MétaCan
Menu
Retour à la cohorte
Enregistrement W7101418124 · doi:10.1108/jm2-03-2025-0129

Two metaheuristic algorithms for the technician routing and scheduling problem with time windows and balanced workloads

2025· article· en· W7101418124 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueJournal of Modelling in Management · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Routing Optimization Methods
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésMetaheuristicTechnicianJob shop schedulingScheduling (production processes)ScalabilitySimulated annealingVariable neighborhood searchAnt colony optimization algorithmsVehicle routing problem

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,280
Score d'incertitude au seuil0,363

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,262
Écart entre enseignants0,247 · 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