Dual-Core AMD Opteron 2214 PC with

Dual-Core AMD Opteron 2214 PC with 4GB RAM. The best performing (pure) EA from [4] has been reimplemented as proposed in this original work and described in Section 5.
7.1 Algorithms Settings
The population size of the EA and MA was set to 100. In the MA local search is applied to all new incumbent solutions until 100 consecutive non-improving moves have been tried. Due to space limitations, we present here only results for the MA with simple progressive search, which proved to generally outperform the variants where only a single neighborhood structure is considered. As mentioned earlier,the initial solution for the standalone VNS is the tree with highest TreeRank score of the input collection. HybB is performing the VND on all new incumbents limiting runtime per call to at most 5% of the overall time limit. In case of HybS the EA and the VNS are given 50% of the computation time each, thus it basically corresponds to HybI1.The intertwined EA/VNS hybrid HybI was applied with  = 4 alterations, thus in the following denoted by HybI4.For Hyb I we basically combine the settings of the best performing MA with SPS and of HybI4 and call it Hyb
I4.7.2 Test Instances We test the algorithms on three types of instances:trees resulting from three simple agglomerative clusterings (single-link and complete-link [14] as well as average-link,also known as unweighted pair group method with arithmetic mean [21]), trees resulting from several runs of the scatter search approach in [5], and new articial trees. The
latter are created by generating one initial random tree and deriving the actual input trees out of it by copying it and
applying a series of perturbations in the neighborhoods described in Section 3: Random Step, Swap, Rotate, and SPRr
moves are equally likely performed. In order to be able to control the similarity of the resulting input trees in a good
way, we dened minimum and maximum pairwise TreeRank scores and performed the perturbations until a derived tree
achieves a pairwise score w.r.t. the initial tree within these limits. If the actual score is less than the lower bound, the
previous move is undone and the process continues. Note that the initial tree is nally discarded and not included in
the input tree collection. A schematic presentation of this process is shown in Figure 7. An advantage of these arti-
cially generated instances is that the known initial tree,although not necessarily the best possible consensus tree,
lends itself as a reference solution.

ผลลัพธ์ (ไทย) 1:

