In this paper, solution to the trav

In this paper, solution to the traveling salesman problem was implemented using genetic algorithm and simulated annealing. These algorithms were compared based on performance and results using several benchmarks. It was observed that Simulated Annealing runs faster than Genetic Algorithm and runtime of Genetic Algorithm increases exponentially with number of cities. However, in terms of solution quality Genetic Algorithm is better than Simulated Annealing. General Terms

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ แก้ไขปัญหา traveling ขายถูกดำเนินโดยใช้อัลกอริทึมทางพันธุกรรมและการจำลองการอบเหนียว อัลกอริทึมเหล่านี้ได้เปรียบเทียบประสิทธิภาพและผลโดยใช้เกณฑ์มาตรฐานต่าง ๆ จะถูกตรวจสอบว่า จำลองการอบเหนียวทำงานเร็วกว่าอัลกอริทึมทางพันธุกรรม และรันไทม์ของขั้นตอนวิธีพันธุกรรมเพิ่มขึ้นเป็นทวีคูณเมื่อ มีเมือง อย่างไรก็ตาม ในโซลูชั่นคุณภาพ ขั้นตอนวิธีพันธุกรรมได้ดีกว่าจำลองการอบเหนียว เงื่อนไขทั่วไป

ผลลัพธ์ (ไทย) 2:

ในบทความนี้วิธีการแก้ปัญหาการเดินทางของพนักงานขายได้รับการดำเนินการโดยใช้ขั้นตอนวิธีทางพันธุกรรมและการอบจำลอง ขั้นตอนวิธีการเหล่านี้ถูกเมื่อเทียบกับขึ้นอยู่กับประสิทธิภาพและผลการใช้หลายมาตรฐาน มันถูกตั้งข้อสังเกตว่าการหลอมจำลองทำงานได้เร็วขึ้นกว่าพันธุกรรมและรันไทม์ของพันธุกรรมเพิ่มขึ้นชี้แจงกับจำนวนของเมือง อย่างไรก็ตามในแง่ของคุณภาพการแก้ปัญหาทางพันธุกรรมขั้นตอนวิธีที่ดีกว่าการหลอมจำลอง เงื่อนไขทั่วไป

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้ วิธีการแก้ปัญหาพนักงานขายเดินทางถูกดำเนินการโดยใช้เจเนติกอัลกอริทึม และการดำรงอยู่ . ขั้นตอนวิธีเหล่านี้เปรียบเทียบประสิทธิภาพและผลลัพธ์ของการใช้มาตรฐานหลาย สังเกตได้ว่า การดำรงอยู่ วิ่งเร็วกว่าขั้นตอนวิธีทางพันธุกรรมและรันไทม์ของขั้นตอนวิธีเชิงพันธุกรรมเพิ่มชี้แจง ด้วยหมายเลขของเมือง อย่างไรก็ตามในแง่ของการแก้ปัญหาคุณภาพขั้นตอนวิธีทางพันธุกรรมมากกว่าการดำรงอยู่ . ข้อตกลงทั่วไป