and instance Synthetic respectively

and instance Synthetic respectively. Each table presents the values of (Ψ), (χ) and (κ) of every huristics algorithms. Those tables and diagram show that the proposed Greedy algorithms are 12.8%, 31.02%, and 25.73% better than proposed Monte Carlo algorithms in terms of CC (Ψ), CPL (χ) and Kal index (κ) respectively.

ผลลัพธ์ (ไทย) 1:

และอินสแตนซ์สังเคราะห์ตามลำดับ แต่ละตารางแสดงค่าของ (Ψ), (χ) และ (สภาพκ) อัลกอริทึมทุก huristics ตารางและไดอะแกรมเหล่านั้นแสดงว่า อัลกอริทึมโลภเสนอ อยู่ 12.8%, 31.02% ดีกว่าอัลกอริทึม Monte Carlo เสนอในแง่ของดัชนี CC (Ψ), CPL (χ) และแคล (สภาพκ) 25.73% ตามลำดับ

ผลลัพธ์ (ไทย) 2:

และอินสแตนซ์สังเคราะห์ตามลำดับ ตารางแต่ละคนนำเสนอค่าของ (Ψ), (χ) และ (κ) ของทุกขั้นตอนวิธีการ huristics ตารางเหล่านั้นและแสดงแผนภาพที่นำเสนอขั้นตอนวิธีโลภเป็น 12.8%, 31.02% และ 25.73% ดีกว่าที่นำเสนอขั้นตอนวิธีการ Monte Carlo ในแง่ของ CC (Ψ) CPL (χ) และแคลดัชนี (κ) ตามลำดับ

ผลลัพธ์ (ไทย) 3:

และอินสแตนซ์สังเคราะห์ ตามลำดับ แต่ละตารางแสดงค่า ( Ψ ) , ( χ ) และ ( κ ) ของทุก huristics อัลกอริธึม ตารางและแผนภาพแสดงให้เห็นว่าการนำเสนอขั้นตอนวิธีเชิงละโมบเป็น 12.8 เปอร์เซ็นต์ 31.02 % และ 25.73 % ดีกว่าเสนอขั้นตอนวิธีมอนติคาร์โลในแง่ของ CC ( Ψ ) CPL ( χ ) และดัชนี Kal ( κ ) ตามลำดับ