3.1 ImprovementsIn order not to was

3.1 Improvements
In order not to waste time on calculating the UpDown
matrix always from scratch when evaluating a neighbor solution,
we derived incremental update schemes for all the
neighborhood structures. Only eventually aected parts of
the UpDown matrix are eciently updated. This strategy
greatly improves the overall run-time. Unfortunately, it does
not seem to be possible to follow this idea further by also
calculating the UpDown distance and the TreeRank score itself
in a signicantly more ecient incremental way. Thus,
these calculations are always completely performed. A second
improvement we consider is to avoid unnecessary moves
that would result in the original tree again: swapping two
adjacent taxa or moving a taxon or subtree to the same relative
position. In this way some calculations of the TreeRank
score can be saved.
4. VNS WITH EMBEDDED VND
A detailed introduction to Variable Neighborhood Descent
(VND) and Variable Neighborhood Search (VNS) is shown
in [12]. The idea of VND is to extend simple local search by
using several neighborhood structures|typically ordered according
to increasing size or evaluation cost|and switching

ผลลัพธ์ (ไทย) 2:

3.1
การปรับปรุงเพื่อไม่ให้เสียเวลาในการคำนวณUpdown
เมทริกซ์เสมอตั้งแต่เริ่มต้นเมื่อมีการประเมินการแก้ปัญหาเพื่อนบ้านเรามารูปแบบการปรับปรุงที่เพิ่มขึ้นสำหรับทุกโครงสร้างใกล้เคียง เพียง แต่ในที่สุด? ected ส่วนของเมทริกซ์Updown มีการจ? การปรับปรุงอย่างมีประสิทธิภาพ กลยุทธ์นี้ช่วยเพิ่มระยะเวลาโดยรวม แต่น่าเสียดายที่มันไม่ได้ดูเหมือนจะเป็นไปได้ที่จะทำตามความคิดนี้ต่อไปโดยยังคำนวณระยะทางUpdown และ TreeRank คะแนนตัวเองในอย่างมีนัยสำคัญทางe มากขึ้นหรือไม่เพียงพอทางที่เพิ่มขึ้น ดังนั้นการคำนวณเหล่านี้มักจะดำเนินการอย่างสมบูรณ์ เป็นครั้งที่สองการปรับปรุงที่เราพิจารณาคือการหลีกเลี่ยงการเคลื่อนไหวที่ไม่จำเป็นว่าจะส่งผลให้ต้นไม้เดิมอีกครั้ง: การแลกเปลี่ยนสองแท็กซ่าหรือย้ายที่อยู่ติดแท็กซอนหรือทรีย่อยญาติเดียวกันตำแหน่ง ด้วยวิธีการคำนวณบางส่วนของ TreeRank นี้คะแนนจะถูกบันทึกไว้. 4 VNS กับฝัง VND แนะนำรายละเอียดของพื้นที่ใกล้เคียงโคตรตัวแปร(VND) และตัวแปรค้นหาพื้นที่ใกล้เคียง (VNS) จะแสดงใน[12] ความคิดของ VND คือการขยายการค้นหาในท้องถิ่นที่เรียบง่ายโดยใช้โครงสร้างหลายพื้นที่ใกล้เคียง| มักจะสั่งตามการเพิ่มขึ้นของขนาดหรือค่าใช้จ่ายในการประเมินผล| และการเปลี่ยน

ผลลัพธ์ (ไทย) 3:

3.1 การปรับปรุง
เพื่อไม่ต้องเสียเวลาในการคำนวณเมทริกซ์ Description
เสมอจากรอยขีดข่วนเมื่อประเมินโซลูชั่นเพื่อนบ้าน
เราได้มาแบบปรับปรุงเพิ่มสำหรับโครงสร้างทั้งหมด
เพื่อนบ้าน แต่ในที่สุด  ประมวลส่วน Description E
เมทริกซ์  การปรับปรุง ciently .
กลยุทธ์นี้ช่วยเพิ่มความเร็วโดยรวม แต่มัน
ไม่ได้เป็นไปได้ที่จะทำตามความคิดนี้ต่อไปโดยยัง
คำนวณระยะทางและ Description คะแนน treerank นั่นเอง
ใน signi  ลดลงอย่างมีนัยสําคัญเมื่อ E  cient เพิ่มขึ้นอีกทาง ดังนั้น การคำนวณเหล่านี้มักจะสมบูรณ์
แสดง ที่สองการพัฒนาเราพิจารณาเพื่อหลีกเลี่ยงการเคลื่อนไหวที่ไม่จำเป็น
นั่นจะทำให้ต้นไม้อีกครั้ง : การเปลี่ยนสอง
และที่อยู่ติดกันหรือย้ายหมวดหมู่ย่อย หรือ เพื่อตำแหน่งสัมพัทธ์
เดียวกัน ในวิธีนี้การคํานวณบางอย่างของคะแนนสามารถบันทึก treerank
.
4 vns กับ VND
รายละเอียดเบื้องต้นที่ตัวแปรย่านโคตร
ฝังตัว ( VND ) และการค้นหาละแวกตัวแปร ( vns ) แสดง
[ 12 ] ความคิดของ VND คือการขยายการค้นหาในท้องถิ่นได้ง่ายโดย
ใช้โครงสร้างชุมชนหลาย | มักจะสั่งตาม
เพิ่มขนาดหรือการประเมินต้นทุน | และการสลับ