Vehicle Routing Problem with Synchronization and Scheduling Constraints of support vehicles
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
Many transportation planning processes in real-world applications are complex and require strong cooperationamong various vehicles. When using expensive vehicles, their utilization plays a decisive role in an efficient supply chain. In mining production or civil construction processes, such as mining unloading or road building, the machines are typically mobile, and synchronization between different types of vehicles ensures better use of vehicle fleets, reduces traveled distances, non-productive times, and logistics costs. In this paper, we consider two types of vehicles, called primary and support vehicles. Primary vehicles perform operations and are assisted by at least one support vehicle, with support vehicles scheduled according to a First-Come, First-Served (FCFS) policy. We refer to this practical problem as the vehicle routing problem with synchronization and scheduling constraints of support vehicles. To tackle this problem, we introduce three mixed-integer linear programming models. The first approach involves vehicle routing with synchronization only, breaking each task into several subtasks by duplicating nodes in the graph representation, which produces an equivalent network flow problem. The second model addresses subtasks by adding constraints that determine the assignment of each subtask to a specific primary and support vehicles. The third model incorporates an additional FCFS scheduling constraint for support vehicles. Computational results on 100 real-world instances show that the second model reduces the first model’s computational time by 30%. In contrast, the results of the third model indicate that the FCFS constraint for support vehicles has little impact on solution quality and slightly increases computation time, demonstrating the robustness and practical applicability of the scheduling approach.
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