Many researchers have addressed a g

Many researchers have addressed a great deal of methods to solve ILP problem for four decades [6]. Some of
them are non-efficient and some are too complicated for business use. Compared with many others, B&B procedure
which uses the enumerative divide-and-conquer technique is a better method. Besides, B&B has already
been in common use now. However, it might require an enormous amount of computation sometimes when
solving large-scale ILP problems. Although there are heuristics for enhancing the ability of B&B by guessing
which branch could lead to a quick solution, there is no solid theory that will always yield consistent results.
Hence, in this section, we propose a revised B&B method to solve IPL problem. Our method is to cut original
solution space into many subspaces using objective function before implementing B&B. It could narrow down
the feasible solution range. After labeling these subspaces based on the ‘‘distance’’ from objective function, we
can apply B&B procedure upon subspaces one by one. The nearest subspace will be the first one to be searched.
The first optimum solution we get in the nearest subspace is promised to be the optimum solution in all solution
space because of using objective function. The procedure of our proposed method is explained below:

ผลลัพธ์ (ไทย) 1:

นักวิจัยหลายคนได้มีการแก้ไขแล้วอย่างมากของวิธีแก้ปัญหา ILP สำหรับสี่ทศวรรษ [6] บางส่วนของพวกเขาจะไม่มีประสิทธิภาพ และมีความซับซ้อนเกินไปสำหรับใช้ในงาน เมื่อเทียบกับคนอื่น ๆ บีแอนด์บีขั้นตอนซึ่งใช้เทคนิคการแบ่ง และพิชิต enumerative เป็นวิธีดีกว่า บีแอนด์บีได้แล้วการร่วมใช้เดี๋ยวนี้ อย่างไรก็ตาม มันอาจต้องใช้จำนวนมหาศาลของการคำนวณบางครั้งเมื่อการแก้ปัญหาขนาดใหญ่ของ ILP แม้ว่าจะมีการรุกในการเพิ่มความสามารถของบีแอนด์บีโดยคาดเดาสาขาซึ่งอาจนำไปสู่การแก้ไขปัญหาอย่างรวดเร็ว มีทฤษฎีไม่แข็งที่เสมอผลสอดคล้องกันด้วยเหตุนี้ เราเสนอแก้ไขกม.ในส่วนนี้ วิธีการแก้ปัญหา IPL วิธีของเราคือการ ตัดเดิมวิธีการแก้ไขปัญหาพื้นที่ในหลาย subspaces ใช้ฟังก์ชันวัตถุประสงค์ก่อนการใช้บีแอนด์บี มันจะแคบลงช่วงแก้ไขปัญหาเป็นไป หลังจากที่ติดฉลากเหล่านี้ subspaces ''ระยะ '' จากฟังก์ชันวัตถุประสงค์ เราสามารถใช้บีแอนด์บีตอนเมื่อ subspaces หนึ่ง Subspace ที่ใกล้ที่สุดจะเป็นคนแรกที่จะค้นหาโซลูชั่นที่เหมาะสมแรกที่เราได้รับใน subspace ที่ใกล้ที่สุดเป็นสัญญาเพื่อจะแก้ปัญหาที่ดีที่สุดในการแก้ปัญหาทั้งหมดพื้นที่เนื่องจากใช้ฟังก์ชันวัตถุประสงค์ อธิบายขั้นตอนของวิธีการนำเสนอของเราด้านล่าง:

ผลลัพธ์ (ไทย) 2:

