Adding to the aforementioned discus

Adding to the aforementioned discussions, we see many other opportunities for future research. Overall, Table 2 shows that little work has been carried out on integrating asset management in SND problems , while in multimodal transportation, especially in containerized shipment, more than one type of loading units are involved, and repositioning their empties is costly. Furthermore, these assets require simultaneous allocation planning.
As an example, creew scheduling is usually studied independently, but it also depends on the service schedules, and embedding it in SND problems is expected to provide higher performance efficiency. In recent literature, zhu et al. (2011) extend the conventional SND and include car classification and blocking, and train make-up in a railway system. Their space-time modeling includes three layers for service, block, and car. They design a hybrid metaheuristic algorithm combining slope scaling, long-term memory-base perturbation strategies, and ellipsoidal search method, which can solve problems with up to 10 yards, 60 tracks and 3050 services, In solving small sized instances, in case their model cannot find the optimal solution in 10 hours, it reaches an optimality gap of 0.13%
Moreover, in solving bigger sizes, it outperforms a commercial solving both in time and solution quality.

ผลลัพธ์ (ไทย) 1:

การเพิ่มการอภิปรายดังกล่าวข้างต้นเราจะเห็นโอกาสอื่น ๆ อีกมากมายสำหรับการวิจัยในอนาคต รวมตารางที่ 2 แสดงให้เห็นว่าการทำงานน้อยได้รับการดำเนินการในการบูรณาการการจัดการสินทรัพย์ใน SND ปัญหาในขณะที่การขนส่งต่อเนื่องหลายรูปโดยเฉพาะอย่างยิ่งในการจัดส่ง containerized, มากกว่าหนึ่งประเภทของหน่วยงานที่เกี่ยวข้องกับการโหลดและการจัดตำแหน่งรถเปล่าของพวกเขาเป็นค่าใช้จ่าย ยิ่งไปกว่านั้นสินทรัพย์เหล่านี้จำเป็นต้องมีการวางแผนการจัดสรรพร้อมกัน.
เป็นตัวอย่างการตั้งเวลา creew มักจะมีการศึกษาอย่างเป็นอิสระ แต่ก็ยังขึ้นอยู่กับตารางเวลาการบริการและการฝังไว้ในปัญหา SND คาดว่าจะให้ประสิทธิภาพการทำงานที่สูงขึ้น ในวรรณคดีล่าสุด zhu ตอัล (2011) ขยาย SND ทั่วไปและรวมถึงการจัดหมวดหมู่รถและปิดกั้นและรถไฟแต่งหน้าในระบบรถไฟ การสร้างแบบจำลองพื้นที่เวลาของพวกเขารวมถึงสามชั้นสำหรับการให้บริการบล็อกและรถ ขั้นตอนวิธีการที่พวกเขาออกแบบ metaheuristic ไฮบริดรวมปรับลาดกลยุทธ์ในระยะยาวรบกวนหน่วยความจำฐานและวิธีการค้นหารูปวงรีซึ่งสามารถแก้ปัญหาที่มีถึง 10 เมตร, 60 แทร็คและ 3050 บริการในการแก้กรณีที่มีขนาดเล็กในกรณีที่รูปแบบของพวกเขาไม่สามารถหาทางออกที่ดีที่สุดใน 10 ชั่วโมงก็ถึงช่องว่าง optimality 0.13%
นอกจากนี้ในการแก้ขนาดใหญ่ก็จะมีประสิทธิภาพดีกว่าการแก้ปัญหาในเชิงพาณิชย์ทั้งในเวลาและวิธีการแก้ปัญหาที่มีคุณภาพ

ผลลัพธ์ (ไทย) 2:

