This paper employs the Memetic algo

This paper employs the Memetic algorithm (MA) to optimize the urban transit network. Aiming at the optimal route configuration and service frequency for the urban transit network, the objective function of the proposed mathematical model is to minimize the passenger (user) cost and to reduce the unsatis- fied passenger demand at most. MA is one of the recent growing evolutionary computation algorithms. It is imbedded with the local search operator based on the classical genetic algorithm (GA) to improve the computational performance. We represent the solution with two single link lists (SLL), and design four types of local search operators: 2-opt move (Type A), 2-opt move (Type B), swap move and relocation move to obtain the better chromosomes for the GA. At the same time, an effective try-an-error procedure for verifying the local search operator is presented to increase the search efficiency. The algorithm has been tested with benchmark problems reported in the existing literatures. Comparing the results obtained by our algorithm and traditional algorithms which have been proved to be efficient, it demon- strates that the proposed algorithm could improve the computational performance relative to other algorithms.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้มีขั้นตอน (MA) เพื่อเพิ่มประสิทธิภาพเครือข่ายขนส่งเมือง มุ่งที่กระบวนการผลิตที่เหมาะสม configuration และบริการความถี่ในเครือข่ายขนส่งเมือง ฟังก์ชันวัตถุประสงค์ของแบบจำลองทางคณิตศาสตร์ที่เสนอจะลดผู้โดยสาร (ผู้ใช้) ต้นทุน และลดความต้องการผู้โดยสาร unsatis fied มากที่สุด มาเป็นหนึ่งในกระบวนการคำนวณเชิงวิวัฒนาการเติบโตล่าสุด มันจะฝังตัวกับตัวค้นหาท้องถิ่นดำเนินตามขั้นตอนวิธีพันธุกรรมคลาสสิก (GA) เพื่อเพิ่มประสิทธิภาพการคำนวณ เราเป็นตัวแทนของโซลูชันที่ มีการเชื่อมโยงเดียวสองรายการ (SLL), และการออกแบบสี่ชนิดของตัวดำเนินการค้นหาภายใน: 2-เลือกย้าย (ชนิด A), 2-เลือกย้าย (ชนิด B) สลับย้ายและย้ายไปรับ chromosomes ดีสำหรับ GA. ในเวลาเดียวกัน ลองอันผิดพลาดกระบวนการผลการตรวจสอบตัวดำเนินการค้นหาท้องถิ่นนำเสนอเพื่อเพิ่ม efficiency ค้นหา อัลกอริทึมได้รับการทดสอบกับเกณฑ์มาตรฐานปัญหาใน literatures อยู่ เปรียบเทียบผลได้รับจากอัลกอริทึมของเราและอัลกอริทึมแบบดั้งเดิมซึ่งมีการพิสูจน์ได้ว่า efficient มันว่า อัลกอริทึมที่นำเสนอสามารถปรับปรุงประสิทธิภาพการคำนวณเทียบกับอัลกอริทึมอื่น ๆ strates ปีศาจ

ผลลัพธ์ (ไทย) 2:

กระดาษนี้มีพนักงานอัลกอริทึม Memetic (MA) เพื่อเพิ่มประสิทธิภาพเครือข่ายการขนส่งในเมือง เล็งไปที่เส้นทางที่ดีที่สุดไฟล์โครงสร้างนักโทษ fi และความถี่ในการให้บริการสำหรับเครือข่ายการขนส่งในเมืองฟังก์ชันวัตถุประสงค์ของแบบจำลองทางคณิตศาสตร์ที่นำเสนอคือการลดผู้โดยสาร (ผู้ใช้) ค่าใช้จ่ายและการลดไฟ unsatis- เอ็ดความต้องการของผู้โดยสารที่มากที่สุด แมสซาชูเซตเป็นหนึ่งในการเจริญเติบโตที่ผ่านมาขั้นตอนวิธีการคำนวณวิวัฒนาการ มันเป็นที่ฝังกับผู้ประกอบการการค้นหาในท้องถิ่นที่ขึ้นอยู่กับขั้นตอนวิธีทางพันธุกรรมคลาสสิก (GA) เพื่อปรับปรุงประสิทธิภาพการคำนวณ เราเป็นตัวแทนของการแก้ปัญหาที่มีสองรายการการเชื่อมโยงเดียว (SLL) และการออกแบบสี่ประเภทของผู้ประกอบการการค้นหาในท้องถิ่น: ย้าย 2 เลือก (Type A) ย้าย 2 เลือก (Type B) ย้ายแลกเปลี่ยนและการย้ายย้ายที่จะได้รับโครโมโซมที่ดีขึ้น สำหรับ GA ในเวลาเดียวกันที่มีประสิทธิภาพขั้นตอนลองข้อผิดพลาดสำหรับการตรวจสอบการดำเนินการค้นหาในท้องถิ่นจะนำเสนอเพื่อเพิ่มการขาดไฟ EF ค้นหา อัลกอริทึมได้รับการทดสอบที่มีปัญหามาตรฐานการรายงานในวรรณกรรมที่มีอยู่ การเปรียบเทียบผลที่ได้จากขั้นตอนวิธีการของเราและขั้นตอนวิธีการแบบดั้งเดิมที่ได้รับการพิสูจน์แล้วว่าเป็นเพียงพอ EF fi, มัน demon- strates ว่าวิธีที่นำเสนอสามารถปรับปรุงประสิทธิภาพการคำนวณเทียบกับขั้นตอนวิธีการอื่น ๆ

ผลลัพธ์ (ไทย) 3:

กระดาษนี้ใช้อัลกอริทึมมีม ( MA ) เพื่อเพิ่มประสิทธิภาพในการขนส่งเครือข่าย เป้าหมายที่เหมาะสมเส้นทางคอนจึง guration และความถี่ที่ให้บริการสำหรับความตั้งใจในการทำงานของเครือข่าย วัตถุประสงค์ที่เสนอแบบจำลองทางคณิตศาสตร์ เพื่อลดต้นทุน และผู้โดยสาร ( ผู้ใช้ ) เพื่อลด unsatis - จึงเอ็ดผู้โดยสารต้องการมากที่สุดมาเป็นหนึ่งในล่าสุดการวิวัฒนาการการคำนวณขั้นตอนวิธี มันฝังกับผู้ประกอบการท้องถิ่นค้นหาขึ้นอยู่กับขั้นตอนวิธีทางพันธุกรรมแบบคลาสสิก ( GA ) เพื่อเพิ่มประสิทธิภาพในการคำนวณ เราเป็นตัวแทนของโซลูชั่นที่มีสองรายการการเชื่อมโยงเดียว ( SLL ) และการออกแบบสี่ประเภทของผู้ประกอบการท้องถิ่น : 2-opt ย้าย ( พิมพ์ ) , 2-opt ย้าย ( Type B )ย้ายสลับ และย้ายไปให้ได้โครโมโซมดีกว่าสำหรับโรงงาน ในเวลาเดียวกันที่มีพยายามข้อผิดพลาดขั้นตอนเพื่อตรวจสอบผู้ประกอบการท้องถิ่นที่นำเสนอเพื่อเพิ่มประสิทธิภาพการค้นหา EF จึง . อัลกอริทึมได้ถูกทดสอบด้วยมาตรฐานปัญหารายงานในเอกสารที่มีอยู่การเปรียบเทียบผลลัพธ์ที่ได้จากขั้นตอนวิธีแบบดั้งเดิมซึ่งได้ถูกพิสูจน์แล้วว่าเป็น EF จึง cient ของเรามันปีศาจ - strates ว่าวิธีที่เสนอสามารถปรับปรุงประสิทธิภาพการคำนวณเทียบกับขั้นตอนวิธีอื่น ๆ .