The models for uncoordinated servic

The models for uncoordinated service and coordination with a common headway are formulated as
nonlinear programming problems (NLP). Since constraints in the proposed models are not convex
functions, standard heuristic algorithms for solving these NLPs can guarantee convergence only to a local
minimum. The model of integer-ratio coordination including both integer and linear variables (i.e. integer
ratio multipliers) with nonlinear cargo time values is known as a mixed-integer nonlinear program
(MINLP). The optimization of such models is typically difficult due to their combinatorial nature and
potential existence of multiple local minima.



Many previous studies apply genetic algorithms (GAs) to solve scheduling and schedule coordination
problems. Shrivastava et al. (2002) formulate scheduling and schedule coordination problems as
conflicting objectives with user's costs and operator's costs. Torabi et al. (2006) investigate the delivery
schedule that would minimize the average of holding, setup, and transportation costs per unit time for the
supply chain. Cao (2008) presents a vehicle routing problem with time windows constraints and
simultaneous delivery and pick-up operations. A hybrid optimization algorithm is proposed based on the
combination of differential evolution techniques and GAs.

ผลลัพธ์ (ไทย) 1:

รูปแบบด้วยบริการและประสานงานกับเจริญทั่วไปมีสูตรเป็น ไม่เชิงเส้นโปรแกรมปัญหา (NLP) เนื่องจากข้อจำกัดในรูปแบบนำเสนอไม่นูน ฟังก์ชัน อัลกอริทึมแล้วมาตรฐานสำหรับแก้ NLPs เหล่านี้สามารถรับประกันได้บรรจบกันเฉพาะในท้องถิ่น ต่ำสุด รูปแบบของการประสานงานอัตราส่วนจำนวนเต็มได้แก่จำนวนเต็มและตัวแปรเชิงเส้น (เช่นจำนวนเต็ม อัตราส่วน multipliers) กับสินค้าที่ไม่เชิงเส้น เวลาค่าเรียกว่าเป็นโปรแกรมไม่เชิงเส้นจำนวนเต็มผสม (MINLP) การเพิ่มประสิทธิภาพของรูปแบบดังกล่าวเป็นเรื่องยากโดยทั่วไปเนื่องจากธรรมชาติของปัญหา และ มีอยู่ที่ศักยภาพของกมินิมาท้องถิ่นหลายหลายการศึกษาก่อนหน้านี้ใช้อัลกอริทึมทางพันธุกรรม (แก๊ส) เพื่อแก้ปัญหาการวางแผน และประสานงานการจัดกำหนดการ ปัญหา Shrivastava et al. (2002) กำหนดวางแผน และจัดกำหนดการประสานงานปัญหาเป็น วัตถุประสงค์ที่ขัดแย้งกับต้นทุนของผู้ใช้และต้นทุนของผู้ประกอบการ Torabi et al. (2006) ตรวจสอบการจัดส่ง กำหนดการที่จะลดค่าเฉลี่ยของต้นทุนถือ ตั้งค่า และขนส่งต่อหน่วยเวลาสำหรับ การ ห่วงโซ่อุปทาน เกา (2008) นำเสนอปัญหาสายรถ มีข้อจำกัดเวลา windows และ ส่งและรับดำเนินการ การผสมปรับอัลกอริทึมจะนำเสนอตาม ชุดของเทคนิควิวัฒนาการที่แตกต่างและก๊าซ

ผลลัพธ์ (ไทย) 3:

รุ่นสำหรับ uncoordinated บริการและประสานงานกับความเจริญก้าวหน้าร่วมกันเป็นยุทธศาสตร์ที่
ไม่เชิงเส้นปัญหาการเขียนโปรแกรม ( NLP ) เนื่องจากข้อจำกัดในการนำเสนอรูปแบบเป็นฟังก์ชันนูน
, ขั้นตอนวิธีฮิวริสติกมาตรฐานการ nlps เหล่านี้สามารถรับประกันการบรรจบกันแต่อย่างน้อยประเทศ

รูปแบบของการประสานงาน รวมถึงตัวแปรอัตราส่วนจำนวนเต็มทั้งจำนวนเต็มและเชิงเส้น ( เช่นจำนวนเต็ม
อัตราส่วนตัวคูณ ) กับค่าสินค้าค่าเวลาที่เป็นที่รู้จักกันเป็นโปรแกรมเชิงจำนวนเต็ม
( แบบผสม ) การเพิ่มประสิทธิภาพของแบบจำลองดังกล่าวมักจะยากเนื่องจากธรรมชาติของการมีชีวิตอยู่และศักยภาพของท้องถิ่นหลาย ไม่นี่ ม๊า




หลายการศึกษาก่อนหน้านี้ใช้ขั้นตอนวิธีเชิงพันธุกรรม ( แก๊ส ) เพื่อแก้ปัญหาการตั้งเวลาและการประสานงาน
ตาราง shrivastava et al .( 2545 ) สร้างตาราง และปัญหาการประสานงานตามตาราง
วัตถุประสงค์ขัดแย้งกับค่าใช้จ่ายของผู้ใช้และผู้ประกอบการของต้นทุน torabi et al . ( 2006 ) ตรวจสอบการจัดส่ง
ตารางเวลาที่จะลดเฉลี่ยถือ , การติดตั้ง , และต้นทุนการขนส่งต่อหน่วยเวลาสำหรับ
ห่วงโซ่อุปทาน โจโฉ ( 2008 ) ได้เสนอปัญหาการจัดเส้นทางยานพาหนะ ด้วยเวลาที่จำกัดและ
หน้าต่างจัดส่งพร้อมกันและการรับ ขั้นตอนวิธีการเพิ่มประสิทธิภาพไฮบริดเสนอขึ้นอยู่กับการรวมกันของเทคนิค Differential Evolution
และก๊าซ