5.2.1. Comparison of Primary Result

5.2.1. Comparison of Primary Results and Evaluation of Routing Plans. Table 2 shows a comparison of the results obtained from all instances. As expected, the total cost in STDVRPTW test, including the number of vehicles out for service and the total schedule times, is a little higher compared with the counterpart instances in TD situation. The relative increase of cost regarding the total schedule time can go up to 13.31% in Scenario 4. Similar tendency is also observed for the total number of vehicles; that is, STD model requires more vehicles to serve all customer nodes, but with the number of customers increasing in large-scale delivery scenarios (Scenarios 3 and 4), the relative percentage of increase becomes smaller. However, if we take the failurenumber of service into consideration, the cost gap may be ignored, which will be explained in the following.
The comparison result regarding the number of customer nodes that fail to be served within time windows in actual execution is quite the contrary. The failure rates of TD model in 4 delivery scenarios always retain larger than 20% and seem to be invariant with the number of customers. However, there exist no delivery failures in the actual delivery executions when using our STDVRP model, as shown in Table 2. Such comparison results can be explained as follows: the expectedtravel times are used in TDVRP test to cope with the fluctua- tions of travel times for a priori route planning. However, the actual travel times in STD networks are generated randomly between the upper and lower bounds of the calibrated travel times during the execution of delivery, so it cannot guarantee the actual travel times satisfying the time-window constraint of next customer node and may lead to the failure of delivery task. In contrast, it can be entirely avoided in the model of STDVRPTW we proposed by considering the worst-case travel times though robust approach.
The good news is that the relative percentage increase of the total cost seems to become smaller with the increasing number of the customers, while the failure rate in TD model always retains a high 20% level. Since the fail-serviced customer nodes in real life generally need to be served again afterwards, with the network scale expanding, more extra vehicles and operational costs would be paid on the basis of first round service. Thus, it indicates that for large-scale network delivery task, the improvement of service level can be very significant by use of our STDVRP model at no more expense of increases in cost and environmental impacts.
5.2.2. Comparison of CPU Time. From the statistics in Table 2, we can find that the STDVRPTW in 4 scenarios requires more or less the same computational time as the counterparts in TDVRP, and both of them can be solved efficiently in large-scale delivery scenario by NNC algorithm (137.88 s in 150 customers situations by use of STD model). It implies that the VRPTW in STD networks can be solved as efficiently as TDVRPTW by the NNC algorithm and may have a good potential of applicati

ผลลัพธ์ (ไทย) 1:

