Branch-Price-and-Cut for the Electric Vehicle Routing Problem with Heterogeneous Recharging Technologies and Nonlinear Recharging 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
As electric vehicles become increasingly prevalent, effective planning of their use becomes paramount. The electric vehicle routing problem, characterized by limited driving range and the need for recharging, poses unique challenges compared with traditional vehicle routing problems. This paper proposes a branch-price-and-cut solution method tailored for the electric vehicle routing problem with time windows, heterogeneous recharging technologies, and nonlinear charging functions (E-VRPTW-NL). The methodology differs from previous methods proposed in the literature by handling nonlinear recharging functions in the pricing problem. The pricing problem is solved by a bidirectional labeling algorithm that efficiently handles the complex interdependency between time and state of charge during recharge scheduling. The proposed solution method is tested on both benchmark instances from the literature as well as new instances. Tests show that the solution method is competitive with well-known solution methods from the literature on simpler variants of the problem. The computational results also indicate that the proposed method can solve new E-VRPTW-NL instances with up to 100 customers and 21 recharge locations within one hour. Further analysis explores how simplifying the modeling of the recharging process affects solution feasibility and cost. The results show that keeping the heterogeneity of the recharging functions is crucial, whereas simplifying the shape of each recharging function has limited impact. Supplemental Material: The online appendix is available at https://doi.org/10.1287/trsc.2024.0725 .
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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