Dual-Core AMD Opteron 2214 พีซีที่ มี RAM 4GB ส่วนการทำ EA (บริสุทธิ์) จาก [4] ได้รับการเขียนเป็นการนำเสนอในงานนี้เดิม และอธิบายไว้ในส่วน 57.1 อัลกอริทึมค่าขนาดประชากรของ EA และ MA ถูกตั้งค่าเป็น 100 ในม้าค้นหาท้องถิ่นใช้โซลูชัน incumbent ใหม่ทั้งหมดจนกระทั่งได้รับลอง 100 ย้ายไม่ใช่การปรับปรุงติดต่อกัน เนื่องจากพื้นที่จำกัด เรานำเสนอที่นี่เฉพาะผลลัพธ์สำหรับ MA ค้นหาก้าวหน้าอย่างง่าย ซึ่งพิสูจน์โดยทั่วไปมีประสิทธิภาพสูงกว่าตัวแปรที่ถือว่าเป็นเพียงโครงสร้างเดียวย่าน เป็นที่กล่าวถึงก่อนหน้านี้ โซลูชันเริ่มต้นสำหรับแบบสแตนด์อโลนไรวินท์เป็นต้นกับสูงสุด TreeRank คะแนนของชุดป้อน HybB จะทำในพื้นที่ส่วน incumbents ใหม่ทั้งหมดต่อโทรมากที่สุด 5% ของเวลาทั้งหมดที่รันไทม์จำกัด ในกรณีของ HybS อีเอและไรวินท์ที่ ได้ 50% คำนวณแล้วละ ดัง นั้นโดยทั่วไปสอดคล้องกับสองดวง EA/ไร วินท์ไฮบริ HybI ใช้กับ HybI1.The = 4 เปลี่ยนแปลงทาง ดังต่อไปนี้สามารถบุ ด้วย HybI4.For Hyb ฉันเรารวมการตั้งค่า ของส่วนที่ทำมากับ SPS และ HybI4 โดยทั่วไป และเรียกว่า HybI4.7.2 ทดสอบกรณีเราทดสอบอัลกอริทึมในสามชนิดของอินสแตนซ์: ต้นไม้เกิดจากสามอย่าง agglomerative clusterings (ลิงค์เดียว และทำลิงค์ [14] เช่นเดียว กับวิธีการของกลุ่มเฉลี่ยลิงค์ unweighted เป็นคู่กับคณิต [21]), ต้นไม้ที่เกิดจากการทำหลายวิธีค้นหากระจายใน [5], และใหม่อาซึ่งกันและกันต้นไม้ ที่หลังสร้างขึ้น โดยการสร้างแผนภูมิการสุ่มเริ่มต้นที่หนึ่ง และบริษัทฯ ต้นป้อนข้อมูลจริงออกมาจากมัน โดยการคัดลอก และใช้ชุดของ perturbations ในละแวกใกล้เคียงที่อธิบายไว้ในส่วนที่ 3: ขั้น ตอนสุ่ม แลกเปลี่ยน หมุน และ SPRrย้ายอย่างเท่าเทียมกันอาจดำเนินการ เพื่อให้สามารถควบคุมเฉพาะต้นอินพุตได้ในดีวิธี เราเราเด TreeRank แพร์ไวส์ต่ำสุด และสูงสุดคะแนน และดำเนินการ perturbations จนต้นไม้ได้รับได้รับการแพร์ไวส์คะแนน w.r.t. ต้นเริ่มต้นภายในขีดจำกัดเหล่านี้ เมื่อคะแนนจริงน้อยกว่าขอบต่ำสุด การย้ายก่อนหน้านี้ถูกยกเลิก และกระบวนการอย่างต่อเนื่อง โปรดสังเกตว่า แผนภูมิการเริ่มต้น nally ปฏิเสธ และไม่รวมอยู่ในคอลเลกชันทรีเข้า นำเสนอแผนผังวงจรของกระบวนการนี้จะแสดงในรูปที่ 7 ข้อดีของอาเหล่านี้- สร้างอินสแตนซ์ cially คือรู้จักเริ่มต้น แม้ว่าไม่จำเป็นต้องดีที่สุดสามารถช่วยต้นไม้ยืดตัวเองเป็นการแก้ปัญหาการอ้างอิง

ผลลัพธ์ (ไทย) 2:

Dual-Core AMD Opteron 2214 เครื่องคอมพิวเตอร์ที่มีหน่วยความจำ 4GB ที่ดีที่สุดของการดำเนินการ (บริสุทธิ์) จาก EA [4] ได้รับการ reimplemented ตามที่เสนอในการทำงานเดิมนี้และอธิบายไว้ในมาตรา 5
7.1
การตั้งค่าอัลกอริทึมขนาดประชากรของอีเอและปริญญาโทได้รับการตั้งค่าให้100 ในการค้นหา MA ท้องถิ่นถูกนำไปใช้ การแก้ปัญหาการดำรงตำแหน่งใหม่ทั้งหมดจนกว่า 100 การเคลื่อนไหวที่ไม่ปรับปรุงการติดต่อกันได้รับการพยายาม เนื่องจากข้อ จำกัด ของพื้นที่ที่เรานำเสนอผลเฉพาะที่นี่สำหรับ MA กับการค้นหาความก้าวหน้าง่ายซึ่งพิสูจน์ให้เห็นว่าโดยทั่วไปดีกว่าสายพันธุ์ที่มีเพียงโครงสร้างละแวกเดียวจะถือว่า ดังกล่าวก่อนหน้าการแก้ปัญหาการเริ่มต้นสำหรับ VNS แบบสแตนด์อโลนเป็นต้นไม้ที่มีคะแนนสูงสุด TreeRank ของการเก็บเข้าที่ HybB มีการดำเนินการเกี่ยวกับการครอบครอง VND ใหม่ จำกัด รันไทม์ต่อการเรียกร้องให้ที่มากที่สุด 5% ของระยะเวลาโดยรวม ในกรณีที่ HybS อีเอและ VNS จะได้รับ 50% ของเวลาในการคำนวณแต่ละจึงจะสอดคล้องกับพื้น HybI1.The พัน EA / VNS ไฮบริด HybI? ถูกนำมาใช้ด้วย? = 4 การเปลี่ยนแปลงดังนั้นในต่อไปนี้แสดงโดย HybI4.For Hyb? ผม? เราก็รวมการตั้งค่าของการดำเนินการที่ดีที่สุดที่มีแมสซาชูเซต SPS และ HybI4 และเรียกว่า Hyb?
I4.7.2 กรณีทดสอบเราจะทดสอบอัลกอริทึมในสามประเภทของกรณีต้นไม้ที่เกิดจากสาม clusterings agglomerative ง่าย (ลิงค์เดียวและสมบูรณ์ลิงค์ [14] เช่นเดียวกับค่าเฉลี่ยของการเชื่อมโยงที่เรียกว่าเป็นวิธีการที่กลุ่มคู่ชั่งที่มีค่าเฉลี่ย [21]) ต้นไม้ที่เกิดจากการวิ่งหลายวิธีการค้นหาที่กระจายใน [5] และ Arti ใหม่ต้นไม้ทางการ
หลังถูกสร้างขึ้นโดยการสร้างต้นไม้ต้นหนึ่งสุ่มเริ่มต้นและสืบต้นไม้การป้อนข้อมูลที่เกิดขึ้นจริงจากมันโดยการคัดลอกและการใช้ชุดของเยี่ยงอย่างในละแวกใกล้เคียงที่อธิบายไว้ในมาตรา 3: ขั้นที่สุ่ม Swap, หมุน, และ SPRr ย้ายจะดำเนินการมีโอกาสเท่าเทียมกัน . เพื่อที่จะสามารถที่จะควบคุมความคล้ายคลึงกันของต้นไม้การป้อนข้อมูลที่เกิดขึ้นในที่ดีทางเราขั้นต่ำเน็ดและคะแนนสูงสุดจากจำนวน TreeRank และดำเนินการเยี่ยงอย่างจนต้นไม้ที่ได้มาประสบความสำเร็จจากจำนวนคะแนนWRT ต้นไม้เริ่มต้นที่อยู่ในข้อ จำกัด เหล่านี้ หากคะแนนที่เกิดขึ้นจริงน้อยกว่าที่ถูกผูกไว้ที่ต่ำกว่าการย้ายก่อนหน้านี้ยกเลิกและขั้นตอนอย่างต่อเนื่อง โปรดสังเกตว่าต้นไม้เริ่มต้น Nally ทิ้งและไม่รวมอยู่ในคอลเลกชันต้นไม้ที่นำเข้า นำเสนอแผนผังของกระบวนการนี้จะแสดงในรูปที่ 7 ข้อได้เปรียบเหล่านี้ arti- กรณีที่เกิดขึ้นทางการเป็นที่ต้นไม้เริ่มต้นที่รู้จักกัน แต่ไม่จำเป็นต้องต้นไม้ฉันทามติที่ดีที่สุด, ยืมตัวเองเป็นวิธีการแก้ปัญหาการอ้างอิง

ผลลัพธ์ (ไทย) 3:

AMD Dual Core Opteron 2172 PC กับ 4GB แรม การแสดงที่ดีที่สุด ( บริสุทธิ์ ) EA จาก [ 4 ] ได้ reimplemented ตามที่เสนอในต้นฉบับนี้ทำงานและอธิบายในส่วนที่ 5 .