นักวิจัยหลายคนได้รับการแก้ไขจัดการที่ดีของวิธีการที่จะแก้ปัญหา ILP สี่ทศวรรษที่ผ่านมา [6] บางส่วนของ
พวกเขาจะไม่ได้อย่างมีประสิทธิภาพและบางส่วนมีความซับซ้อนเกินไปสำหรับการใช้งานทางธุรกิจ เมื่อเทียบกับคนอื่น ๆ B & B ขั้นตอน
ซึ่งใช้เทคนิคการแบ่งและพิชิต enumerative เป็นวิธีที่ดีกว่า นอกจาก B & B ที่มีอยู่แล้ว
ได้รับในการใช้งานทั่วไปในขณะนี้ แต่ก็อาจจำเป็นต้องใช้จำนวนมหาศาลของการคำนวณบางครั้งเมื่อ
การแก้ปัญหา ILP ขนาดใหญ่ แม้ว่าจะมีการวิเคราะห์พฤติกรรมเพื่อเสริมสร้างความสามารถของ B & B โดยการคาดเดา
ซึ่งสาขาที่อาจนำไปสู่การแก้ปัญหาได้อย่างรวดเร็วไม่มีทฤษฎีที่เป็นของแข็งที่มักจะให้ผลที่สอดคล้องกัน.
ดังนั้นในส่วนนี้เรานำเสนอ B & B วิธีการแก้ไขเพื่อแก้ปัญหา IPL วิธีการของเราคือการตัดเดิม
พื้นที่แก้ปัญหาเข้า subspaces หลายฟังก์ชั่นการใช้วัตถุประสงค์ก่อนที่จะใช้ B & B มันอาจจะแคบลง
ในช่วงที่การแก้ปัญหาที่เป็นไปได้ หลังจากการติดฉลาก subspaces เหล่านี้ขึ้นอยู่กับ '' ระยะทาง '' จากฟังก์ชันวัตถุประสงค์เรา
สามารถนำไปใช้ B & B ขั้นตอนเมื่อ subspaces หนึ่งโดยหนึ่ง สเปซที่ใกล้ที่สุดจะเป็นคนแรกที่ได้รับการสืบค้น.
การแก้ปัญหาที่ดีที่สุดเป็นครั้งแรกที่เราได้รับในสเปซที่ใกล้ที่สุดสัญญาว่าจะเป็นทางออกที่ดีที่สุดในการแก้ปัญหาทุก
พื้นที่เพราะใช้ฟังก์ชันวัตถุประสงค์ ขั้นตอนของวิธีการที่เรานำเสนอจะมีการอธิบายไว้ด้านล่าง:

ผลลัพธ์ (ไทย) 3:

นักวิจัยหลายคนได้ให้ความสนใจอย่างมากของวิธีการแก้ปัญหา ILP สำหรับสี่ทศวรรษที่ผ่านมา [ 6 ] บางส่วนของพวกเขาจะไม่มีประสิทธิภาพและมีความซับซ้อนเกินไปสำหรับการใช้งานทางธุรกิจ เมื่อเทียบกับคนอื่น ๆ , B & B ขั้นตอนซึ่งใช้ enumerative แบ่งและพิชิตเทคนิคเป็นวิธีที่ดีกว่า นอกจากนี้ บีแอนด์บี เรียบร้อยแล้วถูกใช้โดยทั่วไปในขณะนี้ แต่มันอาจจะต้องมียอดเงินใหญ่หลวงของการคำนวณบางครั้งเมื่อการแก้ปัญหา ILP ขนาดใหญ่ แม้ว่าจะมีวิธีฮิวริสติกเพื่อเพิ่มความสามารถของ B & B โดยการคาดเดาสาขา ซึ่งอาจนำไปสู่วิธีการแก้ปัญหาอย่างรวดเร็ว ไม่มีแข็ง ทฤษฎีนั้นจะให้ผลที่สอดคล้องกันดังนั้น ในส่วนนี้เราเสนอแก้ไข บีแอนด์บี วิธีการแก้ปัญหา IPL . วิธีของเราคือตัดต้นฉบับโซลูชั่นพื้นที่ใน subspaces หลายโดยใช้ฟังก์ชันวัตถุประสงค์ก่อนการใช้ B & B มันจะแคบลงช่วงที่เป็นไปได้ โซลูชั่น หลังจากการติดฉลาก subspaces เหล่านี้ขึ้นอยู่กับ " " จาก " "distance ฟังก์ชันวัตถุประสงค์ เราสามารถใช้ B & B ขั้นตอนตาม subspaces หนึ่งโดยหนึ่ง ที่ใกล้จะได้เป็นคนแรกที่ต้องถูกค้นโซลูชั่นแรกที่เราเข้าไปได้ใกล้จะสัญญาว่าจะเป็นโซลูชั่นที่เหมาะสมในการแก้ปัญหาทั้งหมดพื้นที่เพราะใช้ฟังก์ชันวัตถุประสงค์ ขั้นตอนของวิธีการที่เสนออธิบายด้านล่าง :