MétaCan
Menu
Retour à la cohorte
Enregistrement W4410890159 · doi:10.5267/j.ijiec.2025.5.002

Two-stage optimization of instant distribution of fresh products based on improved NSGA-III algorithm

2025· article· en· W4410890159 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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueInternational Journal of Industrial Engineering Computations · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Manufacturing and Logistics Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInstantStage (stratigraphy)Mathematical optimizationAlgorithmOptimization algorithmDistribution (mathematics)Computer scienceMathematicsBiologyFood science

Résumé

récupéré en direct d'OpenAlex

As an important part of the fresh produce business format, fresh food instant delivery encounters numerous challenges. Issues like high losses, complex cold chains and time sensitivity lead to increased costs. Additionally, the living space of end-delivery personnel is under pressure and the talent market is saturated. The platform algorithms focus on the interests of themselves and customers while relatively overlooking those of delivery personnel, which affects the overall operation quality, resulting in a significant reduction in delivery efficiency and a remarkable decline in service quality, and further leading to the loss of user stickiness. Therefore, optimizing the fresh food delivery route and considering the interests of multiple parties to improve efficiency and service quality is a crucial research issue in the field of fresh food instant delivery. This paper designs a three-objective static model for fresh food instant delivery aiming at minimizing the total cost, maximizing customer satisfaction and maximizing riders satisfaction. Considering the dynamic changes of orders during the actual operation process and in combination with the dynamics of newly added orders, a multi-objective dynamic model with the goals of minimizing the total cost, minimizing the average customer dissatisfaction and maximizing the income fairness of riders is further established. Based on the constructed models and by incorporating the SPBO strategy, the NSGA-III algorithm is improved and designed to make it more adaptable to the multi-objective optimization requirements in the fresh food instant delivery scenario. This study selects five operational points within a specific region of a fresh food self-operated platform and the order data from a particular day as research cases to obtain the relevant parameters required for the model and conduct case analysis. Based on the platform's business priorities and development needs, appropriate Pareto solutions are selected. Additionally, the feasibility and effectiveness of the improved algorithm are verified through algorithmic comparison. The research aims to provide valuable references and insightful implications for the management decisions of relevant fresh food self-operated platforms, as well as to continuously optimize the management and service of the instant delivery process.

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)0,000
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: aucune
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,588

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,249
Écart entre enseignants0,236 · 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