MétaCan
Menu
Retour à la cohorte
Enregistrement W4417437321 · doi:10.1287/trsc.2024.0556

Fair Stochastic Vehicle Routing with Partial Deliveries

2025· article· en· W4417437321 sur OpenAlexaff
Joris Kinable, Natasja Sluijk, Michel Gendreau, Walter Rei, Tom Van Woensel

Notice bibliographique

RevueTransportation Science · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Routing Optimization Methods
Établissements canadiensUniversité du Québec à MontréalPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésBounding overwatchVehicle routing problemRouting (electronic design automation)Resource allocationResource (disambiguation)InterdependenceService (business)Equity (law)

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,262
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation ScienceMême sujetVehicle Routing Optimization MethodsTravaux en français237 207