This paper presents a multiobjective ant colony algorithm for the Multi-Depot Vehicle Routing Problem with Backhauls (MDVRPB) where three objectives of traveled distance, traveling times and total consumption of energy are minimized. An ant colony algorithm is proposed to solve the MDVRPB. The solution scheme allows one to find a set of ordered solutions in Pareto fronts by considering the concept of dominance. The effectiveness of the proposed approach is examined by considering a set of instances adapted from the literature. The computational results show high quality results within short computing times.
In this paper, a heuristic algorithm based on Tabu Search Approach for solving the Vehicle Routing Problem with Backhauls (VRPB) is proposed. The problem considers a set of customers divided in two subsets: Linehaul and Backhaul customers. Each Linehaul customer requires the delivery of a given quantity of product from the depot, whereas a given quantity of product must be picked up from each Backhaul customer and transported to the depot. In the proposed algorithm, each route consists of one sub-route in which only the delivery task is done, and one sub-route in which only the collection process is performed. The search process allows obtaining a correct order to visit all the customers on each sub-route. In addition, the proposed algorithm determines the best connections among the sub-routes in order to obtain a global solution with the minimum traveling cost. The efficiency of the algorithm is evaluated on a set of benchmark instances taken from the literature. The results show that the computing times are greatly reduced with a high quality of solutions. Finally, conclusions and suggestions for future works are presented.
Resumen ObjetivoPresentar la forma como la minería de datos es aplicable en la medicina como una técnica de clasificación que se puede utilizar para diagnosticar la existencia o no de enfermedades, con base la exploración sistemática de la información histórica disponible de casos previamente diagnosticados y documentados. MetodologíaSe enmarcan algunos problemas específicos de diagnóstico médico dentro del proceso general de descubrimiento de conocimiento en bases de datos. Se aborda con una introducción a la minería de datos y a la explicación de una de sus técnicas: La de inducción por árbol de decisión como herramienta seleccionada y desarrollada en particular. Se ilustra con dos ejemplos del campo de la medicina para mostrar la aplicabilidad de esta clase de herramientas en el área del diagnóstico médico y se analizan los resultados obtenidos en los casos abordados. ResultadosSe evidencia la efectividad de utilizar el método de aprendizaje por árbol de decisión, para la exploración información multivariada en el apoyo a la toma de decisiones, en el área del diagnóstico de enfermedades. Los árboles de decisión obtenidos son de muy fácil entendimiento y utilización, ya que limita la labor de priorización de las variables críticas que más influyen en la respuesta. ConclusionesSi se dispone de una buena base de datos para soportar este proceso, la metodología de árbol de decisión puede ser una excelente herramienta como apoyo al diagnóstico temprano de enfermedades. La utilización de arboles de decisión para el diagnóstico de enfermedades lleva a la obtención de modelos fácilmente interiorizables ya que automatiza la labor de priorización de variables críticas que más influyen en la respuesta, permitiendo tener excelentes niveles de predicción con árboles poco profundos. Palabras clave: diagnóstico, minería de datos, neoplasias de la mama, enfermedades cardiovasculares (Fuente: DeCS, Bireme) Artículo recibido:Aplicación del aprendizaje automático con árboles de decisión en el diagnóstico médico Abstract Objective To present how data mining is applicable in medicine as a classification technique that can be used to diagnose the presence or absence of disease based on systematic exploration of historical information available from previously diagnosed and documented cases. MethodologyThe aim is to frame some specific problems of medical diagnosis within the overall process of knowledge discovery in databases. It deals with an introduction to data mining and an explanation of one of its techniques: The induction decision trees as a particularly selected and developed tool. Illustrated with two examples from the medical field to show the applicability of such tools in the area of medical diagnosis and the results obtained in both cases are discussed are analyzed ResultsThe effectiveness of using the method of decision tree learning is evidenced, for exploration of multivariate information in supporting the decision making in the area of disease diagnosis. Decision trees obtained are very easy to understand and use, ...
ResumenEn este trabajo se realizó una descripción detallada del algoritmo de Recocido Simulado como metodología de solución a problemas de optimización combinatorial. Este se enfocó especialmente a la solución del problema de secuenciamiento de tareas dentro de una planta de producción con recursos limitados. Se presentan resultados de simulaciones realizadas sobre un problema de la literatura especializada, mostrando la amplia versatilidad, eficiencia, y facilidad de implementación del algoritmo propuesto. Palabras claveSecuenciamiento de tareas, Optimización combinatorial, Recocido simulado. AbstractIn this paper a detailed description of the simulated annealing algorithm is presented. This strategy was employed to solve a well know flow-shop problem, which behavior is featured by the combinatorial explosion and non linear modeling. Therefore, the strategy could be focused to analyze the efficiency of the production in facilities with limited resources. Simulations results performed in a problem in the literature are presented. By this mean, the wide versatility, efficiency, and the easy implementation of the proposed algorithm is verified.
Uno de los aspectos más importantes en una implementación de Sistemas de Prioridad (TSP) para el transporte masivo es conocer el tiempo de llegada y de viaje de los buses solicitando prioridad. El presente artículo estima los tiempos de llegada de los buses usando técnicas de regresión lineal para un modelo de simulación del sistema de transporte masivo de la ciudad de Pereira, Colombia. Se presta especial atención a la validez de los supuestos de los modelos lineales en diferentes corredores bajo distintas condiciones. Las simulaciones se han realizado en el software Transmodeler® y los análisis de los modelos usando el lenguaje de programación R. Los resultados muestran que es difícil construir un modelo de regresión lineal válido y que las violaciones a los supuestos de normalidad, independencia y homocedasticidad son frecuentes. La única situación en la que fue posible construir modelos válidos fue en una zona sin intersecciones señalizadas ni estaciones de parada. Sin embargo, evaluaciones a las variables de respuesta de tiempos de viajes y análisis de residuales indican que se deben usar modelos lineales generalizados.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.