Expectation-Maximization Algorithm of Gaussian Mixture Model for Vehicle-Commodity Matching in Logistics Supply Chain

CONTENIDO PARA USUARIOS REGISTRADOS

Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.

Descripción: Se presenta un problema de emparejamiento de vehículos y mercancías (VCMP) para que los proveedores de servicios reduzcan el costo del sistema logístico. El modelo de clasificación de vehículos se construye como un modelo de mezcla gaussiana (GMM), y se diseña el algoritmo de esperanza-maximización (EM) para resolver la estimación de parámetros de GMM. Se construye un modelo de programación no lineal de enteros mixtos para minimizar el costo total de VCMP. El proceso de emparejamiento entre vehículo y mercancía se realiza mediante GMM-EM, como preprocesamiento de la solución. El diseño de la plataforma de emparejamiento de vehículos y mercancías para VCMP está diseñado para reducir y eliminar la asimetría de la información entre la oferta y la demanda para que la asignación de pedidos pueda funcionar en el momento y lugar adecuados y utilizar la solución óptima de emparejamiento de vehículos y mercancías. Además, el experimento numérico de una cadena de suministro de comercio electrónico demuestra que un al
Citación recomendada (normas APA)
: Hindawi, "Expectation-Maximization Algorithm of Gaussian Mixture Model for Vehicle-Commodity Matching in Logistics Supply Chain", -:Revista VirtualPRO,, 2021. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3848192/), el día 2025-11-02.

Información adicional