Este artículo propone un modelo de programación estocástico y un algoritmo de solución para resolver problemas de diseño de redes de cadena de suministro de escala real.
Los enfoques existentes para estos problemas están restringidos, bien sea a ambientes determinísticos o solamente pueden dirigirse a un modesto número de escenarios para los parámetros de problema inciertos.
La metodología de solución propuesta por los autores integra una estrategia de muestreo recientemente propuesta, el Plan de Aproximación Promedio de Muestras, con un algoritmo de descomposición acelerado de Benders para computar rápidamente soluciones de alta calidad a problemas de diseño de cadena de suministro estocásticos de gran escala, con un número enorme (potencialmente infinito) de escenarios.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un modelo híbrido de aprendizaje profundo espaciotemporal para la predicción del flujo de pasajeros del metro a corto plazo
Documento Editorial:
Hoy mejor que ayer. Mañana mejor que hoy. Mejora continua en las actividades logísticas
Artículo:
Predicción de conflictos críticos entre bicicletas y vehículos en intersecciones señalizadas
Artículo:
Impacto conjunto de la lluvia y los incidentes en la velocidad de los flujos de tráfico
Artículo:
Un método de resolución eficiente del problema de emparejamiento de vehículos y pasajeros para un sistema de vehículos autónomos compartidos
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Los web services como herramienta generadora de valor en las organizaciones
Artículo:
Configuración de los valores de María, antes y después de la violación, en Satanás de Mario Mendoza