between them in a systematic way. I

between them in a systematic way. If no improving solution
is found within one neighborhood, the next neighborhood
is considered; else the search is recentered at the new incumbent
and restarts with the rst neighborhood structure.
We use the neighborhoods described in the previous section
and apply the already mentioned rst-improvement strategy,
thus always immediately accepting the rst solution yielding
a better TreeRank score than the current. Due to the size
and related evaluation eort of the neighborhoods and their
impact on a tree's structure the following order is used for
the VND: Rotate, Swap, Step, and nally SPRr.
In contrast to VND, VNS focuses more on diversication
by applying shaking, i.e. random moves in larger neighborhoods.
For intensication, VNS includes a local search component,
in this case VND. Algorithm 1 shows the pseudocode
of the VNS with embedded VND. If the VNS is applied
as a stand-alone algorithm, then we utilize an input tree
from T with the highest TreeRank score as initial solution.
For shaking, we perform a series of Step moves: A certain
percentage of the taxa is randomly selected and moved to
some other, also randomly chosen positions. We start with
5% of the taxa and gradually increase this portion by 5%
up to 100% and hence the number of dierent VNS neighborhoods
kmax is 20. Both VND and VNS terminate if an
iteration or time limit is reached. VND also stops when the
last neighborhood contains no better solution and thus, the
current solution is locally optimal w.r.t. all VND neighborhood
structures.

ผลลัพธ์ (ไทย) 1:

between them in a systematic way. If no improving solutionis found within one neighborhood, the next neighborhoodis considered; else the search is recentered at the new incumbentand restarts with the rst neighborhood structure.We use the neighborhoods described in the previous sectionand apply the already mentioned rst-improvement strategy,thus always immediately accepting the rst solution yieldinga better TreeRank score than the current. Due to the sizeand related evaluation e ort of the neighborhoods and theirimpact on a tree's structure the following order is used forthe VND: Rotate, Swap, Step, and nally SPRr.In contrast to VND, VNS focuses more on diversi cationby applying shaking, i.e. random moves in larger neighborhoods.For intensi cation, VNS includes a local search component,in this case VND. Algorithm 1 shows the pseudocodeof the VNS with embedded VND. If the VNS is appliedas a stand-alone algorithm, then we utilize an input treefrom T with the highest TreeRank score as initial solution.For shaking, we perform a series of Step moves: A certainpercentage of the taxa is randomly selected and moved tosome other, also randomly chosen positions. We start with5% of the taxa and gradually increase this portion by 5%up to 100% and hence the number of di erent VNS neighborhoodskmax is 20. Both VND and VNS terminate if aniteration or time limit is reached. VND also stops when theย่านสุดท้ายประกอบด้วยวิธีใดดี จึง การโซลูชั่นปัจจุบันคือ w.r.t. ที่ดีที่สุดในประเทศ ทั้งหมดพื้นที่ส่วนพื้นที่ใกล้เคียงโครงสร้างการ

ผลลัพธ์ (ไทย) 2:

