Our algorithm can achieve the solut

Our algorithm can achieve the solutions close to the best known
solutions for the cluster problem set C1 and C2. Also, our
algorithm can obtain the comparable solutions for the problem
set R1, R2, RC1 and RC2 compared with other meta-heuristics.
However, our algorithm requires more vehicle for most sets. This
can be attributed that our aim is to minimize the total distance
for VRPTW, i.e., there is no additional cost as adding a vehicle.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมของเราสามารถบรรลุการแก้ปัญหาใกล้ที่รู้จักกันดีโซลูชั่นสำหรับปัญหาคลัสเตอร์ตั้งค่า C1 และ C2 ด้วย เราอัลกอริทึมสามารถขอเทียบโซลูชั่นสำหรับปัญหาตั้งค่า R1, R2, RC1 และ RC2 เทียบกับ meta รุกอื่น ๆอย่างไรก็ตาม อัลกอริทึมของเราต้องการรถเพิ่มเติมสำหรับชุดใหญ่ นี้สามารถนำมาประกอบว่า เป้าหมายของเราคือการ ลดระยะทางรวมสำหรับ VRPTW เช่น มีค่าใช้จ่ายเป็นการเพิ่มรถ

ผลลัพธ์ (ไทย) 2:

อัลกอริทึมของเราสามารถบรรลุการแก้ปัญหาที่ใกล้เคียงกับที่รู้จักกันดี
โซลูชั่นสำหรับปัญหาคลัสเตอร์ตั้ง C1 และ C2 นอกจากนี้เรา
อัลกอริทึมสามารถขอรับเทียบกับโซลูชั่นสำหรับปัญหาที่เกิดขึ้น
ตั้ง R1, R2, RC1 และ RC2 เมื่อเทียบกับเมตาการวิเคราะห์พฤติกรรมอื่น ๆ .
แต่ขั้นตอนวิธีการของเราต้องใช้รถมากขึ้นสำหรับชุดมากที่สุด นี้
สามารถนำมาประกอบว่าจุดมุ่งหมายของเราคือการลดระยะทางรวม
สำหรับ VRPTW คือไม่มีค่าใช้จ่ายเพิ่มเติมการเพิ่มยานพาหนะ

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีของเราสามารถบรรลุโซลูชั่นใกล้รู้จักดีที่สุดโซลูชั่นสำหรับกลุ่มปัญหาชุด C1 และ C2 นอกจากนี้ ของเราอัลกอริทึมสามารถได้รับโซลูชั่นที่เปรียบสำหรับปัญหาชุด R1 , R2 , RC1 RC2 กับอักษรอื่น ๆและเมื่อเม .อย่างไรก็ตามขั้นตอนวิธีของเราต้องรถมากขึ้นสำหรับชุดมากที่สุด นี้สามารถประกอบว่า เป้าหมายของเราคือเพื่อลดระยะทางรวมสำหรับ vrptw คือไม่มีต้นทุนเพิ่มเติม เช่น การเพิ่มรถ