A Joint Learning and Optimization Approach for the Two-Stage Stochastic Service Network Design Problem
Este artículo propone un marco de optimización aumentado por redes neuronales para el problema del diseño de redes de servicio estocástico de dos etapas, computacionalmente intratable, demostrando que una novedosa estrategia de generación de datos basada en perturbaciones permite que el modelo logre una calidad de solución comparable a la Aproximación de Promedio de Muestras, ofreciendo al mismo tiempo una escalabilidad mejorada para los transportistas de consolidación de carga.