A Joint Learning and Optimization Approach for the Two-Stage Stochastic Service Network Design Problem
Questo articolo propone un framework di ottimizzazione aumentato da reti neurali per il problema computazionalmente intrattabile della progettazione di reti di servizio stocastico a due stadi, dimostrando che una nuova strategia di generazione dati basata sulla perturbazione consente al modello di raggiungere una qualità della soluzione paragonabile alla Sample Average Approximation, offrendo al contempo una migliore scalabilità per i vettori di consolidamento merci.