A Joint Learning and Optimization Approach for the Two-Stage Stochastic Service Network Design Problem
Dieses Paper schlägt ein durch neuronale Netze erweitertes Optimierungsframework für das rechnerisch unlösbare zweistufige stochastische Service-Netzwerk-Design-Problem vor und zeigt auf, dass eine neuartige, auf Perturbation basierende Datengenerierungsstrategie es dem Modell ermöglicht, eine Lösungsqualität zu erreichen, die mit der Sample Average Approximation vergleichbar ist, während sie gleichzeitig eine verbesserte Skalierbarkeit für Frachtkonsolidierungsunternehmen bietet.