Local Search (LS), is an iterative

Local Search (LS), is an iterative methodology to solve combinatorial optimization problems. The principle is to generate a first solution, and to iteratively perform slight modifications to this solution in order to obtain a good score with respect to the objective function.

Very Large-Scale Neighborhood (VLSN) is a sophisticated technique in Local Search to perform many modifications to the solutions at each iteration. These techniques have a greater visibility at each iteration and choose the next solution more efficiently. Very Large-Scale Neighborhoods have been successfully applied on many complex real-life problems.

VLSN are very hard to implement, but a recent PhD thesis has demonstrated a framework that expresses VLSN search algorithms in terms of high-level components [Mout11].

VLSN search algorithms expressed by mean of this framework exhibits several benefits compared to existing approaches : 1) a more natural design of VLSN search algorithm, 2) a better reusability of existing components, 3) a greater adaptability to modifications to the problem to solve, and 4) a faster development of complex VLSN approaches.

ผลลัพธ์ (ไทย) 1:

เครื่องค้นหา (LS), เป็นวิธีการซ้ำเพื่อแก้ปัญหาปัญหาเพิ่มประสิทธิภาพ หลักการคือ การสร้างโซลูชันแรก และดำเนินการแก้ไขปัญหานี้การปรับเปลี่ยนเล็กน้อยเพื่อให้ได้คะแนนดีกับฟังก์ชันวัตถุประสงค์ซ้ำ ๆย่าน Large-Scale มาก (VLSN) เป็นเทคนิคที่ซับซ้อนในการค้นหาการปรับเปลี่ยนเพื่อแก้ปัญหาที่เกิดซ้ำแต่ละท้องถิ่น เทคนิคเหล่านี้ได้เห็นมากกว่าที่เกิดซ้ำแต่ละ และเลือกแก้ปัญหาต่อไปมีประสิทธิภาพมากขึ้น ใช้ละแวกใกล้เคียง Large-Scale มากกับปัญหาชีวิตที่ซับซ้อนมากมายประสบความสำเร็จVLSN ยากมากที่จะใช้ แต่วิทยานิพนธ์ระดับปริญญาเอกล่าสุดได้แสดงให้เห็นว่ากรอบที่แสดง VLSN อัลกอริทึมค้นหาในคอมโพเนนต์พื้นฐาน [Mout11]VLSN ค้นหาอัลกอริทึมแสดง โดยค่าเฉลี่ยของกรอบนี้จัดแสดงประโยชน์หลายประการเมื่อเทียบกับแนวทางที่มีอยู่: 1) การออกแบบธรรมชาติของอัลกอริทึมการค้นหา VLSN, reusability 2) ที่ดีกว่าของคอมโพเนนต์ที่มีอยู่ 3) ที่หลากหลายมากขึ้นเพื่อแก้ไขปัญหาการแก้ไข และ 4) การพัฒนาเร็วกว่าวิธี VLSN ที่ซับซ้อน

ผลลัพธ์ (ไทย) 2:

การค้นหาในท้องถิ่น (LS) เป็นวิธีการที่กล่าวย้ำในการแก้ปัญหาการเพิ่มประสิทธิภาพ combinatorial หลักการคือการสร้างโซลูชั่นแรกและซ้ำดำเนินการปรับเปลี่ยนเล็กน้อยเพื่อแก้ปัญหานี้เพื่อให้ได้คะแนนดีที่เกี่ยวกับฟังก์ชั่นวัตถุประสงค์. พื้นที่ใกล้เคียงมากขนาดใหญ่ (VLSN) เป็นเทคนิคที่มีความซับซ้อนในการค้นหาในท้องถิ่นในการดำเนินการจำนวนมาก การปรับเปลี่ยนเพื่อแก้ปัญหาที่ซ้ำกัน เทคนิคเหล่านี้มีการมองเห็นมากขึ้นที่ซ้ำกันและเลือกวิธีการแก้ปัญหาต่อไปได้อย่างมีประสิทธิภาพ มากย่านขนาดใหญ่ได้รับการใช้ประสบความสำเร็จในหลายปัญหาที่ซับซ้อนในชีวิตจริง. VLSN จะยากมากที่จะใช้ แต่วิทยานิพนธ์ปริญญาเอกที่ผ่านมาได้แสดงให้เห็นถึงกรอบการทำงานที่แสดงออก VLSN ขั้นตอนวิธีการค้นหาในแง่ของส่วนประกอบระดับสูง [Mout11]. VLSN การค้นหาขั้นตอนวิธีการแสดงโดยเฉลี่ยของกรอบนี้การจัดแสดงนิทรรศการประโยชน์หลายประการเมื่อเทียบกับวิธีการที่มีอยู่: 1) การออกแบบที่เป็นธรรมชาติมากขึ้นของวิธีการค้นหา VLSN 2) สามารถนำมาใช้ที่ดีขึ้นของส่วนประกอบที่มีอยู่ 3) การปรับตัวมากขึ้นเพื่อแก้ไขปัญหาที่จะแก้ปัญหาและ 4) การพัฒนาได้เร็วขึ้นของวิธีการที่ซับซ้อน VLSN

ผลลัพธ์ (ไทย) 3:

การค้นหาในท้องถิ่น ( LS ) เป็นวิธีการแก้ปัญหาการเพิ่มประสิทธิภาพของการ . หลักการคือการสร้างโซลูชั่นแรก และซ้ำแสดงการปรับเปลี่ยนเล็กน้อยในโซลูชั่นนี้เพื่อให้ได้คะแนนที่ดีเกี่ยวกับฟังก์ชันวัตถุประสงค์ .

บ้านขนาดใหญ่มาก ( vlsn ) เป็นเทคนิคที่ซับซ้อนในการค้นหาในท้องถิ่นเพื่อทำการปรับเปลี่ยนหลายโซลูชั่นในแต่ละซ้ำ . เทคนิคเหล่านี้มีมากขึ้นมองเห็นได้ในแต่ละ iteration และเลือกโซลูชั่นต่อไปได้อย่างมีประสิทธิภาพ ย่านมากขนาดใหญ่ได้รับการสมัครเรียบร้อยแล้ว ในชีวิตจริง ปัญหาซับซ้อนมาก

vlsn ยากมากที่จะใช้แต่วิทยานิพนธ์ปริญญาเอกล่าสุดได้แสดงให้เห็นกรอบที่แสดงขั้นตอนวิธีการค้นหา vlsn ในแง่ของพื้นฐานส่วนประกอบ [ mout11 ] .

vlsn ขั้นตอนวิธีการค้นหาที่แสดงโดยหมายถึงของกรอบการจัดแสดงผลประโยชน์เมื่อเทียบกับที่มีอยู่หลายวิธี : 1 ) แบบธรรมชาติมากกว่า vlsn อัลกอริทึมการค้นหา , 2 ) ใช้ดีกว่าของชิ้นส่วนที่มีอยู่3 ) ความสามารถในการปรับตัวมากขึ้นเพื่อแก้ไขปัญหา เพื่อแก้ปัญหา และ 4 ) การพัฒนาอย่างรวดเร็วของวิธีการ vlsn ซับซ้อน