A Joint Learning and Optimization Approach for the Two-Stage Stochastic Service Network Design Problem
Dit artikel stelt een door neurale netwerken aangevuld optimalisatiekader voor het computationeel onhandelbare tweestaps Stochastic Service Network Design-probleem voor, waarbij wordt aangetoond dat een nieuwe perturbatiegebaseerde datageneratiestrategie het model in staat stelt een oplossingskwaliteit te bereiken die vergelijkbaar is met Sample Average Approximation, terwijl het een verbeterde schaalbaarheid biedt voor vrachtconsolidatievervoerders.