MétaCan
Menu
Retour à la cohorte
Enregistrement W4406226854 · doi:10.1016/j.trpro.2024.12.115

Mixed integer linear programming model for a multi-depot arc routing problem with different arc types and flexible assignment of end depot

2025· article· en· W4406226854 sur OpenAlexafffund
Ameni Kraiem, Jean‐François Audy, Amina Lamghari

Notice bibliographique

RevueTransportation research procedia · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Routing Optimization Methods
Établissements canadiensGroup for Research in Decision AnalysisUniversité du Québec à Trois-Rivières
Organismes subventionnairesMitacs
Mots-clésDepotInteger programmingArc (geometry)Arc routingMathematical optimizationLinear programmingRouting (electronic design automation)Integer (computer science)Computer scienceMathematicsComputer networkGeography

Résumé

récupéré en direct d'OpenAlex

This article addresses a street sweeping problem that extends the class of multi-depot arc routing problem by integrating a flexible assignment of end depot for each working shift. A unique team of specialized vehicles starts each shift from a depot, visits the required arcs and returns at the end of each shift to a depot. The service in the next shift should start from the end depot of the previous one. An additional new constraint imposes that the highway arcs must be serviced during a night shift while all others arcs (boulevard, street, etc.) can be swept during both day and night. The aim of this arc routing problem is to find optimal shifts that satisfy these two practical aspects, along with other constraints such as maximum shift duration. The problem is motivated by a real-world application that has not been previously studied in the literature. A mixed integer linear programming model is formulated with the objective of minimizing the total travel time and tested on newly generated instances based on Cordeau's multi-depot vehicle routing problem instances. The results show a generation of total travel time savings up to 12 % compared to the single depot arc routing problem.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,096
Tête enseignante GPT0,366
Écart entre enseignants0,270 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation research procediaMême sujetVehicle Routing Optimization MethodsTravaux en français237 207