Fair Stochastic Vehicle Routing with Partial Deliveries
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
This paper explores the fair stochastic vehicle routing problem with partial deliveries (FSVRP-PD), a variant of the traditional vehicle routing problem with uncertain customer demands. Unlike conventional approaches that mandate full customer demand satisfaction, we relax this requirement to accommodate several real-world applications, such as humanitarian logistics and food rescue operations, where total demand often exceeds available resources. Our proposed solution approach promotes fair and equitable distribution of resources across all beneficiaries by requiring that the expected fill rate for each customer meets a predefined threshold. A solution to the FSVRP-PD constitutes a set of routes with a minimal total routing cost, where the expected minimum fill rates are met for every customer. Finding such a solution requires solving two interdependent subproblems: route planning and sequential resource allocation. To this extent, we develop an exact branch-price-and-cut algorithm capable of solving instances with up to 75 customers. Resource allocation follows Rawlsian fairness criteria that maximize the minimum service level across all customers in a route. To enhance the performance of the algorithms, particularly in pricing problems, we propose several problem-specific bounding techniques. Through numerical experiments, we demonstrate that our approach outperforms traditional routing and resource allocation policies by yielding superior cost and service equity outcomes. Funding: This work was funded by the Dutch Research Council (NWO) DAta-dRiven E-Commerce Order FULfillment (DAREFUL) Project [Grant 629.002.211]. Supplemental Material: The online appendix is available at https://doi.org/10.1287/trsc.2024.0556 .
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 | 0,000 | 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