A solution tree is encoded in a pre

A solution tree is encoded in a pre-order traversal always
stating the middle node followed by the nodes of the left
and the right subtrees in a recursive way, yielding for the
tree in Figure 2 (-1, -1, -1, A,B, C, D), whereas an inner node
is represented by -1. This EA also forms the basis for our
extension to a memetic algorithm and for the combination
with the VND/VNS, reported in Sections 5 and 6. In [4]
also greedy heuristics were proposed, but their performance
was not satisfying; thus, we do not consider them here.
While we are not aware of other metaheuristics to identify
consensus trees, there already exists a lot of such approaches
for phylogenetic inference: Several EAs similar to the aforementioned
are described in [6, 16]. In [7] an EA has been
extended to a MA utilizing a local search based on subtree
rotations. A more general survey of evolutionary computation
in phylogenetics is given in [10]. Of further interest are
applied metaheuristics apart from EAs like a greedy random-

ผลลัพธ์ (ไทย) 1:

ต้นไม้แก้ปัญหาถูกเข้ารหัสในการสั่งซื้อล่วงหน้าข้ามเสมอระบุโหนกลางตาม ด้วยโหนดของซ้ายและ subtrees ขวาในลักษณะซ้ำ ผลผลิตในการแผนภูมิในรูปที่ 2 (-1, -1, -1, A, B, C, D), โดยการโหนภายในแสดง โดย -1 เอนี้ยังเป็นพื้นฐานสำหรับเราส่วนขยาย การขั้นตอน และ สำหรับการรวมมีพื้นที่ส่วน/ไรวินท์ รายงานในส่วน 5 และ 6 ใน [4]ลองผิดลองถูกโลภได้เสนอ แต่ประสิทธิภาพของพวกเขาไม่มีความพึงพอใจ ดังนั้น เราไม่พิจารณาให้ที่นี่ในขณะที่เราไม่ทราบ metaheuristics อื่น ๆ ระบุช่วยให้ต้นไม้ มีแล้วมีอยู่หลากหลายวิธีเช่นสำหรับข้อ phylogenetic: EAs คล้ายกับดังกล่าวหลายไว้ในการ [6, 16] ได้รับการ EA ใน [7]ขยายมาเป็นใช้ค้นหาท้องถิ่นตามลำดับชั้นย่อยหมุนเวียน การสำรวจทั่วไปการคำนวณเชิงวิวัฒนาการในวงศ์วานวิวัฒนาการถูกกำหนดใน [10] เพิ่มเติมสนใจเป็นmetaheuristics ใช้จาก EAs เช่นความโลภสุ่ม-

ผลลัพธ์ (ไทย) 2:

ต้นไม้แก้ปัญหาที่มีการเข้ารหัสในการสำรวจเส้นทางการสั่งซื้อล่วงหน้าเสมอระบุโหนดกลางตามด้วยโหนดด้านซ้ายและด้านขวาsubtrees ในทาง recursive ยอมสำหรับต้นไม้ในรูปที่2 (-1, -1, -1, A , B, C, D) ในขณะที่โหนดภายในเป็นตัวแทนจาก-1 นี้ EA ยังเป็นพื้นฐานของเราสำหรับส่วนขยายไปยังขั้นตอนวิธีการmemetic และการรวมกันกับVND / VNS รายงานในมาตรา 5 และมาตรา 6 ใน [4] นอกจากนี้ยังมีการวิเคราะห์พฤติกรรมโลภถูกเสนอ แต่ผลการดำเนินงานของพวกเขาไม่ได้เป็นที่น่าพอใจ; . ดังนั้นเราจะไม่พิจารณาพวกเขาที่นี่ในขณะที่เราไม่ได้ตระหนักถึงmetaheuristics อื่น ๆเพื่อระบุต้นไม้ฉันทามติที่มีอยู่แล้วเป็นจำนวนมากของวิธีการดังกล่าวสำหรับการอนุมาน phylogenetic: EAs หลายคล้ายกับการดังกล่าวได้อธิบายไว้ใน[6, 16] ใน [7] อีเอได้รับการขยายไปยังซาชูเซตส์ใช้การค้นหาในท้องถิ่นบนพื้นฐานของทรีผลัด การสำรวจทั่วไปมากขึ้นของการคำนวณวิวัฒนาการใน phylogenetics จะได้รับใน [10] ที่น่าสนใจต่อไปของจะถูกนำไปใช้นอกเหนือจาก metaheuristics EAs เหมือนสุ่มโลภ

ผลลัพธ์ (ไทย) 3:

โซลูชั่นต้นไม้จะถูกเข้ารหัสใน pre-order หรือเสมอ
ระบุโหนดกลางตามโหนดทางซ้าย
และ subtrees ขวาในวิธีการทาง หยุ่นสำหรับ
ต้นไม้ในรูปที่ 2 ( - 1 , - 1 , - 1 , A , B , C , D ) ส่วนการ
ปม ภายในจะแสดงโดย - 1 EA นี้ยังเป็นพื้นฐานสำหรับการขยาย
ถึงขั้นตอนวิธีมีม และผสมผสานกับ vns VND /
,รายงานในส่วนที่ 5 และ 6 ใน [ 4 ]
ยังโลภฮิวริสติกถูกเสนอ แต่ผลงานไม่น่าพอใจ
; ดังนั้น , เราไม่ได้พิจารณาพวกเขาที่นี่
ในขณะที่เราไม่ทราบเมตาฮิวริ ิกอื่น ๆเพื่อระบุ
เอกฉันท์ต้นไม้นั้นมีอยู่มาก ซึ่งวิธีการดังกล่าวสำหรับการอนุมาน
: หลาย EAs คล้ายกับดังกล่าว
เป็น 6 ที่อธิบายไว้ใน [ 16 ] ใน [ 7 ] EA ได้
ขยายการค้นหาในท้องถิ่นมาใช้ตามการหมุนมาก

สำรวจทั่วไปของวิวัฒนาการการคำนวณ
ในไฟโลเจเนติกจะได้รับใน [ 10 ] ที่น่าสนใจต่อไปคือ
ใช้เมตาฮิวริ ิกนอกจาก EAS เหมือนสุ่ม - โลภ