5.2.1 การเปรียบเทียบผลลัพธ์หลักและประเมินแผนเส้นทาง ตารางที่ 2 แสดงการเปรียบเทียบผลได้รับจากอินสแตนซ์ทั้งหมด ตามที่คาดไว้ ต้นทุนในการทดสอบ STDVRPTW รวมทั้งจำนวนยานพาหนะสำหรับการรวมตารางเวลา และบริการรวมเป็นสูงขึ้นเล็กน้อยเมื่อเทียบกับกรณีกันในสถานการณ์ TD เพิ่มต้นทุนเกี่ยวกับเวลากำหนดการรวมญาติสามารถไปถึง 13.31% ใน 4 สถานการณ์ นอกจากนี้ยังมีสังเกตแนวโน้มคล้ายกันสำหรับจำนวนของยานพาหนะ นั่นคือ รุ่นมาตรฐานจำเป็นต้องใช้ยานพาหนะเพิ่มมากขึ้นเพื่อให้บริการลูกค้าทั้งหมดโหน แต่ ด้วยจำนวนของลูกค้า เพิ่มในกรณีจัดส่งขนาดใหญ่ (สถานการณ์ที่ 3 และ 4), เปอร์เซ็นต์สัมพัทธ์เพิ่มขึ้นกลายเป็นขนาดเล็ก อย่างไรก็ตาม ถ้าเราพิจารณา failurenumber บริการ ช่องว่างของต้นทุนอาจถูกละเว้น ซึ่งจะอธิบายในต่อไปนี้The comparison result regarding the number of customer nodes that fail to be served within time windows in actual execution is quite the contrary. The failure rates of TD model in 4 delivery scenarios always retain larger than 20% and seem to be invariant with the number of customers. However, there exist no delivery failures in the actual delivery executions when using our STDVRP model, as shown in Table 2. Such comparison results can be explained as follows: the expectedtravel times are used in TDVRP test to cope with the fluctua- tions of travel times for a priori route planning. However, the actual travel times in STD networks are generated randomly between the upper and lower bounds of the calibrated travel times during the execution of delivery, so it cannot guarantee the actual travel times satisfying the time-window constraint of next customer node and may lead to the failure of delivery task. In contrast, it can be entirely avoided in the model of STDVRPTW we proposed by considering the worst-case travel times though robust approach.ข่าวดีคือ ว่า เปอร์เซ็นต์สัมพัทธ์เพิ่มของต้นทุนรวมน่าจะ เป็นขนาดเล็ก มีจำนวนเพิ่มมากขึ้นของลูกค้า ในขณะที่อัตราความล้มเหลวในรุ่น TD เสมอยังคงระดับ 20% เนื่องจากโหนลูกค้าบริการล้มเหลวในชีวิตจริงโดยทั่วไปเป็นการให้บริการอีกครั้งหลังจากนั้น ด้วยเครือข่ายมาตราส่วนขยาย ยานพาหนะที่เพิ่มขึ้นและต้นทุนในการดำเนินงานจะมีชำระโดยใช้บริการรอบแรก ดังนั้น มันบ่งชี้ว่า สำหรับเครือข่ายขนาดใหญ่ส่งงาน ปรับปรุงระดับบริการสามารถมากอย่างมีนัยสำคัญ โดยใช้โมเดล STDVRP ของเราที่ไม่มีค่าใช้จ่ายเพิ่มเติมเพิ่มในต้นทุนและผลกระทบสิ่งแวดล้อม5.2.2 การเปรียบเทียบเวลาของ CPU จากสถิติในตารางที่ 2 เราสามารถพบที่ STDVRPTW ในสถานการณ์สมมติ 4 น้อยต้องคำนวณกันเป็นคู่ใน TDVRP และทั้งสองอย่างสามารถแก้ไขได้อย่างมีประสิทธิภาพในสถานการณ์ขนาดใหญ่จัด โดยอัลกอริทึม NNC (137.88 ในสถานการณ์ลูกค้า 150 โดยใช้รูปแบบมาตรฐาน) หมายความว่า สามารถแก้ไขได้เป็นอย่างมีประสิทธิภาพเป็น TDVRPTW โดยอัลกอริทึม NNC VRPTW ในเครือข่ายมาตรฐาน และอาจมีศักยภาพที่ดีของ applicati

ผลลัพธ์ (ไทย) 2:

5.2.1 การเปรียบเทียบผลการประถมศึกษาและประเมินผลแผนเส้นทาง ตารางที่ 2 แสดงการเปรียบเทียบผลที่ได้รับจากกรณีทั้งหมด เป็นที่คาดหวังค่าใช้จ่ายทั้งหมดในการทดสอบ STDVRPTW รวมทั้งจำนวนของยานพาหนะออกสำหรับการให้บริการและเวลากำหนดการทั้งหมดเป็นเพียงเล็กน้อยเมื่อเทียบกับที่สูงขึ้นกับกรณีคู่อยู่ในสถานการณ์ TD การเพิ่มขึ้นของค่าใช้จ่ายญาติเกี่ยวกับตารางเวลารวมสามารถไปได้ถึง 13.31% ในสถานการณ์ที่คล้ายกัน 4. แนวโน้มยังเป็นที่สังเกตสำหรับจำนวนของยานพาหนะ ว่ามีรูปแบบ STD ต้องใช้ยานพาหนะอื่น ๆ อีกมากมายที่จะให้บริการลูกค้าทุกโหนด แต่มีจำนวนลูกค้าที่เพิ่มขึ้นในสถานการณ์การจัดส่งขนาดใหญ่ (3 สถานการณ์และ 4) ร้อยละเมื่อเทียบจากการเพิ่มขึ้นจะมีขนาดเล็ก แต่ถ้าเราใช้เวลา failurenumber ของการบริการที่คำนึงถึงช่องว่างค่าใช้จ่ายอาจจะละเลยที่จะอธิบายต่อไปนี้.
ผลการเปรียบเทียบเกี่ยวกับจำนวนของโหนดลูกค้าที่ไม่สามารถให้บริการได้ภายในหน้าต่างเวลาในการดำเนินการที่เกิดขึ้นจริงค่อนข้าง ตรงกันข้าม อัตราความล้มเหลวของรูปแบบ TD 4 ​​สถานการณ์การจัดส่งมักจะยังคงมีขนาดใหญ่กว่า 20% และดูเหมือนจะมีจำนวนคงที่ของลูกค้า แต่มีอยู่ไม่มีความล้มเหลวในการส่งมอบในการส่งมอบการประหารชีวิตที่เกิดขึ้นจริงเมื่อใช้รูปแบบของเรา STDVRP ดังแสดงในตารางที่ 2 ผลการเปรียบเทียบดังกล่าวสามารถอธิบายได้ดังนี้ครั้ง expectedtravel ถูกนำมาใช้ในการทดสอบ TDVRP ที่จะรับมือกับข้อถ้าเกิดจากการเดินทาง ครั้งสำหรับการวางแผนเส้นทางเบื้องต้น อย่างไรก็ตามการเดินทางครั้งที่เกิดขึ้นจริงในเครือข่าย STD มีการสุ่มจับระหว่างขอบเขตบนและล่างของการเดินทางครั้งการสอบเทียบในระหว่างการดำเนินการส่งมอบจึงไม่สามารถรับประกันเวลาการเดินทางที่แท้จริงพอใจ จำกัด หน้าต่างเวลาของโหนดลูกค้าต่อไปและอาจนำไปสู่ ความล้มเหลวของการส่งมอบงาน ในทางตรงกันข้ามก็สามารถหลีกเลี่ยงได้ทั้งหมดในรูปแบบของ STDVRPTW เราเสนอโดยพิจารณาเลวร้ายที่สุดกรณีการเดินทางครั้งแม้ว่าวิธีการที่แข็งแกร่ง.
ข่าวดีก็คือว่าการเพิ่มขึ้นร้อยละญาติของค่าใช้จ่ายทั้งหมดดูเหมือนว่าจะกลายเป็นขนาดเล็กที่มีจำนวนที่เพิ่มขึ้นของ ลูกค้าในขณะที่อัตราความล้มเหลวในรูปแบบ TD เสมอยังคงมีระดับสูง 20% ตั้งแต่โหนดลูกค้าในชีวิตจริงล้มเหลวบริการโดยทั่วไปจะต้องมีการทำหน้าที่อีกครั้งหลังจากที่มีการขยายขนาดเครือข่ายยานพาหนะพิเศษที่มากขึ้นและต้นทุนการดำเนินงานจะต้องจ่ายบนพื้นฐานของการให้บริการรอบแรก ดังนั้นจึงแสดงให้เห็นว่าสำหรับเครือข่ายขนาดใหญ่ที่ส่งมอบงานปรับปรุงระดับการให้บริการได้อย่างมีนัยสำคัญโดยใช้แบบจำลอง STDVRP ของเราที่ไม่มีค่าใช้จ่ายมากขึ้นจากการเพิ่มขึ้นของค่าใช้จ่ายและผลกระทบต่อสิ่งแวดล้อม.
5.2.2 เปรียบเทียบเวลา CPU จากสถิติในตารางที่ 2 ที่เราจะพบว่า STDVRPTW ใน 4 สถานการณ์จำเป็นต้องใช้มากหรือน้อยในเวลาการคำนวณเช่นเดียวกับคู่ใน TDVRP และทั้งสองของพวกเขาสามารถได้รับการแก้ไขอย่างมีประสิทธิภาพในสถานการณ์การจัดส่งขนาดใหญ่โดยวิธี NNC (137.88 s สถานการณ์ใน 150 ลูกค้าโดยการใช้แบบจำลอง STD) มันหมายความว่า VRPTW ในเครือข่าย STD สามารถแก้ไขได้อย่างมีประสิทธิภาพเป็น TDVRPTW โดยขั้นตอนวิธี NNC และอาจจะมีศักยภาพที่ดีของ applicati

ผลลัพธ์ (ไทย) 3:

