Applying a Hybrid Gray Wolf‐Enhanced Whale Optimization Algorithm to the Capacitated Vehicle Routing Problem
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
The study presents a novel hybrid gray wolf and whale optimization algorithm (hGWOAM) for the capacitated vehicle routing problem (CVRP). By integrating the enhanced whale optimization algorithm (EWOA) and gray wolf optimizer (GWO) with tournament selection, opposition‐based learning, and mutation techniques, hGWOAM enhances routing efficiency under capacity constraints. Computational evaluations demonstrate its superior performance, achieving lower percentage deviations (%dev) compared to existing algorithms across multiple case studies and real‐world applications. In Case Study 1, hGWOAM achieved a mean percentage deviation (%dev) lower than EWOA (0.89%), GWO (0.74%), SCA (0.59%), DA (1.63%), ALO (2.26%), MHPSO (1.85%), PSO (1.96%), DPGA (2.85%), and SGA (4.14%). In Case Study 2, hGWOAM outperformed EWOA (12.05%), GWO (2.53%), ALO (21.07%), and DA (17.58%). In a real‐world application, it achieved the best %dev, surpassing EWOA (6.64%), GWO (6.34%), ALO (9.01%), and DA (12.24%). These findings highlight hGWOAM’s potential for optimizing logistics, reducing operational costs, and minimizing environmental impact while also paving the way for future advancements in metaheuristic optimization.
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 | 0,001 |
| 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