เพิ่มการสนทนาดังกล่าว เราเห็นโอกาสอื่น ๆ สำหรับงานวิจัยในอนาคต โดยรวม ตารางที่ 2 แสดงว่า งานน้อยการดำเนินในการรวมการจัดการสินทรัพย์ในปัญหา SND ในขณะที่ขนส่งทุก โดยเฉพาะอย่างยิ่งในการจัดส่งที่ลง เกี่ยวข้องมากกว่าหนึ่งชนิดของโหลดหน่วย และ empties ของพวกเขาให้เป็นค่าใช้จ่าย นอกจากนี้ สินทรัพย์เหล่านี้จำเป็นต้องมีการวางแผนการจัดสรรพร้อมด้วย
เป็นตัวอย่าง creew วางแผนมักจะศึกษาอย่างอิสระ แต่มันยังขึ้นอยู่กับตารางเวลาบริการ และฝัง SND ปัญหาคาดว่าจะมีประสิทธิภาพสูง ในวรรณคดีล่า ซู et al. (2011) ขยาย SND ทั่วไป และประเภทของรถยนต์และบล็อก และฝึกแต่งหน้าในระบบรถไฟ โมเดลของ space-time มีสามชั้นสำหรับ บล็อก และรถยนต์ พวกเขาออกแบบอัลกอริธึม metaheuristic ไฮบริดรวมมาตราส่วนความชัน กลยุทธ์ perturbation ฐานหน่วยความจำระยะยาว และค้นหา ellipsoidal วิธี ซึ่งสามารถแก้ปัญหาถึง 10 หลา เพลง 60 และ 3050 บริการในการแก้ปัญหากรณีขนาดเล็ก ในกรณีของแบบจำลองไม่พบโซลูชันดีที่สุดใน 10 ชั่วโมง จะถึงช่องว่าง optimality การของ 0.13%
Moreover ในการแก้ปัญหาขนาดใหญ่ มัน outperforms พาณิชย์แก้ทั้งในเวลาและแก้ปัญหา

ผลลัพธ์ (ไทย) 3:

การเพิ่มการประชุมดังกล่าวที่เราพบเห็นโอกาสทางการขายอื่นๆเป็นจำนวนมากสำหรับการวิจัยในอนาคต โดยรวมแล้วตารางที่ 2 แสดงให้เห็นว่างานเล็กๆมีการดำเนินการในการประกอบการจัดการสินทรัพย์ในปัญหา‐ SND ในขณะที่อยู่ในจุดยุทธศาสตร์ที่สำคัญโดยเฉพาะในการจัดส่ง containerized มากกว่าหนึ่ง ประเภท ของหน่วยการโหลดและปรับโฉมใหม่มีความเกี่ยวข้องกับ ภาชนะ เปล่าของตนมีค่าใช้จ่ายสูง ยิ่งไปกว่านั้นสินทรัพย์เหล่านี้ต้องมีการวางแผนการจัดสรรเกิดขึ้นพร้อมกัน.
เป็นตัวอย่างการจัดตารางเวลา creew รับการศึกษาได้อย่างเป็นอิสระโดยปกติแล้วแต่ยังขึ้นอยู่กับตารางเวลาให้บริการและฝังตัวในปัญหา‐ SND คาดว่าจะช่วยเพิ่ม ประสิทธิภาพ การทำงานสูงขึ้น เมื่อไม่นานมานี้ในวรรณกรรม Zhu Asian et al . ( 2011 )ขยาย‐ SND ทั่วไปและรวมถึงการแบ่ง ประเภท รถและการปิดกั้นการและรถไฟทำให้ในระบบทางรถไฟที่ การสร้างแบบจำลองพื้นที่ - เวลาของเขารวมถึงสามชั้นสำหรับบริการช่วงตึกและที่จอดรถ การออกแบบที่อัลกอริธึม metaheuristic ไฮบริดที่ผสมผสานการปรับกลยุทธ์หน่วยความจำความลาดชัน - ฐานทำให้กระวนกระวายระยะยาวและวิธีการค้นหา ellipsoidal ซึ่งสามารถแก้ไขปัญหาด้วยการที่มีมากถึง 10 หลา 60 เพลงและบริการ 3050 ในการแก้ปัญหากรณีมีขนาดเล็กในกรณีของไม่สามารถค้นหาโซลูชันที่มีอยู่ใน 10 ชั่วโมงถึงช่องว่างที่กุมของ 0.13%
นอกจากนี้ในการแก้ปัญหามีขนาดใหญ่กว่าและดีกว่าทางการค้าที่การแก้ปัญหาทั้งในด้าน คุณภาพ และโซลูชันเวลา