnairesnon disponible
Mots-clésVehicle routing problemComputer scienceRouting algorithmRouting (electronic design automation)Transport engineeringAlgorithmReal-time computingOperations researchEngineeringComputer networkRouting protocol

Résumé

récupéré en direct d'OpenAlex

The increasing availability of sophisticated information and communication technology has stimulated new research within the distribution logistics area in the last few decades. Real-time information is crucial to ensure not only the competitiveness of a company but also its survival in the e-commerce era. Companies try to offer delivery to their customers within a few hours of receiving a request. In addition, real-time information can be exploited in systems that operate under emergencies, where response time is critical. We model and solve a multi-vehicle inventory-routing problem in which new service requests are revealed dynamically over time, in real-time or online. For this problem, we propose a class of online algorithms based on iteratively solving integer programming models. These models are solved through a tailored branch-and-cut method, in which several families of valid inequalities are separated and dynamically introduced in the model or through a matheuristic to speed up the solution process. We carry out a competitive analysis that allows us to prove the competitive ratio of the online algorithms we propose and, therefore, to evaluate their performance with respect to the optimal solution of the offline problem, in the worst case. An extensive computational experience on benchmark instances shows that these algorithms are also effective on average and require short computational time when the matheuristic is applied to solve the integer programming models. Additional tests on large real-world instances indicate that the proposed solution methods achieve performance that remains reasonable for the size of these instances. • We study the multi-vehicle inventory-routing problem with real-time demands. • We propose a class of online algorithms for this problem. • A theoretical competitive analysis provides performance guarantees of the algorithms. • An extensive computational study complements the theoretical analysis. • Empirical performance is better than the theoretical competitive ratios.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,351
Score d'incertitude au seuil0,637

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,378
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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