For the general case of dierent ta

For the general case of dierent taxa sets in T1 and T2 see
[23]. The TreeRank score is thus a measure of the topological
relationships in T1 that are found to be the same or similar in
T2. It is bounded above by 100% but has no lower bound,
which can be shown by comparing perfectly balanced and
maximal unbalanced trees.
The rst metaheuristic approaches applied to the consensus
tree problem using the TreeRank measure have been
described by Cotta [4]. Therein several evolutionary algorithms
are presented diering in the way of whether applying
mutation or crossover and the adopted evolution model.
Tests on real-world instances indicate that solely applying
the well-known prune-delete-graft recombination operator
[16] in combination with a steady-state model performs best.
This recombination operator selects a subtree of the rst
parent at random, removes its leaves in the second parent
and grafts the subtree therein at a random position. Considering
subtrees as building blocks, they are well preserved,
inherited, and mixed by this operator. Although this operator
was shown to be more destructive to one parent than
to the other [20], it is the de facto standard when dealing
with phylogenetic trees in evolutionary algorithms in general.
The variants utilizing only mutation by scrambling
subtrees or swapping taxa turned out to be inferior. It is
further important to include the given input tree collection
T in the initial population, otherwise the results are signi
cantly worse. As tness function the average TreeRank
score of a candidate solution to the set of input trees is used:

ผลลัพธ์ (ไทย) 1:

สำหรับกรณีทั่วไปของดิ erent taxa ดูชุดใน T1 และ T2[23] คะแนน TreeRank เป็นการวัดที่ topologicalความสัมพันธ์ใน T1 ที่พบจะเหมือนกัน หรือคล้ายคลึงกันในT2 ล้อมรอบข้าง ด้วย 100% แต่มีขอบเขตไม่ต่ำกว่าซึ่งสามารถแสดง โดยการเปรียบเทียบอย่างสมดุล และต้นไม้จำนวนสูงสุดวิธี metaheuristic rst กับมติใช้วัด TreeRank ปัญหาแผนภูมิได้อธิบาย โดย Cotta [4] Therein อัลกอริทึมวิวัฒนาการหลายแสดงดิ ering ขวางว่าใช้การกลายพันธุ์ หรือไขว้ และแบบวิวัฒนาการบุญธรรมทดสอบจริงกรณีระบุใช้ที่เท่านั้นผู้ประกอบการรู้จักรับสินบนลบบ๊วย recombination[16] ในชุดที่มีแบบท่อนทำดีที่สุดทรีย่อยของ rst เลือกตัวนี้ recombinationแม่เอาใบสุ่ม ในหลักที่สองและ grafts ทรี therein ที่ตำแหน่งที่สุ่ม พิจารณาsubtrees เป็นส่วนประกอบ จะรักษาอย่างดีสืบทอด และผสม ด้วยตัวดำเนินการนี้ แม้ว่าการดำเนินการนี้แสดงถูกทำลายมากขึ้นสู่หลักหนึ่งกว่าไปอื่น [20], เป็นมาตรฐานเดิมเมื่อจัดการด้วยต้นไม้ phylogenetic ในอัลกอริทึมเชิงวิวัฒนาการโดยทั่วไปตัวแปรที่ใช้เฉพาะการกลายพันธุ์ โดยแปลงsubtrees หรือเปลี่ยน taxa เปิดออกจะน้อย จึงเพิ่มเติมสำคัญรวมคอลเลกชันทรีให้ป้อนข้อมูลT ในประชากรเริ่มต้น มิฉะนั้นผลลัพธ์จะ signi cantly แย่ลง เป็น tness ทำงาน TreeRank เฉลี่ยใช้คะแนนของโซลูชันตัวเลือกในชุดของสัญญาณ:

ผลลัพธ์ (ไทย) 2:

สำหรับกรณีทั่วไปของดิ? ชุดแท็กซ่าต่างกันใน T1 และ T2 เห็น
[23] คะแนน TreeRank
จึงเป็นตัวชี้วัดของทอพอโลยีความสัมพันธ์ในT1 ที่พบจะเป็นเหมือนกันหรือคล้ายกันใน
T2 มันก็มีขอบเขตดังกล่าวข้างต้นโดย 100% แต่ได้ไม่มีขีด จำกัด ล่าง,
ซึ่งสามารถแสดงให้เห็นโดยการเปรียบเทียบสมดุลอย่างสมบูรณ์แบบและต้นไม้ไม่สมดุลสูงสุด. แนวทาง metaheuristic แรกนำไปใช้กับมติปัญหาต้นไม้โดยใช้มาตรการTreeRank ได้รับการอธิบายโดยCotta [4] นั้นขั้นตอนวิธีวิวัฒนาการหลายที่นำเสนอ di? ering ในทางของการไม่ว่าจะใช้การกลายพันธุ์หรือครอสโอเวอร์และรูปแบบวิวัฒนาการนำมาใช้. การทดสอบในกรณีที่แท้จริงของโลกแสดงให้เห็นว่าเพียงใช้ที่รู้จักกันดีลูกพรุนลบ-สินบนผู้ประกอบการรวมตัวกันอีก[16] ในการรวมกัน ที่มีรูปแบบที่มั่นคงของรัฐดำเนินการที่ดีที่สุด. ผู้ประกอบการรวมตัวกันอีกนี้เลือกทรีย่อยของแรกผู้ปกครองที่สุ่มเอาใบของมันในการปกครองที่สองและgrafts ทรีย่อยในนั้นในตำแหน่งที่สุ่ม พิจารณาsubtrees เป็นกลุ่มอาคารที่พวกเขาจะถูกเก็บรักษาไว้อย่างดีได้รับการถ่ายทอดและผสมโดยการดำเนินการนี้ แม้ว่าผู้ประกอบการนี้ได้รับการแสดงที่จะทำลายมากขึ้นให้เป็นหนึ่งในผู้ปกครองกว่าที่อื่นๆ [20] มันเป็นมาตรฐาน de facto เมื่อจัดการกับต้นไม้ในขั้นตอนวิธีวิวัฒนาการในทั่วไป. สายพันธุ์ที่ใช้การกลายพันธุ์โดยเฉพาะ scrambling subtrees หรือแลกเปลี่ยนแท็กซ่าเปิดออก จะด้อยกว่า มันเป็นสิ่งที่สำคัญต่อไปรวมถึงคอลเลกชันการป้อนข้อมูลต้นไม้ได้รับT ในประชากรเริ่มต้นมิฉะนั้นผลที่มีนัยสำคัญอย่างมีนัยเลวร้ายยิ่ง ในฐานะที่เป็นฟังก์ชั่น tness TreeRank เฉลี่ยคะแนนของการแก้ปัญหาผู้สมัครถึงชุดของต้นไม้การป้อนข้อมูลที่ใช้:

ผลลัพธ์ (ไทย) 3:

สำหรับกรณีของ ดิ  erent ทั่วไปและชุดใน T1 และ T2 ดู
[ 23 ] การ treerank คะแนนจึงเป็นวัดของความสัมพันธ์ในรูปแบบ
T1 ที่พบจะเป็นเดียวกันหรือคล้ายกันใน
T2 มันเป็นหลักการข้างต้นโดย 100% แต่ไม่มีล่างผูก
ซึ่งสามารถแสดงได้โดยการเปรียบเทียบสมดุลอย่างสมบูรณ์และ

ภาพต้นไม้ที่ขาดดุล  RST แนวทางใช้ฉันทามติ
เมตาฮิวริ ิกปัญหาต้นไม้ใช้ treerank วัดได้
อธิบายด้วย [ 4 ] นั้นหลายคนแรกของหัวใจ คนสุดท้ายของชีวิต
า ดิ  ลื่นในทางไม่ว่าใช้
การกลายพันธุ์หรือครอสโอเวอร์และประกาศใช้วิวัฒนาการรูปแบบ .
การทดสอบบนอินสแตนซ์จริง แต่เพียงผู้เดียวที่ใช้แสดงกราฟการตัดลบ

) ที่รู้จักกันดี[ 16 ] ผสมกับรูปแบบคงที่ประสิทธิภาพที่ดีที่สุด การเลือก
นี้ผู้ประกอบการย่อยของ  RST
พ่อแม่ที่สุ่มเอาใบไม้ใน
พ่อแม่ที่สองและกราฟย่อยนั้นเป็นตำแหน่งที่สุ่ม พิจารณา
subtrees เป็นกลุ่มอาคารที่พวกเขาจะรักษาไว้อย่างดี
สืบทอดและผสมโดยผู้ประกอบการนี้ แม้ว่าผู้ประกอบการ
แสดงจะยิ่งทำลายพ่อแม่มากกว่า
กับอื่น ๆ [ 20 ] มันเป็นมาตรฐาน de facto เมื่อจัดการ
กับต้นไม้ต่างๆในขั้นตอนวิธีวิวัฒนาการในทั่วไป .
แปรที่ใช้เฉพาะการกลายพันธุ์ โดยแปลง
subtrees หรือการเปลี่ยนและกลายเป็นด้อยกว่า มันเป็นสิ่งสำคัญที่จะรวม
เพิ่มเติมให้ใส่ต้นไม้ของสะสม
t ในประชากรเริ่มต้นมิฉะนั้น ผลลัพธ์จะ signi
 ลดลงอย่างมีนัยสําคัญเมื่อเลวร้าย เป็นฟังก์ชัน  tness เฉลี่ย treerank
คะแนนของผู้สมัครเพื่อให้ชุดโซลูชั่นของต้นไม้เข้าใช้