An innovative framework integrating MILP and a parallel optimal algorithm for UAV-Enabled last-Mile delivery
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
Urban last-mile delivery faces scalability, cost, and environmental challenges due to truck-based systems’ congestion and emissions. This study proposes a Customer-Centric UAV Last-Mile Delivery (CULMD) framework, eliminating truck dependency by optimising UAV routing, charging infrastructure, and sequencing for sustainable urban logistics. We introduce the Parallel Optimal Algorithm with MILP (POAM), a novel approach that decomposes the problem into two sub-problems: parallelised exact combinatorial optimisation for tour and parcel allocation, and MILP-based routing. POAM leverages multi-core CPU parallelisation to solve tour allocation across multiple regions and delivery windows concurrently, ensuring global optimality while reducing runtime by 21.5% compared to the Two-Stage Model (TSM) and 16-fold compared to the Integrated Model (IM). It outperforms metaheuristics like the Artificial Lemming Algorithm (ALA) and Hybrid Genetic Algorithm with Type-Aware Chromosomes (HGATAC+) by 12% and 11% in objective value, respectively. Sensitivity analyses show a 20% increase in regions cuts runtime by 68%, and a 20% increase in UAV load capacity reduces it by 22%. The CULMD framework, powered by POAM, advances sustainable logistics by minimising costs and environmental impacts, offering scalable solutions for urban delivery systems.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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