A two-step large neighborhood search for a collaborative two-tier city logistics system
Notice bibliographique
Résumé
The rapid transport of freight is an essential feature of modern societies and an enabling factor for economic trade and growth. Nevertheless, the negative impact of freight transportation in urban areas poses challenges for Logistics Service Providers (LSPs) as well as for municipalities. In this context, a centrally coordinated Two-Tier City Logistics System (2T-CLS), in which LSPs voluntarily agree to collaborate with each other, has the potential to reduce both economic and environmental impact costs. In order to plan such a system, it is important not only to make efficient use of the resources provided but also to have a mechanism that allocates the costs incurred to the individual LSPs. We introduce a mixed-integer linear program (MILP) formulation for the tactical planning of a 2T-CLS involving multiple LSPs that share their resources and customer demands. This MILP comprises a service network design formulation on the first tier and a vehicle routing problem formulation on the second tier, which are connected with each other. To address larger instances, we introduce an Integrative Two-Step Large Neighborhood Search with adaptive components that integrates first and second-tier decisions. In order not only to minimize the costs incurred but also to distribute them fairly, we investigate different problem-specific proportional methods, as well as more advanced game theoretical methods. Numerical experiments show that collaboration leads to average cost savings of 26.91%, which primarily stems from first-tier collaboration.
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 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 | 0,005 | 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».