4.3. The number of constraints Exce

4.3. The number of constraints
Except the above two factors, the number of constraints in ILP problems is also an important index to sure the complexity of computation. The numerical results are shown in Table 4. The results indicate that the cases with many constraints could reduce lots of constraints. Therefore, the necessary computation and stor age space to find out solutions is decreased. However, for those cases with few constraints, the proposed method gives little help.
5. Conclusions In this paper, we propose an improved B&B method to solve ILP problems efficiently. For this goal, the solution area is divided into smaller subspaces, and then the B&B procedure is used to search the optimum solution within these subspaces. Compared with the original B&B method, we find that it works efficiently while handling ILP problems with many constraints. Although the branching number in our method is almost the same as that in B&B method. We unearth that the proposed method could reduce the number of constraint for cases with many more constraints. Besides, the optimum solution can be found in the first subspace except for rare cases. As demonstrated by numerical examples, 93% of the cases are of this type. While handling the ILP problems with fewer constraints but many variables, it is suggested to use duality concept to change vari- ables by constraints. Then our method can be used to reduce the number of constraints. Therefore, the pro- posed method brings up another thought for solving ILP problems. Although it does not make an enormous breakthrough in this field, it would be a great opportunity to reopen the door and evoke more in further researches in the future
Acknowledgement This research was supported by the National Science Council in Taiwan, ROC, under grants NSC93-2416- H-194-003 and NSC 94-2416-H-194-007
สิ้นสุดการสนทนา
พิมพ์ข้อความ...

ผลลัพธ์ (ไทย) 1:

4.3. จำนวนจำกัด ยกเว้นสองปัจจัยข้างต้น จำนวนของข้อจำกัดปัญหา ILP ยังอยู่สำคัญดัชนีเพื่อตรวจสอบความซับซ้อนของการคำนวณ ผลลัพธ์เชิงตัวเลขแสดงอยู่ในตารางที่ 4 ผลลัพธ์บ่งชี้ว่า กรณีที่ มีข้อจำกัดมากสามารถลดข้อจำกัดมากมาย ดังนั้น ลดพื้นที่อายุคำนวณและเก็บที่จำเป็นเพื่อค้นหาโซลูชัน อย่างไรก็ตาม สำหรับกรณีดังกล่าวมีข้อจำกัด วิธีการนำเสนอให้ช่วยเหลือ 5. บทสรุปในเอกสารนี้ เราเสนอบีแอนด์บีการปรับปรุงวิธีการแก้ปัญหา ILP ได้อย่างมีประสิทธิภาพ สำหรับเป้าหมายนี้ พื้นที่การแก้ปัญหาแบ่งเป็น subspaces เล็ก แล้วตัว B & B ขั้นตอนจะใช้เพื่อค้นหาโซลูชันที่เหมาะสมภายใน subspaces เหล่านี้ เมื่อเทียบกับบีแอนด์บีเดิมวิธี เราพบว่า มันทำงานได้อย่างมีประสิทธิภาพขณะจัดการปัญหา ILP ด้วยข้อจำกัดมากขึ้น แม้ว่าตัวเลขโยงหัวข้อในวิธีของเราเป็นเกือบเหมือนกันที่บีแอนด์บีในวิธี เราพบว่าวิธีการนำเสนอสามารถลดจำนวนของข้อจำกัดสำหรับกรณีที่มีข้อจำกัดเพิ่มเติมมาก การแก้ปัญหาที่เหมาะสมได้ใน subspace แรกยกเว้นบางกรณี ตามที่แสดง โดยตัวอย่างตัวเลข 93% ของกรณีมีชนิดนี้ ขณะจัดการปัญหา ILP ที่ มีข้อจำกัดน้อยลงแต่ตัวแปรจำนวนมาก มันจะแนะนำการใช้แนวคิดเป็นคู่เพื่อเปลี่ยนมุมส่องสว่าง โดยข้อจำกัด แล้ว วิธีของเราสามารถใช้เพื่อลดจำนวนของข้อจำกัด ดังนั้น pro การ-วิธีการที่ถูกวางขึ้นมาอีกในการแก้ปัญหา ILP ถึงแม้ว่ามันไม่ได้มีความก้าวหน้าอย่างมหาศาลในฟิลด์นี้ มันจะเป็นโอกาสที่ดีในการเปิดประตู และทำให้เกิดขึ้นในงานวิจัยต่อไปในอนาคต รับรองงานวิจัยนี้ได้รับการสนับสนุนจากสภาวิทยาศาสตร์แห่งชาติไต้หวัน ROC ต่ำกว่าทุน NSC93-2416-H-194-003 และ NSC 94-2416-H-194-007สิ้นสุดการสนทนาพิมพ์ข้อความ...