5.2.1 . การเปรียบเทียบผลการประเมินเส้นทางหลักและแผน ตารางที่ 2 แสดงการเปรียบเทียบผลที่ได้จากทุกกรณี อย่างที่คาดไว้ ต้นทุนในการทดสอบ stdvrptw รวมถึงจำนวนของยานพาหนะสำหรับบริการและเวลาตารางเวลารวม สูงขึ้นเล็กน้อยเมื่อเทียบกับคู่กรณีในสถานการณ์ tdญาติเพิ่มต้นทุนด้านเวลา ตารางทั้งหมดสามารถไปถึง 13.31 % ในสถานการณ์ 4 . แนวโน้มที่คล้ายกันยังพบจำนวนยานพาหนะ นั่นคือ รุ่น STD ต้องการยานพาหนะเพิ่มเติมเพื่อใช้โหนทั้งหมดของลูกค้า แต่ด้วยจำนวนลูกค้าที่เพิ่มขึ้นในสถานการณ์การจัดส่งสินค้าขนาดใหญ่ ( โครงการ 3 และ 4 ) , ร้อยละของญาติเพิ่มจะเล็กลง อย่างไรก็ตามถ้าเราใช้ failurenumber บริการพิจารณาช่องว่างค่าใช้จ่ายอาจจะไม่สนใจ ซึ่งจะอธิบายในต่อไปนี้ .
เปรียบเทียบผลต่อจำนวนลูกค้าโหนดล้มเหลวที่จะได้รับภายใน Windows เวลาในการทำงานจริงค่อนข้างตรงกันข้ามความล้มเหลวอัตรารุ่น TD 4 ส่งสถานการณ์ก็ยังคงมีขนาดใหญ่กว่า 20 % และดูเหมือนจะไม่เปลี่ยนแปลง ด้วยหมายเลขของลูกค้า อย่างไรก็ตาม มีการล้มเหลวในการส่งมอบจริงเมื่อใช้รูปแบบ stdvrp ของเรา ดังแสดงในตารางที่ 2 เปรียบเทียบดังกล่าวสามารถอธิบายได้ดังนี้การ expectedtravel ครั้งใช้ใน tdvrp ทดสอบเพื่อรับมือกับการใช้งานของ fluctua - เวลาเดินทางสำหรับเส้นทางระหว่างการวางแผน อย่างไรก็ตาม , จริงเดินทางครั้งในเครือข่าย STD จะถูกสร้างขึ้นแบบสุ่มระหว่างขอบเขตบนและล่างของขนาดเดินทางครั้ง ในการส่งดังนั้นจึงไม่สามารถรับประกันจริงเดินทางครั้งพอใจเวลาหน้าต่างข้อจำกัดของโหนดลูกค้าต่อไปและอาจนำไปสู่ความล้มเหลวของงานจัดส่ง ในทางตรงกันข้ามมันสามารถทั้งหมดหลีกเลี่ยงในรูปแบบของ stdvrptw เราเสนอโดยพิจารณาความคืบหน้าการเดินทางครั้งแม้ว่าวิธีการที่แข็งแกร่ง
ข่าวดีก็คือว่าญาติเพิ่มขึ้นร้อยละของค่าใช้จ่ายทั้งหมดดูเหมือนจะเล็กลง ด้วยการเพิ่มจำนวนของลูกค้าในขณะที่อัตราความล้มเหลวในรูปแบบ TD เสมอยังคงสูง 20% ) ตั้งแต่บริการโหนดล้มเหลวลูกค้าในชีวิตจริงโดยทั่วไปต้องเสิร์ฟอีกหลังจากนั้น กับเครือข่าย มาตราส่วนขยายยานพาหนะเพิ่มมากขึ้น และต้นทุนที่ต้องจ่ายบนพื้นฐานของบริการรอบแรก ดังนั้น มันแสดงให้เห็นว่าสำหรับงานจัดส่งเครือข่ายขนาดใหญ่ , การปรับปรุงระดับการให้บริการเป็นสำคัญ โดยการใช้แบบจำลอง stdvrp ของเราที่ไม่มี ค่าใช้จ่ายเพิ่มขึ้นของต้นทุนและผลกระทบต่อสิ่งแวดล้อม .
5.2.2 . การเปรียบเทียบเวลาซีพียู จากสถิติในตารางที่ 2