ระหว่างพวกเขาอย่างเป็นระบบ หากวิธีการแก้ปัญหาที่ดีขึ้นไม่พบที่อยู่ในพื้นที่ใกล้เคียงหนึ่งย่านถัดไปคือการพิจารณา; อื่นค้นหาจะ recentered ที่ดำรงตำแหน่งใหม่และเริ่มต้นใหม่ที่มีโครงสร้างใกล้เคียงแรกได้. เราใช้ในละแวกใกล้เคียงที่อธิบายไว้ในส่วนก่อนหน้านี้และนำไปใช้ที่กล่าวมาแล้วกลยุทธ์แรก-ปรับปรุงจึงเสมอทันทียอมรับการแก้ปัญหาแรกยอมคะแนนTreeRank ดีกว่า ปัจจุบัน. เนื่องจากขนาดและ e การประเมินผลที่เกี่ยวข้องกับเครื่องดื่มเกลือแร่ในละแวกใกล้เคียงและของพวกเขาส่งผลกระทบต่อโครงสร้างของลำดับต่อไปนี้จะใช้สำหรับการVND. หมุน, Swap ขั้นตอนและ Nally SPRr ในทางตรงกันข้ามกับ VND, VNS มุ่งเน้นเพิ่มเติมเกี่ยวกับไอออนบวก diversi โดยการใช้การสั่นสะเทือนเช่นการเคลื่อนไหวแบบสุ่มในละแวกใกล้เคียงที่มีขนาดใหญ่. สำหรับไอออนบวก intensi, VNS รวมถึงส่วนประกอบที่การค้นหาในท้องถิ่นในกรณีนี้VND อัลกอริทึมที่ 1 แสดง pseudocode ของ VNS กับ VND ฝังตัว ถ้า VNS ถูกนำไปใช้เป็นอัลกอริทึมแบบสแตนด์อะโลนแล้วเราใช้ประโยชน์จากต้นไม้การป้อนข้อมูลจากT ที่มีคะแนน TreeRank สูงสุดเป็นวิธีแก้ปัญหาเริ่มต้น. สำหรับการเขย่าเราดำเนินการชุดของการเคลื่อนไหวขั้นตอน: การบางร้อยละของแท็กซ่าที่มีการสุ่มเลือกและย้ายไปอยู่ที่อื่น ๆ นอกจากนี้ยังมีการสุ่มเลือกตำแหน่ง เราเริ่มต้นด้วย5% ของแท็กซ่าและค่อยๆเพิ่มส่วนนี้โดย 5% ถึง 100% และด้วยเหตุนี้จำนวน di? ละแวกใกล้เคียงต่างกัน VNS kmax คือ 20 และทั้งสอง VND VNS ยุติถ้าขีดจำกัด ของการทำซ้ำหรือเวลาที่จะมาถึง VND ยังหยุดเมื่อพื้นที่ใกล้เคียงที่มีวิธีการแก้ปัญหาที่ผ่านมาไม่ดีและทำให้การแก้ปัญหาที่ดีที่สุดในปัจจุบันคือในประเทศWRT ทุกเขต VND โครงสร้าง

ผลลัพธ์ (ไทย) 3:

ระหว่างพวกเขาในลักษณะที่เป็นระบบ ถ้าไม่มีการปรับปรุงแก้ไข
พบภายในละแวก
แถวๆนี้ถือว่า ; อื่นค้นหา recentered ที่
หน้าที่ใหม่ และเริ่มต้นใหม่กับ  RST ละแวกโครงสร้าง .
เราใช้ย่านที่อธิบายไว้ในส่วนก่อนหน้านี้และใช้
กล่าวแล้ว  น่ะ
ปรับปรุงกลยุทธ์เสมอดังนั้นทันทียอมรับ  RST แก้ปัญหาผลผลิต
ดีกว่า treerank คะแนนมากกว่าปัจจุบัน เนื่องจากขนาดและที่เกี่ยวข้องกับการประเมิน E
 สถานของละแวกใกล้เคียงและผลกระทบต่อโครงสร้างของต้นไม้
คำสั่งต่อไปนี้ใช้สำหรับ
VND : หมุน , เปลี่ยน , ขั้นตอน , และ  แนลลี่เอสพีอาร์อาร์ .
ในทางตรงกันข้ามกับ VND vns , เน้นมากขึ้นในการ DIVERSI 
โดยการเขย่า คือการย้ายในย่านที่มีขนาดใหญ่ขึ้น เพื่อการ 
intensi vns รวมถึงส่วนประกอบ , การค้นหาในท้องถิ่น ,
ในกรณีนี้ vnd . วิธีที่ 1 แสดงรหัสเทียม
ของ vns กับ VND ฝังตัว ถ้า vns ใช้
เป็นขั้นตอนวิธีแบบสแตนด์อโลน แล้วเราใช้ input จากต้นไม้
t มีสูงสุด treerank คะแนนเป็นครั้งแรกโซลูชั่น .
สำหรับเขย่า เราดำเนินการชุดของขั้นตอนย้ายแน่นอน
:ร้อยละของความสูงคือการสุ่มเลือกและย้าย

บางอื่น ๆ ยังสุ่มเลือกตำแหน่ง เราเริ่มต้นด้วย
5 % ของความสูง และค่อย ๆ เพิ่มส่วนนี้ โดย 5 %
ถึง 100 เปอร์เซ็นต์ ดังนั้นจำนวนของ ดิ  erent vns ย่าน
kmax คือ 20 และหากยุติการ vns ทั้ง VND
ซ้ำหรือจำกัดเวลาถึง VND ก็หยุดเมื่อ
แถวสุดท้ายที่มีไม่มีทางเลือกที่ดีกว่า และดังนั้น
โซลูชั่นปัจจุบันในท้องถิ่นที่เหมาะสม w.r.t. โครงสร้างทั้งหมดละแวก
vnd .