ผลลัพธ์ (ไทย) 2:

4.3 จำนวน จำกัด ที่
ได้รับการยกเว้นข้างต้นทั้งสองปัจจัยที่มีจำนวน จำกัด ในปัญหา ILP ยังเป็นดัชนีสำคัญแน่ใจความซับซ้อนของการคำนวณ ผลเป็นตัวเลขที่แสดงในตารางที่ 4 ผลการวิจัยพบว่ากรณีที่มีข้อ จำกัด หลาย ๆ สามารถลดจำนวน จำกัด ดังนั้นการคำนวณและอายุ Stor พื้นที่ที่จำเป็นในการหาโซลูชั่นที่จะลดลง อย่างไรก็ตามสำหรับกรณีดังกล่าวมีไม่กี่ข้อ จำกัด ของวิธีการที่เสนอให้ความช่วยเหลือเล็ก ๆ น้อย ๆ .
5 ข้อสรุปในบทความนี้เราจะเสนอการปรับปรุง B & B วิธีการในการแก้ปัญหาได้อย่างมีประสิทธิภาพ ILP สำหรับเป้าหมายนี้พื้นที่การแก้ปัญหาจะแบ่งออกเป็น subspaces มีขนาดเล็กลงและจากนั้นขั้นตอน B & B คือใช้ในการค้นหาวิธีการแก้ปัญหาที่ดีที่สุดภายใน subspaces เหล่านี้ เมื่อเทียบกับต้นฉบับ B & B วิธีการที่เราพบว่ามันทำงานอย่างมีประสิทธิภาพขณะที่การจัดการปัญหา ILP ที่มีข้อ จำกัด หลาย ๆ แม้ว่าจำนวนแตกแขนงในวิธีการของเราเกือบจะเป็นเช่นเดียวกับที่อยู่ใน B & B วิธี เราพบว่าวิธีการที่นำเสนอสามารถลดจำนวน จำกัด สำหรับกรณีที่มีข้อ จำกัด อื่น ๆ อีกมากมาย นอกจากนี้วิธีการแก้ปัญหาที่ดีที่สุดที่สามารถพบได้ในสเปซแรกยกเว้นกรณีที่หายาก ในฐานะที่เป็นแสดงให้เห็นโดยตัวอย่างตัวเลข 93% ของกรณีที่มีประเภทนี้ ขณะที่การจัดการปัญหา ILP ที่มีข้อ จำกัด น้อยลง แต่ตัวแปรจำนวนมากก็จะแนะนำให้ใช้แนวความคิดที่จะเปลี่ยนคู่ตัวแปรด้วยข้อ จำกัด แล้ววิธีที่เราสามารถนำมาใช้เพื่อลดจำนวน จำกัด วิธีดังนั้นโปรที่เกิดขึ้นนำมาซึ่งความคิดอื่นในการแก้ปัญหา ILP แม้ว่าจะไม่ได้ทำให้ความก้าวหน้าอย่างมากในด้านนี้ก็จะเป็นโอกาสที่ดีที่จะเปิดประตูและทำให้เกิดมากขึ้นในการวิจัยต่อไปในอนาคต
รับทราบงานวิจัยนี้ได้รับการสนับสนุนโดยสภาวิทยาศาสตร์แห่งชาติในไต้หวันภายใต้ทุน NSC93- 2416- H-194-003 และสมช.