Two metaheuristic algorithms for the technician routing and scheduling problem with time windows and balanced workloads
Notice bibliographique
Résumé
Purpose This paper aims to address the technician routing and scheduling problem (TRSP), a daily operational challenge faced by telecommunication service providers. The study is motivated by a real-world application in Saskatchewan, Canada, and aims to develop an effective and scalable model for technician assignment and routing under practical constraints. The design of the problem is unique because of the vast working areas in Saskatchewan. Design/methodology/approach A mixed-integer programming model is formulated to model the TRSP, capturing realistic constraints such as soft time windows, variable working hours, lunch breaks (LBs) and overnight shifts. Because of the NP-hard nature of the problem, the authors propose two metaheuristic algorithms – simulated annealing (SA) and genetic algorithm (GA) – to solve large-scale instances. Computational experiments are conducted using real data, and the metaheuristics’ performance is benchmarked against a commercial exact solver. Findings Results indicate that both SA and GA produce high-quality solutions within significantly reduced computation times compared to the exact solver. The GA consistently outperforms SA in terms of optimality gaps and solution robustness. The findings highlight the practical viability of using metaheuristics in large-scale technician scheduling problems. Practical implications The proposed approach offers telecom service providers a flexible and scalable solution for managing technician assignments efficiently while accommodating operational constraints. The metaheuristic algorithms can be integrated into decision-support systems to improve customer service and reduce scheduling inefficiencies. Originality/value This research makes two main contributions. From a modeling perspective, it incorporates various available technician working hours as well as LBs into the overnight TRSPTW model. From a solution methodology perspective, it develops two metaheuristic algorithms – an SA and a GA – to solve the overnight TRSPTW with the LB model. The effectiveness of these two metaheuristics is analyzed via computational experiments using real-world scenarios.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».