Consistent home health care routing and scheduling problem under time uncertainty
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
• We tackle consistent home health care routing under travel and service time uncertainty. • Scenario-based and extreme value theory-based (EVT) stochastic models are introduced. • We propose a decomposition algorithm that effectively handles nonlinear constraints in EVT-based model. • We comprehensively demonstrate the value of the stochastic models against the model in the literature. This study addresses the challenge of routing and scheduling care workers for home health care logistics in a stochastic environment, where consistency in service delivery is crucial. The primary research question focuses on determining reliable schedules while ensuring timely care despite the uncertainty of travel and service times (TST). The objective is to maximize the number of new patients care workers can attend to while ensuring feasible and consistent schedules. To tackle this challenge, we propose a chance-constrained optimization modeling framework that ensures a likelihood of on-time arrivals, with arrival time distributions at patients estimated empirically and analytically via a discrete scenario set and an extreme value theory-based (EVT-based) approach, respectively. The EVT-based approximation incorporates nonlinear constraints that link patient visit times with the probability of on-time arrivals. The problem is decomposed into a master problem, which optimizes patient assignments, and subproblems, which generate feasible schedules and routes. To solve this problem, we propose a branch-and-check (B&Ch) algorithm, where the subproblems are solved efficiently via constraint programming. Computational results demonstrate that our solution approach, particularly with the EVT-based approximation, can efficiently handle practical benchmark instances while producing schedules with significantly higher service levels than the deterministic model in the literature.
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 | 0,000 |
| 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