MétaCan
Menu
Retour à la cohorte
Enregistrement W4413872449 · doi:10.5267/j.ijiec.2025.6.011

Sugar beet transportation problem under growers’ equity regulations: Metaheuristic approach

2025· article· en· W4413872449 sur OpenAlexvenueno aff
Dragana Drenovac, Đorđe Stakić, Ana Anokić, Tatjana Davidović, Milorad Vidović

Notice bibliographique

RevueInternational Journal of Industrial Engineering Computations · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimization and Mathematical Programming
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetaheuristicSugar beetEquity (law)SugarBusinessEconomicsChemistryMathematical optimizationMathematicsBiochemistryAgronomyBiology

Résumé

récupéré en direct d'OpenAlex

We consider the optimization problem related to the sugar beet transportation when supplying sugar mills in the sugar production. The sugar beet transportation comprises of loading the beet collected at storage piles and then delivering it to sugar mills. An essential prerequisite to guarantee a viability of the considered sugar mill, is to transport the required quantities of sugar beet while maximizing technological quality and minimizing transportation costs. Some growers may be privileged to conduct collection activities in days of a planning period when sugar beet is fresh and contains larger amount of sucrose, while others do not. This unfair collect scheduling plan should be avoided to provide equal treatment of growers. We propose an Integer Linear Programming (ILP) model with the aim of simultaneously maximizing the amount of collected sucrose during the planning period while minimizing the number of vehicles of a homogenous vehicle fleet, including constraints that provide equal opportunities for growers in sugar beet collection. The problem is denoted by the Sugar Beet Transportation Problem under Growers’ Equity Regulations (SBT-GER). By applying the weighted sum method, the two objective functions are combined to transform the bi-objective problem into a single-objective one. Equity regulations are expressed through the requirement that the minimum percentage of the quantity of sugar beet is guaranteed to be collected from each grower on the day of harvest. For real-sized instances, we propose two metaheuristic algorithms, based on Variable Neighborhood Search (VNS) and Greedy Randomized Adaptive Search Procedure (GRASP), respectively. The developed mathematical model and the proposed metaheuristic approaches are evaluated on a set of randomly generated test instances. The obtained results show that VNS outperforms exact solver and GRASP for the majority of examples.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,036
Tête enseignante GPT0,284
Écart entre enseignants0,248 · 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
GenreEmpirique

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

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Industrial Engineering ComputationsMême sujetOptimization and Mathematical ProgrammingTravaux en français237 207