tests the performance was usually w

tests the performance was usually worse, hence solely recombination
was nally used, too. The EA terminates when a
given time or iteration limit is reached.
We embedded dierent variants of local search utilizing
the neighborhoods described in Section 3. SPRr was omitted
as it yielded poorer results in preliminary tests, presumably
because of the similarity to PDG recombination. Each
of the variants uses a single neighborhood structure and applies
a random neighbor step function; i.e. a random move
is performed and the new solution is accepted if it is better
than the original one. Improved trees are re-encoded in
the chromosome in a Lamarckian manner. A local search
phase terminates after a certain number of consecutive nonimproving
moves.
We further developed a simple progressive search (SPS)
roughly following the idea in [11]. In this original work, the
algorithm starts with the large SPR neighborhood and progressively
reduces it by limiting the distance between the
removal and insertion positions of a subtree until the neighborhood
converges to NNI having a distance limit of one.
In contrast, we use several dierent neighborhoods without
this smooth transition though maintaining the idea to reduce
the size of the applied neighborhood: In the rst third
of the MA|either w.r.t. an iteration or time limit| we apply
the Step local search, followed by Swap in the second
third, and nally Rotate in the last third, whereas the local
search variants are the ones described before.
Although a single application of one of the local search
variants is relatively fast, trying to improve every ospring
would dramatically increase the overall run-time without a

ผลลัพธ์ (ไทย) 3:

การทดสอบการปฏิบัติก็มักจะแย่ลง ดังนั้นการใช้เป็นแต่เพียงผู้เดียว
 แนลลี่ด้วย อีเอจะสิ้นสุดลงเมื่อเวลาที่กําหนดหรือการจำกัด

เราอยู่ ดี ถึง  erent แปรท้องถิ่นค้นหาใช้
ย่านที่อธิบายไว้ในมาตรา 3 เอสพีอาร์อาร์ถูกละเว้น
มันให้ผลผลลัพธ์ที่ยากจนกว่าในการทดสอบเบื้องต้นสันนิษฐาน
เนื่องจากความคล้ายคลึงกันกับ PDG การ . แต่ละ
ของตัวแปรที่ใช้เป็นโครงสร้างบ้านเดียวและใช้
สุ่มเพื่อนบ้านขั้นตอนการทำงาน เช่น การสุ่มย้าย
จะดําเนินการและโซลูชั่นใหม่ที่ได้รับการยอมรับว่าดีกว่า
กว่าเดิม ต้นไม้ปรับปรุงเป็นอีกครั้งที่เข้ารหัสใน
lamarckian โครโมโซมในลักษณะ ขั้นตอนการค้นหา
ท้องถิ่นสิ้นสุดลงหลังจากที่จำนวนหนึ่งของติดต่อกัน nonimproving

ย้ายเราพัฒนาต่อไป การค้นหาแบบง่าย ( SPS )
ประมาณตามความคิด [ 11 ] ในงานนี้ต้นฉบับ วิธีการเริ่มต้นด้วยกลยุทธ์

ลดขนาดใหญ่ย่านและมีความก้าวหน้าโดยการจำกัดระยะห่างระหว่าง
การกำจัดและแทรกตำแหน่งของมาก จนเพื่อนบ้าน
เข้าสู่ nni มีระยะทางจำกัด .
ในความคมชัดเราใช้หลายตี้  erent ย่านโดยไม่
นี้ราบรื่น แต่ยังคงรักษาความคิดที่จะลด
ขนาดของใช้ในบ้าน :
 แรกที่สามของแม่ | ให้ w.r.t. การทำซ้ำหรือ | เวลาเราใช้
ขั้นตอนการค้นหาในท้องถิ่น , ตามด้วยสลับใน 2
3 และ  แนลลี่หมุนในที่สามสุดท้าย ในขณะที่ตัวแปรค้นหาท้องถิ่นเป็นคนอธิบายก่อน
.
แม้ว่าโปรแกรมเดียวของหนึ่งของตัวแปรท้องถิ่นค้นหา
ค่อนข้างรวดเร็ว พยายามปรับปรุงทุก ๆ
o  ฤดูใบไม้ผลิจะเพิ่มขึ้นอย่างมากความเร็วโดยรวมไม่มี