7.1 ขั้นตอนวิธีการตั้งค่าขนาดประชากรของอีเอ และมาตั้ง 100 ในการค้นหาในท้องถิ่นมาใช้กับโซลูชั่นตำแหน่งใหม่ทั้งหมดถึง 100 ไม่ติดต่อกันปรับปรุงย้ายได้พยายามแล้ว เนื่องจากข้อ จำกัด พื้นที่ที่เรานำเสนอที่นี่ผลเท่านั้นเพื่อมาค้นหาด้วยก้าวหน้าได้ง่าย ซึ่งพิสูจน์แล้วว่าโดยทั่วไปมีประสิทธิภาพสูงกว่าสายพันธุ์ที่โครงสร้างละแวกเดียว ถือว่า ตามที่กล่าวถึงก่อนหน้านี้ การแก้ปัญหาเบื้องต้นสำหรับเครื่อง vns คือต้นไม้ที่มีคะแนนสูงสุด treerank ข้อมูลคอลเลกชันhybb ประ VND ในตำแหน่งใหม่จำกัด Runtime ต่อโทรที่สุด 5% ของเวลาโดยรวม ในกรณีของ hybs EA และ vns จะได้รับ 50% ของการคำนวณในแต่ละครั้งจึงจะสอดคล้องกับ hybi1 . พัน EA / vns ไฮบริด hybi  ประยุกต์กับ  = 4 การเปลี่ยนแปลงดังนั้นในต่อไปนี้แทน โดย hybi4 .สำหรับ hyb  ผม  เราโดยรวม การตั้งค่าของการแสดงที่ดีที่สุดมาด้วย SP และ hybi4 และเรียกมัน hyb 
i4.7.2 ทดสอบกรณีทดสอบอัลกอริทึมบนสามชนิดของอินสแตนซ์ : ต้นไม้ที่เกิดจากสาม clusterings agglomerative ง่าย ( ลิงค์เดียวและให้ลิงค์ [ 14 ] รวมทั้งการเชื่อมโยง เฉลี่ย หรือที่เรียกว่า กลุ่มคู่กับค่าเฉลี่ยถ่วงน้ำหนัก [ 21 ] )ต้นไม้ที่เกิดจากหลาย ๆ วิ่งกระจาย ค้นหาวิธีการใน [ 5 ] และต้นไม้  ่แห่งใหม่
หลังถูกสร้างขึ้นโดยการสร้างต้นไม้แบบสุ่มหนึ่งเริ่มต้นและใช้ต้นไม้ใส่จริงได้โดยการคัดลอกและ
ใช้ชุดได้ในย่านที่อธิบายไว้ในส่วนที่ 3 : การก้าว , เปลี่ยน , หมุน , และเอสพีอาร์อาร์
ย้ายเท่าเทียมกันอาจดำเนินการเพื่อให้สามารถควบคุมความคล้ายคลึงกันของผลใส่ต้นไม้ในทางที่ดี
, เรา  เน็ดต่ำสุดและสูงสุด treerank คู่คะแนนและดำเนินการได้จนกว่าจะได้ต้นไม้
บรรลุคะแนนคู่ w.r.t. ต้นไม้เริ่มต้นภายในขีด จำกัด เหล่านี้ ถ้าคะแนนจริงน้อยกว่าผูกล่าง
ไปก่อนหน้านี้แล้ว และขั้นตอนต่อไปทราบว่า ต้นไม้ต้น  แนลลี่ทิ้งและไม่รวม
ใส่ต้นไม้ คอลเลกชัน เสนอแผนผังของกระบวนการนี้จะแสดงในรูปที่ 7 ประโยชน์ของเหล่านี้ Arti -
 สร้าง cially อินสแตนซ์เป็นที่รู้จักของต้นไม้เริ่มต้น ถึงแม้ว่าไม่ได้ดีที่สุดเอกฉันท์ต้นไม้
ยืมตัวเองเป็นโซลูชั่นที่อ้างอิง